Python 正则表达式非捕获组

Question

我正在尝试理解 re.split() 函数与非捕获组来拆分逗号分隔的字符串。

这是我的代码：

 pattern = re.compile(r',(?=(?:"[^"]*")*[^"]*$)')
 text = 'qarcac,"this is, test1",123566'
 results= re.split(pattern, text)
 for r in results:
    print(r.strip())

当我执行此代码时，结果与预期一致。

split1：qarcac

split2：“这是，test1”

split3：123566

而如果我在源文本中再添加一个双引号字符串，它就不会按预期工作。

text = 'qarcac,"this is, test1","this is, test2", 123566, testdata'

并产生以下输出

split1: qarcac,"这是，test1"

split2：“这是，test2”

split3：123566

谁能解释一下这里发生了什么以及在这两种情况下非捕获组的工作方式有何不同？

Answer 1

这与（非）捕获组无关。

(?:"[^"]*")*[^"]*$ 匹配：

• "[^"]*" - 带引号的字符串（两个引号之间有 0 个或多个非引号）
• (?: ... )* - 0 个或更多引用的字符串
• [^"]* - 后跟 0 个或多个非引号
• $ - 后跟字符串结尾

换句话说，这个正则表达式匹配"foo""bar""baz"otherstuff之类的东西。

在您的第一个示例中，目标字符串是：

qarcac,"this is, test1",123566
       ^^^^^^^^^^^^^^^^^^^^^^^

我已经在与上述正则表达式匹配的部分下划线（带引号的部分后跟未加引号的尾部，然后是字符串的结尾）。

在您的第二个示例中，目标字符串是：

qarcac,"this is, test1","this is, test2", 123566, testdata
                        ^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^

我再次强调了正则表达式匹配的部分。

第一个引用的部分因为逗号不匹配：

"this is, test1","this is, test2"
                X

"foo","bar" 不匹配，因为您的正则表达式要求引用的部分彼此相邻，如 "foo""bar"，中间没有任何内容。

---

如果您只是想确保每个匹配的逗号都在引号部分之外（即后跟偶数个引号），您可以简单地使用

,(?=[^"]*(?:"[^"]*"[^"]*)*$)

作为你的正则表达式。