将字符串拆分为多个部分（使用正则表达式？）

Question

来自https://stackoverflow.com/a/53750697/856090的问题的答案。

我们收到一个“输入”字符串。

输入字符串被+s（即\s+\+\s+ regexp）分割成几个“命令”。但是，在拆分引用 + (\+) 时应被忽略。

然后每个命令被空格字符分割成几个“参数”，但引用的 (\) 空格不计入分割，而是成为参数的一部分。

引用\（即\\）变为常规字符\，并且本身不参与引用。

我的解决方案是逐个字符地处理输入字符串，对\、+ 和空白字符具有特殊行为。这很慢而且不优雅。我要求另一种解决方案（例如使用正则表达式）。

我用 Python 3 编写。

---

例如，

filter1 + \
chain -t http://www.w3.org/1999/xhtml -n error + \
transformation filter2 --arg x=y

变换过滤器3

变成

[['filter1'],
 ['chain', '-t', 'http://www.w3.org/1999/xhtml', '-n', 'error'],
 ['transformation', 'filter2', '--arg', 'x=y']]

和

a \+ b + c\ d

变成

 [['a', '+', 'b'], ['c d']]

Answer 1

我编写了自己的例程版本：

import re


def split_pipeline(s):
    res = [['']]
    r = r'\\\\|\\\+|\\\s|\s+\+\s+|\s+|[^\s\\]+'
    for m in re.finditer(r, s, re.M|re.S):
        if m[0][0] == '\\':
            res[-1][-1] += m[0][1:]
        elif re.match(r'^\s+\+\s+$', m[0], re.M|re.S):
            res.append([''])
        elif re.match(r'^\s+$', m[0], re.M | re.S):
            res[-1].append('')
        else:
            res[-1][-1] += m[0]
    return res

print(split_pipeline(r'a\\ \+  b + c\ d'))
# [['a\\', '+', 'b'], ['c d']]

Answer 2

这是您问题的答案。

这里的函数get_splitted_strings_for()取1个s类型的参数，将1一分为二，分割2次，最后将结果存入二维列表。

import re

def get_splitted_strings_for(s): 
    splits = []
    splits1 = re.split(r"\s*\+\s+\\\s*|\s+\+\s+", s)

    for split in splits1: 
        if "\+" in split: 
            split = split.replace("\\",  "") 
            splits.append(split.split()) 
        elif "\\" in split: 
            splits.append([split.replace("\\", "")]) 
        else: 
            arr = re.split(r"\s+", split.replace("\\", '')) 
            splits.append(arr) 

    return splits

s = "filter1 + \ chain -t http://www.w3.org/1999/xhtml -n error + \ transformation filter2 --arg x=y"
print(get_splitted_strings_for(s))

# [['filter1'], ['chain', '-t', 'http://www.w3.org/1999/xhtml', '-n', 'error'], ['transformation', 'filter2', '--arg', 'x=y']]

print()  # New line

s2 = "a \+ b + c\ d"
print(get_splitted_strings_for(s2))
# [['a', '+', 'b'], ['c d']]