Python，以逗号分隔字符串，引号内除外，忽略空格答案

【问题标题】：Python, split a string at commas, except within quotes, ignoring whitespacePython，以逗号分隔字符串，引号内除外，忽略空格
【发布时间】：2019-03-28 11:21:12
【问题描述】：

我找到了一些解决方案，但得到的结果与我的预期不符。

我想获取一个字符串，并以逗号分隔它，除非逗号包含在双引号中。我想忽略空格。我可以忍受在此过程中丢失双引号，但这不是必需的。

csv 是最好的方法吗？正则表达式解决方案会更好吗？

#!/usr/local/bin/python2.7

import csv

s = 'abc,def, ghi, "jkl, mno, pqr","stu"'

result = csv.reader(s, delimiter=',', quotechar='"')

for r in result: 
    print r

# Should display:
# abc
# def
# ghi
# jkl, mno, pqr
# stu
#
# But I get:
# ['a']
# ['b']
# ['c']
# ['', '']
# ['d']
# ['e']
# ['f']
# ['', '']
# [' ']
# ['g']
# ['h']
# ['i']
# ['', '']
# [' ']
# ['jkl, mno, pqr']
# ['', '']
# ['stu']

print r[1]  # Should be "def" but I get and "list index out of range" error.

【问题讨论】：

标签： python regex csv split

【解决方案1】：

你可以使用正则表达式

".+?"|[\w-]+

这将匹配双引号，后跟任何字符，直到找到下一个双引号 - 或者，它将匹配单词字符（没有逗号或引号）。

https://regex101.com/r/IThYf7/1

import re
s = 'abc,def, ghi, "jkl, mno, pqr","stu"'
for r in re.findall(r'".+?"|[\w-]+', s):
    print(r)

如果你想摆脱引用部分周围的"s，我可以通过使用regex 模块（以便\K 可用）找出最好的方法是：

(?:^"?|, ?"?)\K(?:(?<=").+?(?=")|[\w-]+)

https://regex101.com/r/IThYf7/3

【讨论】：

工作得几乎完美......但由于某种原因，它也在“-”字符上分裂。我应该在示例字符串中包含一些带连字符的数据，例如 hello-there..
使用字符集而不仅仅是\w，因为\w 与- 不匹配 - 将最后的替换更改为[\w-]+
这里的点字符的问题是，它将适用于直到字符串结尾的每个字符。所以它应该替换为除双引号之外的所有字符集：[^"]
谢谢！只是使用您提供的链接自己弄清楚了。当我能像英语一样阅读正则表达式时会很好。 :)
@SvenKrüger 不，因为重复是 lazy - 它会匹配尽可能少的字符，直到找到下一个 "。（查看 regex101 链接。）我认为，如果可能的话，延迟重复比否定字符集更好。

【解决方案2】：

除了使用csv 之外，您还可以使用另一种不错的方法，该方法由较新的regex 模块（即pip install regex）支持：

"[^"]*"(*SKIP)(*FAIL)|,\s*

内容如下：

"[^"]*"(*SKIP)(*FAIL) # match everything between two double quotes and "forget" about them
|                     # or
,\s*                  # match a comma and 0+ whitespaces

在Python:

import regex as re

rx = re.compile(r'"[^"]*"(*SKIP)(*FAIL)|,\s*')
string = 'abc,def, ghi, "jkl, mno, pqr","stu"'

parts = rx.split(string)
print(parts)

这会产生

['abc', 'def', 'ghi', '"jkl, mno, pqr"', '"stu"']

见a demo on regex101.com。

【讨论】：