Question

我有一种特殊的编码格式，我想要一个提取编码信息的正则表达式。我有'：'作为一个特殊字符，分隔不同的“块”信息。例如：

s = 'P:1:a:3:test_data'

应该拆分为：

['P','1','a','3','test_data']

我可以使用：

s.split(':')

但是，我也可以编码一个'：'（永远不会超过1'：'组合在一起，所以没有歧义）。例如：

s = 'P:1:::3:test_data'

应该给：

['P','1',':','3','test_data']

使用split（'：'）会失败：

['P', '1', '', '', '3', 'test_data']

捕获'：'的最佳方式是什么？我对正则表达式不是很强，我知道正则表达式组可以使用'* +'匹配至少一个字符，但我对如何将它们拼凑在一起非常困惑。更好的是，有没有正则表达式更好的方法呢？我想我总是可以迭代数组，检查连续的空字符串并将它们组合成'：'。有更优雅的方式吗？

由于

Answer 1

对于您的特定情况，您可以使用负向环视来限制要在(?<!:):|:(?!:)上拆分的冒号，这是一个不在同一时间之前和之后的冒号：

import re
s = 'P:1:a:3:test_data'
s1 = 'P:1:::3:test_data'

re.split("(?<!:):|:(?!:)", s)
# ['P', '1', 'a', '3', 'test_data']

re.split("(?<!:):|:(?!:)", s1)
# ['P', '1', ':', '3', 'test_data']

另一个选项更通用，可以处理多个:与re.findall和(.+?)(?::|$)分组，即懒惰地匹配至少一个字符，直到找到冒号或到达结尾字符串：

re.findall('(.+?)(?::|$)', 'P:1:::3:test_data')
# ['P', '1', ':', '3', 'test_data']

re.findall('(.+?)(?::|$)', 'P:1:::::3:test_data')
# ['P', '1', ':', ':', '3', 'test_data']

正则表达式匹配，所有组由分隔符令牌分隔？

1 个答案: