分割空间但如果有一个冒号后面的空间或如果在引号中的空间

Question

我有这样

str = 'name: phil age : 23 range: 33, 45 address: "main ave US"' 

一个字符串被标记化作为

['name: phil', 'age : 23', 'range: 33, 45' 'address: "main ave US"'] 

Answer 1

样品字符串1

>>> import re 
>>> str = 'name: phil age : 23 range: 33, 45 address: "main ave US"' 
>>> re.findall(r'\w+\s*:\s*(?:"[^"]*"|.*?(?=\w+\s*:\s*|$))', str) 
['name: phil ', 'age : 23 ', 'range: 33, 45 ', 'address: "main ave US"'] 

样本串2

>>> str = 'name: phil age : 23 range: 33, 45 address: "main ave US" abcd : xyz' 
>>> re.findall(r'\w+\s*:\s*(?:"[^"]*"|.*?(?=\w+\s*:\s*|$))', str) 
['name: phil ', 'age : 23 ', 'range: 33, 45 ', 'address: "main ave US"', 'abcd : xyz'] 

样品串3

>>> str = 'name: phil age : 23 range: 33, 45' 
>>> re.findall(r'\w+\s*:\s*(?:"[^"]*"|.*?(?=\w+\s*:\s*|$))', str) 
['name: phil ', 'age : 23 ', 'range: 33, 45'] 

要修剪的领导和各的尾随空格匹配您可以使用此：

>>> list(map(lambda x:x.strip(), re.findall(r'\w+\s*:\s*(?:"[^"]*"|.*?(?=\w+\s*:\s*|$))', str))) 
['name: phil', 'age : 23', 'range: 33, 45'] 

正则表达式使用的是：\w+\s*:\s*(?:"[^"]*"|.*?(?=\w+\s*:\s*|$))

---

边缘的情况下：

>>> str='word1 word2 name: phil age : 23 range: 33, 45' 
>>> list(map(lambda x:x.strip() if ':' in x else list(map(lambda s:s.strip(), x.split())), re.findall(r'\w+\s*:?\s*(?:"[^"]*"|.*?(?=\w+\s*:\s*|$))?' , str))) 
[['word1', 'word2'], 'name: phil', 'age : 23', 'range: 33, 45'] 

一旦你有了上述结构，你可以使用给出here

Answer 2

此正则表达式的答案中的任意1应该是相当稳定的扁平化列表。它仅检查密钥名称后面跟一个冒号，并将它们视为匹配的开始和未包含的结束，使用积极的前瞻。

根据您要如何进一步处理它，您可以使用简单的变体：

\w+\s*:.*?(?=(?:\w+\s*:)|$) 

这将匹配整个键/值对，包括所有的空格。

Check this regex out on regex101.com

---

如果你要在结肠反正最多分裂对，例如将它们存储在字典中，你还可使用此略作修改正则表达式，它返回一个元组(key, value)对于每一对，与开头和结尾已经剥离空间：

(\w+)\s*:\s*(.*?)\s*(?=(?:\w+\s*:)|$) 

Check this regex out on regex101.com

---

这里有一个Python的例子如何使用这两个正则表达式：

import re 

pattern1 = r'\w+\s*:.*?(?=(?:\w+\s*:)|$)' 
pattern2 = r'(\w+)\s*:\s*(.*?)\s*(?=(?:\w+\s*:)|$)' 
data = 'name: phil age : 23 range: 33, 45 address: "main ave US"' 

print('Pattern 1:', re.findall(pattern1, data)) 
print('Pattern 2:', re.findall(pattern2, data)) 

输出：

Pattern 1: ['name: phil ', 'age : 23 ', 'range: 33, 45 ', 'address: "main ave US"'] 
Pattern 2: [('name', 'phil'), ('age', '23'), ('range', '33, 45'), ('address', '"main ave US"')] 

See this code running on ideone.com