Question

我有一个带有变量/值列表的字符串，例如。

string = " var1 = 20, var2  = hello    var3 =345.34  var4 = I have lost 
2,5 billions, var5 = Bill"

元组的分隔可以是“，”或任意数量的空格，元组的标识始终为“ =” 面临的挑战是某些值包含描述性字符串，其中逗号作为分隔符，千位分隔符，或者最差的是数字分隔符。

我用python regex尝试了一系列re.sub和re.findall，但是我无法在代码下面正确分割var4元组：

import re
string = " var1 = 20, var2  = hello    var3 =345.34  var4 = I lost 2,5 
billions, var5 = Bill"

t = re.sub('(\=\s+)', '=', string)
t = re.sub('(\s+\=)', '=', t)
result = re.findall("[A-Za-z0-9(,)\=\.]+", t)

print(result)
['var1=20,', 'var2=hello', 'var3=345.34', 'var4=I', 'lost', '2,5', 
'billions,', 'var5=Bill']

我的预期结果是

['var1=20', 'var2=hello', 'var3=345.34', 'var4=I lost 2,5 billions', 'var5=Bill']

Answer 1

您可以使用

re.split(r',?\s+(?=\w+=)', re.sub(r'\s*=\s*', '=', s.strip()))

在剥离字符串中的前导/尾随空格之后，re.sub(r'\s*=\s*', '=', s.strip())将删除=周围的空格，而r',?\s+(?=\w+=)'与re.split的字符串将以可选的逗号分隔，然后是1或更多空格，后跟1+个单词字符，然后是=。

请参见Python demo：

import re
s = " var1 = 20, var2  = hello    var3 =345.34  var4 = I lost 2,5 billions, var5 = Bill"
result = re.split(r",?\s+(?=\w+=)", re.sub(r'\s*=\s*', '=', s.strip()))
print(result)
# => ['var1=20', 'var2=hello', 'var3=345.34', 'var4=I lost 2,5 billions', 'var5=Bill']

Answer 2

如果要提取的每个元素都以var开头，则可以按照以下方式使用该事实：

import re
string = " var1 = 20, var2  = hello    var3 =345.34  var4 = I have lost 2,5 billions, var5 = Bill"
vars = re.findall(r'var.*?(?=var|$)',string)
print(vars) # ['var1 = 20, ', 'var2  = hello    ', 'var3 =345.34  ', 'var4 = I have lost 2,5 billions, ', 'var5 = Bill']

我使用了正向超前（零长度断言的种类），因此findall在寻找子串，其后跟var或str的末尾（$）。如您所见，str中的vars仍需要清洁。首先删除尾随空格：

vars = [i.strip(' ') for i in vars]
print(vars) # ['var1 = 20,', 'var2  = hello', 'var3 =345.34', 'var4 = I have lost 2,5 billions,', 'var5 = Bill']

现在我不清楚您的示例-我不知道您是否要像,那样保留尾随var1 = 20,，还是像var4=I lost 2,5 billions一样删除它，所以我要保留{ {1}}，但要注意它们可能会以与空格所示相同的方式被删除。最后，要删除,周围的空格，您可以按以下方式使用=：

re.sub

请注意，vars = [re.sub(r' *= *','=',i,1) for i in vars] print(vars) #['var1=20,', 'var2=hello', 'var3=345.34', 'var4=I have lost 2,5 billions,', 'var5=Bill']中的1是有意的，因此仅会发生re.sub替换-因此它将仅抛弃{{1}的每个元素中第一个1周围的空格}}。如果您确定每个元素中的个数不超过1个=，则可以删除该vars。

在具有不同分隔符和值内容的标签/值列表中拆分字符串

2 个答案: