Tách chuỗi tại dấu phẩy trừ khi trong môi trường khung

Question

Tôi muốn chia chuỗi nhiều dòng Python tại dấu phẩy của nó, trừ khi dấu phẩy nằm trong một biểu thức có ngoặc vuông. Ví dụ, chuỗi

{J. Doe, R. Starr}, {Lorem 
{i}psum dolor }, Dol. sit., am. et. 

nên được chia thành

['{J. Doe, R. Starr}', '{Lorem\n{i}psum dolor }', 'Dol. sit.', 'am. et.'] 

này liên quan đến khớp khung, vì vậy có lẽ regexes không giúp đỡ ở đây. PyParsing có commaSeparatedList mà gần làm những gì tôi cần ngoại trừ việc trích dẫn (") môi trường được bảo vệ thay vì {} những -delimited.

Bất kỳ gợi ý nào?

Answer 1

Viết riêng tùy chỉnh tách chức năng của bạn:

input_string = """{J. Doe, R. Starr}, {Lorem 
{i}psum dolor }, Dol. sit., am. et.""" 


expected = ['{J. Doe, R. Starr}', '{Lorem\n{i}psum dolor }', 'Dol. sit.', 'am. et.'] 

def split(s): 
    parts = [] 
    bracket_level = 0 
    current = [] 
    # trick to remove special-case of trailing chars 
    for c in (s + ","): 
     if c == "," and bracket_level == 0: 
      parts.append("".join(current)) 
      current = [] 
     else: 
      if c == "{": 
       bracket_level += 1 
      elif c == "}": 
       bracket_level -= 1 
      current.append(c) 
    return parts 

assert split(input_string), expected 

Answer 2

Bạn có thể sử dụng re.split trong trường hợp này:

>>> from re import split 
>>> data = '''\ 
... {J. Doe, R. Starr}, {Lorem 
... {i}psum dolor }, Dol. sit., am. et.''' 
>>> split(',\s*(?![^{}]*\})', data) 
['{J. Doe, R. Starr}', '{Lorem\n{i}psum dolor }', 'Dol. sit.', 'am. et.'] 
>>> 

Dưới đây là một lời giải thích về những gì mô hình Regex phù hợp:

,  # Matches , 
\s*  # Matches zero or more whitespace characters 
(?!  # Starts a negative look-ahead assertion 
[^{}]* # Matches zero or more characters that are not { or } 
\}  # Matches } 
)  # Closes the look-ahead assertion 

Answer 3

Lucas Trzesniewski's comment thực sự có thể được sử dụng trong Python với PyPi regex module (tôi chỉ thay tên nhóm với một số để làm cho nó ngắn hơn):

>>> import regex 
>>> r = regex.compile(r'({(?:[^{}]++|\g<1>)*})(*SKIP)(*FAIL)|\s*,\s*') 
>>> s = """{J. Doe, R. Starr}, {Lorem 
{i}psum dolor }, Dol. sit., am. et.""" 
>>> print(r.split(s)) 
['{J. Doe, R. Starr}', None, '{Lorem\n{i}psum dolor }', None, 'Dol. sit.', None, 'am. et.'] 

Các mô hình - ({(?:[^{}]++|\g<1>)*})(*SKIP)(*FAIL) - phù hợp với {...{...{}...}...} như cấu trúc (như { trận {, (?:[^{}]++|\g<1>)* trận 0+ lần xuất hiện của 2 lựa chọn: 1) bất kỳ 1+ ký tự nào khác ngoài { và } (số [^{}]++), 2) văn bản khớp với toàn bộ mô hình ({(?:[^{}]++|\g<1>)*})). Động từ (*SKIP)(*FAIL) làm cho động cơ bỏ qua toàn bộ giá trị khớp từ bộ đệm khớp, do đó, di chuyển chỉ mục đến cuối khớp và không giữ gì để trả về (chúng tôi "bỏ qua" những gì chúng tôi đã so khớp).

\s*,\s* khớp với dấu phẩy được đính kèm với hơn 0 khoảng trắng.

Giá trị None xuất hiện vì có nhóm chụp trong chi nhánh đầu tiên trống khi chi nhánh thứ hai khớp. Chúng ta cần sử dụng một nhóm chụp trong nhánh thay thế đầu tiên để đệ quy. Để xóa các phần tử trống, hãy sử dụng hiểu:

>>> print([x for x in r.split(s) if x]) 
['{J. Doe, R. Starr}', '{Lorem\n{i}psum dolor }', 'Dol. sit.', 'am. et.']