python中的圆括号或大括号中不存在逗号上的拆分字符串答案

【问题标题】：Split string on comma not present in round brackets or curly brackets in pythonpython中的圆括号或大括号中不存在逗号上的拆分字符串
【发布时间】：2019-01-23 23:51:36
【问题描述】：

下面是我试图用逗号分割的字符串。

如果 () 或 {} 中存在逗号，则不应拆分该字符串。

我正在使用以下代码进行拆分：

现在只处理 ()，我如何也包含 {}？

import re
s = "Water,^.*f04.*&~(.*z.,*)$,Iron Oxides (CI 77491, 77492),a{3,4}"
print re.split(r',\s*(?![^()]*\))', s)

输出应该是：

[Water,^.*f04.*&~(.*z.,*)$,Iron Oxides (CI 77491, 77492),a{3,4}]

【问题讨论】：

括号可以嵌套吗？如果是这样，这不是一种常规语言，所以你可能不想用正则表达式来解决它。
它可以是如果它看起来是一个有效的正则表达式。所以基本上如果逗号是正则表达式的一部分并且它在 () 或 {} 或 [] 内，那么那个字符串不应该被拆分

标签： python regex python-2.7 list

【解决方案1】：

假设您的括号可以嵌套，那么您所拥有的不是常规语言。虽然re 确实有很多扩展，可以让它处理实际正则表达式之外的事情，但最好使用一个简单的括号计数解析器来解决这个问题。

类似这样的东西（未经测试，但应该足够简单，易于理解和调试）：

bracketmap = {'(': ')', '[': ']', '{': '}'}

def splitify(s):
    stack = []
    lastcomma = 0
    for i, c in enumerate(s):
        if not stack and c == ',':
            yield s[lastcomma:i]
            lastcomma = i+1
        elif c in bracketmap:
            stack.append(bracketmap[c])
        elif c in ')]}':
            if stack.pop() != c:
                raise ValueError('unbalanced brackets')
    if stack:
        raise ValueError('unbalanced brackets')
    if lastcomma <= len(s):
        yield s[lastcomma:]

从评论中，当被问及您的括号是否可以嵌套时，您说：

如果它看起来是一个有效的正则表达式就可以。

因此，如果字符串实际上是正则表达式模式，您需要做的不仅仅是排除括号内的逗号。例如，\{,\} 不是用于计数的大括号内的逗号，而是完全正常的文字逗号。

编写一个完整的正则表达式解析器显然比只计算括号对要复杂一些（尽管如果您想要完全使用 Python re 语法，您可以使用该库编译它，然后使用该库的调试工具进行扫描对于文字括号，而不是自己编写...），但也许您可以只计算未转义的括号对？

    esc = False
    for i, c in enumerate(s):
        if esc:
            esc = False
        elif c = '\\':
            esc = True
        elif not stack and c == ',':
            # same as before

（我在这里假设您不想将 \, 视为文字逗号。如果您这样做，那只是一个微不足道的更改。）

【讨论】：

【解决方案2】：

使用regex 模块允许可变长度的后视：

regex.split(r'(?<![({][^,]*),(?![^,]*[})])', str_)

(?<![({][^,]*) 是一个零宽度的负向回看，确保 , 前面没有 ( 或 {，并且两者之间没有 ,
, 匹配文字 ,
(?![^,]*[})]) 是一个零宽度的负前瞻，可确保 , 后面没有任何中间 , 后跟 ) 或 }

示例：

In [1287]: str_ = "Water,^.*f04.*&~(.*z.,*)$,Iron Oxides (CI 77491, 77492),a{3,4}"

In [1288]: regex.split(r'(?<![({][^,]*),(?![^,]*[})])', str_)
Out[1288]: ['Water', '^.*f04.*&~(.*z.,*)$', 'Iron Oxides (CI 77491, 77492)', 'a{3,4}']

限制：

[({] 匹配任何(/{，而[})] 匹配任何)/}，因此这可能会导致错误，例如子字符串以( 开头并以} 结尾或相反
不适用于嵌套括号/括号

【讨论】：