Python re.split() 在空格上同时以原子方式处理带引号的字符串

Question

所以我以前见过这个主题的讨论，但要求总是比我需要的宽松一些。我正在寻找的是一个正则表达式模式，它将在空格上分割，同时以原子方式处理引用的子字符串。但是，我正在寻找一种解决方案:

1. 是一个单个正则表达式模式和一个单个对re.split()的调用，因为...
2. 我需要它与 maxsplit 参数一起使用。

示例:

s = 'chat "john doe" Use "foo or bar",   not  "baz and gruz" .'

results = re.split(PATTERN, s, maxplit=2)

结果应该是:

['chat', '"joe doe"', 'Use "foo or bar",   not  "baz and gruz" .']

到目前为止，我见过的此类问题的所有解决方案都涉及 re.findall() 或列表推导式，以从 re.split() 的结果中提取空字符串，这两种方法都消除了使用最大分割功能。我不想编写自己的函数来执行 maxsplit 已经使用 re.split() 所做的事情 - 在这个用例中，其重要方面是多个空格在超过maxsplit 边界，如我的示例所示。

编辑:所以我找到了一种方法来适应以前的解决方案:

def mysplit(s, maxsplit=0):
    PATTERN = r"(\s|\".*?\"|'.*?')"
    return [p for p in re.split(PATTERN, s, maxsplit=maxsplit) if p.strip()]

Answer 1

您可以在此处使用Negative Lookahead:

>>> import re
>>> s = 'chat "john doe" Use "foo or bar",   not  "baz and gruz" .'
>>> results = re.split(r' +(?![^"]*"(?:(?:[^"]*"){2})*[^"]*$)', s, 2)
>>> results

['chat', '"john doe"', 'Use "foo or bar",   not  "baz and gruz" .']