python - 在 python : how to split newlines while ignoring newline inside quotes 中解析字符串

Question

我有一段文本需要用 python 解析。

这是一个字符串，我想将它拆分成一个行列表，但是，如果换行符 (\n) 在引号内，那么我们应该忽略它。

例如:

abcd efgh ijk\n1234 567"qqqq\n---" 890\n

应该被解析为以下行的列表:

abcd efgh ijk
1234 567"qqqq\n---" 890

我已经尝试使用 split('\n') 来实现它，但我不知道如何忽略引号。

有什么想法吗？

谢谢!

Answer 1

这里有一个更简单的解决方案。

匹配 (?:"[^"]*"|.)+ 组。即，“引号中的内容或不是换行符的内容”。

例子:

import re
re.findall('(?:"[^"]*"|.)+', text)

---

注意:这会将几个换行合并为一个，因为空行会被忽略。为避免这种情况，请同时给出一个空值:(?:"[^"]*"|.)+|(?!\Z)。

(?!\Z) 是一种令人困惑的表达“不是字符串结尾”的方式。 (?! ) 是负先行； \Z 是“字符串结尾”部分。

---

测试:

import re

texts = (
    'text',
    '"text"',
    'text\ntext',
    '"text\ntext"',
    'text"text\ntext"text',
    'text"text\n"\ntext"text"',
    '"\n"\ntext"text"',
    '"\n"\n"\n"\n\n\n""\n"\n"'
)

line_matcher = re.compile('(?:"[^"]*"|.)+')

for text in texts:
    print("{:>27} → {}".format(
        text.replace("\n", "\\n"),
        " [LINE] ".join(line_matcher.findall(text)).replace("\n", "\\n")
    ))

#>>>                        text → text
#>>>                      "text" → "text"
#>>>                  text\ntext → text [LINE] text
#>>>                "text\ntext" → "text\ntext"
#>>>        text"text\ntext"text → text"text\ntext"text
#>>>    text"text\n"\ntext"text" → text"text\n" [LINE] text"text"
#>>>            "\n"\ntext"text" → "\n" [LINE] text"text"
#>>>    "\n"\n"\n"\n\n\n""\n"\n" → "\n" [LINE] "\n" [LINE] "" [LINE] "\n"