否定匹配的正则表达式

Question

我们希望将出现在换行符(\r\n、\n或\r)之间的字符组合在一起，但忽略引号中出现的换行符。就像这样：

test = 'hello \r\n you, hi, hola, "hei\nhei", hej\r\nhello, hi, hola, "hei\nhei", "hej\r\ngreat", you?'

match -> hello 
match ->  you, hi, hola, "hei\nhei", hej
match -> hello, hi, hola, "hei\nhei", "hej\r\ngreat", you?

我们设法使一些能够满足我们大多数需要的东西发挥作用，但它不会忽略引号中的行间隔：

In [342]: test = 'hello \r\n you, hi, hola, "hei\nhei", hej\r\nhello, hi, hola, "hei\nhei", "hej\r\ngreat", you?'

In [343]: [r for r in re.finditer(r'([^(\r\n)])+', test)]
Out[343]:
[<_sre.SRE_Match object; span=(0, 6), match='hello '>,
 <_sre.SRE_Match object; span=(8, 28), match=' you, hi, hola, "hei'>,
 <_sre.SRE_Match object; span=(29, 38), match='hei", hej'>,
 <_sre.SRE_Match object; span=(40, 61), match='hello, hi, hola, "hei'>,
 <_sre.SRE_Match object; span=(62, 72), match='hei", "hej'>,
 <_sre.SRE_Match object; span=(74, 86), match='great", you?'>]

因此，我们尝试了一种不同的方法:创建一个模式，找到我们想要排除的模式，然后尝试否定它：

In [344]: [r for r in re.finditer(r'(\r\n|\n)(?=(?:[^"]*"[^"]*")*[^"]*\Z)', test)]
Out[344]:
[<_sre.SRE_Match object; span=(6, 8), match='\r\n'>,
 <_sre.SRE_Match object; span=(38, 40), match='\r\n'>]

但我们不知道如何正确地否定它。我们使用的是re.finditer()而不是re.split()，因为我们希望返回一个生成器。

Answer 1

你可以和([^"\r\n]*(?:"[^"]+"[^"\r\n]*)*)一起去。

这样，您将发现任何字符串都没有linefeed或引号，可以在引号中跟随任意数量的字符串。

演示。

import re,pprint
test = 'hello \r\n you, hi, hola, "hei\nhei", hej\r\nhello, hi, hola, "hei\nhei", "hej\r\ngreat", you?'
pprint.pprint(re.findall(r'([^\"\r\n]*(?:\"[^\"]+\"[^\"\r\n]*)*)', test))

将产出：

['hello ',
 ' you, hi, hola, "hei\nhei", hej',
 'hello, hi, hola, "hei\nhei", "hej\r\ngreat", you?']