在Python中分割字符串

Question

我有一个像这样的字符串：

this is [bracket test] "andquotes test "

我正在尝试用 Python 编写一些内容，以按空格分隔它，同时忽略方括号和引号内的空格。 我正在寻找的结果是：

['this','is','括号测试','和引号测试']

Answer 1

这是一个适用于您的测试输入的简单解决方案：

import re
re.findall('\[[^\]]*\]|\"[^\"]*\"|\S+',s)

匹配的任何代码。

• 这将返回与左括号后跟零个或多个非右括号字符后跟右括号、
• 双引号后跟零个或多个非右括号 引号字符后跟引号、
• 任何非空白字符组

这适用于您的示例，但对于您可能遇到的许多实际字符串可能会失败。 例如，您没有说明您对不平衡的括号或引号的期望，或者您希望单引号或转义字符如何工作。 不过，对于简单的情况，上面的内容可能就足够了。

Answer 2

要完成 Bryan 帖子并完全匹配答案：

>>> import re
>>> txt = 'this is [bracket test] "and quotes test "'
>>> [x[1:-1] if x[0] in '["' else x for x in re.findall('\[[^\]]*\]|\"[^\"]*\"|\S+', txt)]
['this', 'is', 'bracket test', 'and quotes test ']

不要误解所使用的整个语法：这不是单行上的多个语句，而是单个功能语句（更防错误）。

Answer 3

这是一个简单的解析器（根据示例输入进行测试），它引入了状态设计模式。

在现实世界中，您可能希望使用 PLY 之类的东西构建一个真正的解析器。

class SimpleParser(object):

    def __init__(self):
        self.mode = None
        self.result = None

    def parse(self, text):
        self.initial_mode()
        self.result = []
        for word in text.split(' '):
            self.mode.handle_word(word)
        return self.result

    def initial_mode(self):
        self.mode = InitialMode(self)

    def bracket_mode(self):
        self.mode = BracketMode(self)

    def quote_mode(self):
        self.mode = QuoteMode(self)


class InitialMode(object):

    def __init__(self, parser):
        self.parser = parser

    def handle_word(self, word):
        if word.startswith('['):
            self.parser.bracket_mode()
            self.parser.mode.handle_word(word[1:])
        elif word.startswith('"'):
            self.parser.quote_mode()
            self.parser.mode.handle_word(word[1:])
        else:
            self.parser.result.append(word)


class BlockMode(object):

    end_marker = None

    def __init__(self, parser):
        self.parser = parser
        self.result = []

    def handle_word(self, word):
        if word.endswith(self.end_marker):
            self.result.append(word[:-1])
            self.parser.result.append(' '.join(self.result))
            self.parser.initial_mode()
        else:
            self.result.append(word)

class BracketMode(BlockMode):
    end_marker = ']'

class QuoteMode(BlockMode):
    end_marker = '"'

Answer 4

这是一种更程序化的方法：

#!/usr/bin/env python

a = 'this is [bracket test] "and quotes test "'

words = a.split()
wordlist = []

while True:
    try:
        word = words.pop(0)
    except IndexError:
        break
    if word[0] in '"[':
        buildlist = [word[1:]]
        while True:
            try:
                word = words.pop(0)
            except IndexError:
                break
            if word[-1] in '"]':
                buildlist.append(word[:-1])
                break
            buildlist.append(word)
        wordlist.append(' '.join(buildlist))
    else:
        wordlist.append(word)

print wordlist

Answer 5

好吧，我已经多次遇到这个问题，这促使我编写自己的系统来解析任何类型的语法。

结果可以在此处找到； 请注意，这可能有点过头了，它会为您提供一些东西，让您可以解析带有方括号和圆括号、单引号和双引号的语句，如您所愿嵌套。 例如，您可以解析这样的内容（用 Common Lisp 编写的示例）：

(defun hello_world (&optional (text "Hello, World!"))
    (format t text))

您可以使用嵌套、方括号（方）和圆括号（圆）、单引号和双引号字符串，并且它的可扩展性非常好。

这个想法基本上是有限状态机的可配置实现，它逐个字符地构建抽象语法树。 我建议您查看源代码（请参阅上面的链接），以便您了解如何执行此操作。 它可以通过正则表达式来实现，但是尝试使用 RE 编写系统，然后尝试扩展它（甚至理解它）。

Answer 6

仅适用于报价。

rrr = []
qqq = s.split('\"')
[ rrr.extend( qqq[x].split(), [ qqq[x] ] )[ x%2]) for x in range( len( qqq ) )]
print rrr