在 Python 中使用转义分隔符分割线答案

【问题标题】：Splitting line with escaped separators in Python在 Python 中使用转义分隔符分割线
【发布时间】：2016-08-01 13:08:02
【问题描述】：

TL;博士：

line = "one|two|three\|four\|five"
fields = line.split(whatever)

whatever 的值是什么：

fields == ['one', 'two', 'three\|four\|five']

我有一个由竖线字符分隔的文件。该文件中的一些字段还包括管道，由前导反斜杠转义。

我无法控制文件。我无法预处理文件。我必须一次性完成。

我最终需要将此文件的每一行拆分为单独的字段，但事实证明，前导反斜杠是各种麻烦。我最初尝试使用否定的前瞻，但在 python 字符串和双转义字符周围有某种我不理解的奥秘，这让我无法弄清楚。

对解决方案的解释表示赞赏，但可选。

【问题讨论】：

编写你自己的解析器来解释转义序列，Python re 中的正则表达式无法处理它。
你能澄清一下你的最终预期输出是什么吗？ ['one', 'two', 'three\|four\|five'] 或 ['one', 'two', 'three', 'four', 'five'] ?
@spasic：前者。

【解决方案1】：

你可以使用像这样的正则表达式

re.split(r'([^|]+[^\\])\|', line)

它将使用字符组来指定除\ 之外的任何内容，然后使用| 进行拆分

这将在列表的开头给出一个额外的空匹配，但希望你可以像这样解决这个问题

re.split(r'([^|]+[^\\])\|', line)[1:]

当然，这仍然受制于 Wiktor 提出的解析问题

【讨论】：

'one\\|two' 怎么样？它应该是not matched。当你有转义序列时，正则表达式永远不会准确。
好点肯定，但如果出于某种原因要求使用split，这可能会尽可能接近
我实际上并不介意 @WiktorStribiżewc 的边缘情况不满足。我不需要转义转义字符。我只需要拆分以不将r'\|' 识别为分隔符。您（@EricRenouf 的）提出的解决方案将不起作用，因为天真的拆分也将匹配先前字段中的最后一个字符，因此您最终得到 ['on', 'tw', 'three\\|four\\|five']。我在非捕获组和负前瞻中都试过这个，但前者无论如何都会捕获它，而后者什么都没有捕获。
@RHill 啊，哎呀，我撤回了我的建议！
@RHill 我刚刚更新了它，希望能解决最后一个字母被抓取的问题，尽管我还没有考虑过pandas 的要求

【解决方案2】：

也许你可以使用这样的东西：

[^\\]\|

其中[^\\] 匹配任何不同于\ 的字符。

【讨论】：