仅当未以特定模式包装时，才按分隔符拆分字符串

Question

我试图通过分隔符将字符串拆分为列表（比如说,），但分隔符只有在没有以某种模式包装时才应被视为分隔符，在我的特殊情况下为<> . IOW，当逗号嵌套在<> 中时，它会作为分隔符被忽略，而只是一个不被分隔的常规字符。

所以如果我有以下字符串：

"first token, <second token part 1, second token part 2>, third token"

应该拆分成

list[0] = "first token"
list[1] = "second token part 1, second token part 2"
list[2] = "third token"

不用说，我不能只用, 进行简单的拆分，因为这会将第二个标记分成两个标记，second token part 1 和second token part 2，因为它们之间有一个逗号。

我应该如何定义使用Python RegEx 的模式？

Answer 1

一种适用于您的示例的笨拙方法是将 转换为 "，然后将其视为 CSV 文件：

import csv
import string

s = "first token, <second token part 1, second token part 2>, third token"    
a = s.translate(string.maketrans('<>', '""'))
# first token, "second token part 1, second token part 2", third token
print next(csv.reader([a], skipinitialspace=True))
['first token', 'second token part 1, second token part 2', 'third token']

Answer 2

更新：由于您提到括号可能是嵌套的，我很遗憾地通知您，Python 中的正则表达式解决方案是不可能的。仅当尖括号始终保持平衡且从不嵌套或转义时，以下方法才有效：

>>> import re
>>> s = "first token, <second token part 1, second token part 2>, third token"
>>> regex = re.compile(",(?![^<>]*>)")
>>> regex.split(s)
['first token', ' <second token part 1, second token part 2>', ' third token']
>>> [item.strip(" <>") for item in _]
['first token', 'second token part 1, second token part 2', 'third token']

正则表达式 ,(?![^<>]*>) 仅在下一个尖括号不是右尖括号时才以逗号分隔。

嵌套括号会阻止这个或任何其他正则表达式解决方案在 Python 中工作。您要么需要一种支持递归正则表达式的语言（如 Perl 或 .NET 语言），要么使用解析器。