用逗号分隔字符串，但在括号环境中除外

Question

我想在Python的逗号处拆分一个Python多行字符串，除非逗号位于括号内的表达式中。例如，绳子

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

分拆成

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

这涉及到括号匹配，因此可能regexes在这里没有帮助。PyParsing有commaSeparatedList，除了引用的(")环境是受保护的，而不是{}-delimited环境，它几乎可以满足我的需要。

有什么暗示吗？

Answer 1

编写您自己的自定义拆分函数：

 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

在这种情况下，您可以使用re.split：

>>> 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.']
>>>

下面是Regex模式匹配的说明：

,       # 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

卢卡斯·特兹涅夫斯基的评论实际上可以在PyPi正则模中使用(我刚刚用一个编号的组替换了命名组，以使它更短)：

>>> 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.']

模式- ({(?:[^{}]++|\g<1>)*})(*SKIP)(*FAIL) -匹配{...{...{}...}...}类结构(因为{匹配{，(?:[^{}]++|\g<1>)*匹配0+出现的2种替代: 1)除{和} ( [^{}]++)以外的任何1+字符，2)匹配整个({(?:[^{}]++|\g<1>)*})子模式的文本)。(*SKIP)(*FAIL)谓词使引擎忽略匹配缓冲区中的整个匹配值，因此，将索引移到匹配的末尾，不保存返回的任何内容(我们“跳过”了匹配的内容)。

\s*,\s*匹配一个用0+空格括起来的逗号。

出现None值是因为第一个分支中有一个捕获组，在第二个分支匹配时为空。我们需要在第一个可供选择的分支中使用一个捕获组进行递归。若要删除空元素，请使用“理解”：

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