Python：正则表达式问题/CSV 解析/Psycopg 嵌套数组

Question

我在解析 Psycopg2 返回的嵌套数组时遇到问题。我正在处理的数据库返回可以将嵌套数组作为值的记录。 Psycopg 仅解析此类值的外部数组。

我的第一个方法是用逗号分割字符串，但后来我遇到了一个问题，有时结果中的字符串也包含逗号，这使得整个方法无法使用。 我的下一次尝试是使用正则表达式来查找字符串中的“组件”，但后来我注意到我无法检测数字（因为数字也可以出现在字符串中）。

目前，这是我的代码：

import re
text = '{2f5e5fef-1e8c-43a2-9a11-3a39b2cbb45e,"Marc, Dirk en Koen",398547,85.5,-9.2, 62fe6393-00f7-418d-b0b3-7116f6d5cf10}'
r = re.compile('\".*?\"|[\w]{8}-[\w]{4}-[\w]{4}-[\w]{4}-[\w]{12}|^\d*[0-9](|.\d*[0-9]|,\d*[0-9])?$')
result = r.search(text)
if result:
    result = result.groups()

结果应该是：

['2f5e5fef-1e8c-43a2-9a11-3a39b2cbb45e', 'Marc, Dirk en Koen', 398547, 85.5, -9.2, '62fe6393-00f7-418d-b0b3-7116f6d5cf10']

由于我希望此功能具有通用性，因此我无法确定参数的顺序。我只知道支持的类型是字符串、uuid、（有符号）整数和（有符号）小数。

我使用了错误的方法吗？或者有人能指出我正确的方向吗？

提前致谢！

Answer 1

Python 的原生库应该可以很好地工作。你已经尝试过了吗？

http://docs.python.org/library/csv.html

Answer 2

从您的示例来看，它看起来像 ^{(?:(?:([^},"']+|"[^"]+"|'[^']+')(?:,| }))+(?<=})|})$ 给我。这并不完美，因为它允许“{foo，bar}baz}”，但如果这对您很重要，则可以修复它。

Answer 3

如果你能进行断言，这会让你走上正轨。

这个问题太大了，无法在单个正则表达式中完成。您正在尝试在全局匹配中同时验证和解析。但您的预期结果需要在比赛后进行子处理。因此，最好编写一个更简单的全局解析器，然后迭代验证和修复的结果（是的，您的示例中规定了修复）。

两个主要的解析正则表达式是：

1. 也删除定界符引号，只有 $2 包含数据，在 while 循环中使用，全局上下文
   /(?!}$)(?:^{?|,)\s*("|)(.*?)\1\s*(?=,|}$)/ < /p>

2. < p>我的首选，不去掉引号，只捕获 $1，可以用于在数组或 while 循环中捕获，全局上下文
   /(?!}$)(?:^{?|,)\s*(".*?"|.*?)\s*(?=,|}$)/< /p>

这个是一个后处理示例（在 Perl 中），带有记录的正则表达式：（编辑：修复附加尾随，）

use strict; use warnings;

my $str = '{2f5e5fef-1e8c-43a2-9a11-3a39b2cbb45e,"Marc, Dirk en Koen",398547,85.5,-9.2, 62fe6393-00f7-418d-b0b3-7116f6d5cf10}';

my $rx = qr/ (?!}$) (?:^{?|,) \s* ( ".*?" | .*?) \s* (?=,|}$) /x;

my $rxExpanded = qr/
         (?!}$)           # ASSERT ahead:  NOT a } plus end
         (?:^{?|,)        # Boundry: Start of string plus { OR comma
         \s*              # 0 or more whitespace
         ( ".*?" | .*?)   # Capture "Quoted" or non quoted data
         \s*              # 0 or more whitespace
         (?=,|}$)         # Boundry ASSERT ahead:  Comma OR } plus end
  /x;

my ($newstring, $sucess) = ('[', 0);

for my $field ($str =~ /$rx/g)
{
   my $tmp = $field;
   $sucess = 1;

   if (  $tmp =~ s/^"|"$//g || $tmp =~ /(?:[a-f0-9]+-){3,}/ ) {
      $tmp = "'$tmp'";
   }
   $newstring .= "$tmp,";
}
if ( $sucess ) {
    $newstring =~ s/,$//;
    $newstring .= ']';
    print $newstring,"\n";
}
else {
    print "Invalid string!\n";
}

输出：
['2f5e5fef-1e8c-43a2-9a11-3a39b2cbb​​45e','Marc, Dirk en Koen',398547,85.5,-9.2,'6
2fe6393-00f7-418d-b0b3-7116f6d5cf10']

Answer 4

看来 CSV 方法是最容易实现的：

def parsePsycopgSQLArray(input):
    import csv
    import cStringIO

    input = input.strip("{")
    input = input.strip("}")

    buffer = cStringIO.StringIO(input)
    reader = csv.reader(buffer, delimiter=',', quotechar='"')   

    return reader.next() #There can only be one row 

if __name__ == "__main__":
    text = '{2f5e5fef-1e8c-43a2-9a11-3a39b2cbb45e,"Marc, Dirk en Koen",398547,85.5,-9.2, 62fe6393-00f7-418d-b0b3-7116f6d5cf10}' 
    result = parsePsycopgSQLArray(text)
    print result

感谢您的回复，他们非常有帮助！

Answer 5

改进了德克的答案。这可以更好地处理转义字符以及空数组的情况。还少了一次剥离调用：

def restore_str_array(val):
    """
    Converts a postgres formatted string array (as a string) to python

    :param val: postgres string array
    :return: python array with values as strings
    """
    val = val.strip("{}")
    if not val:
        return []
    reader = csv.reader(StringIO(val), delimiter=',', quotechar='"', escapechar='\\')
    return reader.next()