python - 如何使用正则表达式分隔符来处理特殊情况？

Question

我有一个这样的字符串，分隔符是 |字符，

string = "1234|Google | Alphabet|pest||pp| |||r"

我正在寻找的输出是，

[1234, Google | Alphabet, pest, "", pp, " ", "", "", r]

我用过这个，

output = re.split("(?<=\w)\|(?=\w)", string) # but this is giving me wrong output

这里的问题是 Google | Alphabet 是一个单词，因为 | 两端由空格分隔。基本上，如果一个 | 的两边都有空格，那么它本身就是那个词的一部分，否则将它分开。有人可以告诉我一个好的正则表达式来正确拆分它。我想在 pandas.read_csv 中使用这个正则表达式。

我可以编写代码来手动处理此问题，但我正在寻找一种更好的方法来用作 sep(即，因为它支持正则表达式) in pd.read_csv

谢谢。

Answer 1

您还可以将 asserting not a whitespace char 拆分到左侧或右侧:

\|(?!\s)|(?<!\s)\|

Regex demo | python demo

import re

s = "1234|Google | Alphabet|pest||pp| |||r"

print(re.split(r"\|(?!\s)|(?<!\s)\|", s))

输出

['1234', 'Google | Alphabet', 'pest', '', 'pp', ' ', '', '', 'r']