使用python正则表达式提取用方括号分隔的项目答案

【问题标题】：Extract items delimited with square brackets using python regular expressions使用python正则表达式提取用方括号分隔的项目
【发布时间】：2014-09-03 16:22:40
【问题描述】：

我正在尝试使用 python 正则表达式拆分由方括号分隔的单词/短语。我想拆分输出。条件是以方括号开头和结尾的文本部分将被拆分为不同的元素。

这是我目前所拥有的，但它不能正常工作：

import re
t="word1 word2 3456 [abc def] [ghi jkl] [1234] [-abcd] word 2345"
re.split("(\[)(.*)(\])+",t)

输出：

['word1 word2 3456 ',
'[',
'abc def] [ghi jkl] [1234] [-abcd',
']',
' word [xyz 2345']

我希望输出类似于：

['word1 word2 3456 ',
 '[abc def]',
 ' ',
 '[ghi jkl]',
 ' ',
 '[1234]',
 ' ',
 '[-abcd]',
 ' word [xyz 2345']

请注意，只有带有左方括号和右方括号的项目会被拆分。

我也试过这个：

re.split("(\[.*\])+",t)

但仅由第一个和最后一个方括号分开

['word1 word2 3456 ', '[abc def] [ghi jkl] [1234] [-abcd]', ' word [xyz 2345']

【问题讨论】：

您可能想要re.findall 或re.finditer，而不是re.split。

标签： python regex

【解决方案1】：

使用.+? 代替.*：

>>> re.split("(\[.+?\])", t)
['word1 word2 3456 ', '[abc def]', ' ', '[ghi jkl]', ' ', '[1234]', ' ', '[-abcd]', ' word 2345']

【讨论】：

没错！我忘记了re.split 保留了捕获组中的拆分器。好答案+1
非常聪明的dav，我不知道这个+1
不知道有分离器！还有:)

【解决方案2】：

你可以使用这个正则表达式来分割你的字符串：

\s(?=\[)|(?<=\])\s

Working demo

但由于它会拆分这些空间，因此会消耗它们，您生成的输出将是：

word1 word2 3456
[abc def]
[ghi jkl]
[1234]
[-abcd] word 2345

因此，作为一种解决方法，您可以使用上述正则表达式将匹配项替换为 ||| ||| 之类的自定义令牌，以生成如下内容：

word1 word2 3456||| |||[abc def]||| |||[ghi jkl]||| |||[1234]||| |||[-abcd]||| |||word 2345

然后你可以在你的自定义令牌||| 上使用 split 方法，它也会保留空格：

'word1 word2 3456'
' '
'[abc def]'
' '
'[ghi jkl]'
' '
'[1234]'
' '
'[-abcd]'
' '
'word '

【讨论】：

这不太正确，因为它会删除空格，但它与 re.split 所获得的接近程度差不多
@AdamSmith 是的，你是对的。顺便说一句，我已经用一些解决方法更新了答案以获得 OP 输出......这只是提出一个想法
看起来他想要什么，为什么不做一个zero-width split？ (?<=])|(?=\[) 不过加:)
@Jonny5 哈哈！我没有考虑。我可以用它更新我的答案吗？
哦哦！ And now I see，Python re 显然不支持零宽度拆分（是否带有任何标志？）。 The manual says: Note that split will never split a string on an empty pattern match... 还有a discussion。所以最好切掉我对答案的想法：p

【解决方案3】：

试试这个：

re.findall(r"[^\]\[]*|\[[^\]\[]*?\]", t)

这将返回

['word1 word2 3456 ', '', 'abc def', '', ' ', '', 'ghi jkl', '', ' ', '', '1234', '', ' ', '', '-abcd', '', ' word 2345', '']

要删除空字符串，请执行以下操作：

list(filter(None, re.findall(r"[^\]\[]*|\[[^\]\[]*?\]", t)))

['word1 word2 3456 ', 
 'abc def',
 ' ',
 'ghi jkl',
 ' ',
 '1234',
 ' ',
 '-abcd',
 ' word 2345']

解释正则表达式：

re.compile(r"""
    [^\]\[]*     # Zero or more characters that aren't [ or ]
    |            # OR
    \[           # a literal [
    [^\]\[]*?    # Zero or more characters that aren't [ or ]
    \]           # a literal ]""", re.X)

【讨论】：