【问题标题】:python regex to split by comma or space (but leave strings as it is)python 正则表达式用逗号或空格分割(但保持字符串不变)
【发布时间】:2015-06-26 20:33:40
【问题描述】:

我需要用空格或逗号分隔字符串。但它应该保留单引号或双引号字符串。即使它相隔许多空间或单个空间,也没有区别。例如:

    """ 1,' unchanged 1' " unchanged  2 "   2.009,-2e15 """

应该返回

    """ 1,' unchanged 1'," unchanged  2 ",2.009,-2e15 """

逗号前后可能没有或有更多空格。这些空格将被忽略。在这个特定的上下文中,如 ex 字符串中所示,如果两个带引号或双引号的字符串恰好彼此相邻,它们之间将有一个空格或逗号。

我在python reg ex to include missing commas 有一个先前的问题,但是,为了让它起作用,分隔逗号后面应该有一个空格。

【问题讨论】:

  • 所以引号中的东西,比如未更改的 1 和未更改的 2,是否会总是在它们之前和之后有一个逗号? nvm 我看到了,要么是空格,要么是逗号。
  • 应该是一个或多个空格或逗号。如果是逗号,逗号前后可能有(没有或)几个空格。它不应该在没有逗号或空格的情况下彼此相邻。
  • 换句话说,您想用逗号替换每组“分隔符”空格吗?这就是我理解你的输出字符串的方式。而且,“内部字符串”总是在引号内还是仅仅包含空格?
  • 是新西兰邮政。内部字符串总是被引用(双引号或单引号)。
  • 太好了,如果字符串中没有额外的陷阱,那么我的答案中的那个就可以了。我想到的另外一件事:十进制数字可以以点开头,如“.134”并省略前导零吗?

标签: python regex string


【解决方案1】:

编辑:以前的版本破坏了文件中的换行符。现已修复。

这在“如果有疑问,使用蛮力”方面可能太过分了,但它works:

regex = r"""(?<=["'])[^\S\n]+(?=["'])|(?<=["'])[^\S\n]+(?=\d)|(?<=\d)[^\S\n]+(?=\d|\.\d)|(?<=(?<=\w|\d)\d)[^\S\n]+(?=["'])|(?<=["'\d])[^\S\n]*,[^\S\n]*"""

它将逗号留在字符串中,并处理带有前导点的数字。

要得到你想要的输出:

re.sub(regex, ",", original_string)

对于性能 [1] 的粗略概念,在 Ivy Bridge Celeron 上

import timeit

s = """\
import re

s = \"\"\"1,' unchanged 1' " unchanged  2 "   2.009,-2e15 35  "  fad!" '   dfgsdfg ' ,   'asdfasdf'  " fasf ,  , asfa" "2 fs", .085     .835\"\"\"
rgex = re.compile(r\"\"\"(?<=["'])\s+(?=["'])|(?<=["'])\s+(?=\d)|(?<=\d)\s+(?=\d|\.\d)|(?<=(?<=\w|\d)\d)\s+(?=["'])|(?<=["'\d])\s*,\s*\"\"\")

re.sub(rgex, ",", s)

"""

print("1k iterations: ", timeit.timeit(stmt=s, number=1000))
print("10k iterations: ", timeit.timeit(stmt=s, number=10000))
print("100k iterations: ", timeit.timeit(stmt=s, number=100000))
print("200k iterations: ", timeit.timeit(stmt=s, number=200000))
print("300k iterations: ", timeit.timeit(stmt=s, number=300000))

给予:

1k iterations:  0.0494868220000626
10k iterations:  0.4617418729999372
100k iterations:  4.604098313999884
200k iterations:  9.197777003000056
300k iterations:  13.79744054799994.

有趣的是,使用 regex 模块,它应该会更高效(据我了解),并且应该在未来某个时间取代标准库 re,它大约慢两倍.

[1]:这不是一个现实的测试,因为它只是一遍又一遍地迭代字符串,但我很着急。后来尝试了一些更好的方法,一个字符串由 200.000 和 300.000 行(同一字符串)组成,结果大致相同。 200.000 约为 8 秒,300.000 约为 12 秒。

【讨论】:

    猜你喜欢
    • 1970-01-01
    • 1970-01-01
    • 1970-01-01
    • 2010-11-25
    • 2020-01-03
    • 2017-09-02
    • 1970-01-01
    • 1970-01-01
    • 2018-02-02
    相关资源
    最近更新 更多