如何从逗号和引号混合的字符串中提取位置名称？（使用正则表达式或任何其他方法）答案

【问题标题】：How do I extract location names from a string with mixed commas and quotation marks? (using Regex or any other methods)如何从逗号和引号混合的字符串中提取位置名称？（使用正则表达式或任何其他方法）
【发布时间】：2022-08-14 04:28:51
【问题描述】：

我有一串位置

locations = \'Los Angeles California ,\"Heliopolis, Central, Cairo, Egypt\",Berlin Germany, Paris France,\" Cairo, Egypt \" , \"Dokki, Giza, Egypt \" , Singapore\'

请注意，位置名称以逗号分隔。但是对于中间有逗号的每个名称，它都用双引号引起来。还有要去除的前缀/后缀空格。

将名称提取到列表中后，结果应为：

[\'Los Angeles California\', \'Heliopolis, Central, Cairo, Egypt\', \'Berlin Germany\', \'Paris France\', \'Cairo, Egypt\', \'Dokki, Giza, Egypt\', \'Singapore\']

我已经尝试过了，它能够得到结果。但是我在嘲笑我的工作，因为它看起来很麻烦？？？？

import re

locations = \'Los Angeles California ,\"Heliopolis, Central, Cairo, Egypt\",Berlin Germany, Paris France,\" Cairo, Egypt \" , \"Dokki, Giza, Egypt \" , Singapore\'
lis1 = [e.strip() for e in re.findall(\'\"(.*?)\"\', locations)]
temp = []
for strg in lis1:
    temp.extend([x.strip() for x in strg.split(\',\')])
lis2 = [e.strip() for e in locations.split(\',\')]
for strg in lis2:
    if strg.strip(\'\"\').strip() not in temp:
        lis1.append(strg)
print(lis1)

所以我正在与社区联系......是否有使用正则表达式或任何其他方法的更好解决方案？

为了避免 X-Y 问题，您从哪里提取数据，以及使用什么代码？
我正在从这个post 学习正则表达式。如果要混合数据，我正在挑战自己解决它

标签： python string list extract

【解决方案1】：

[l.strip() for l in locations.split(",")]

【讨论】：

请更新您的位置变量
好的，我已经更新了
抱歉，输出应该是带有'Los Angeles California'、'Heliopolis, Central, Cairo, Egypt'、'Berlin Germany'、'Paris France'、'Cairo, Egypt'、'Dokki, Giza, Egypt'、'Singapore' 的列表

【解决方案2】：

试试这个（这不使用正则表达式）

locations = 'Los Angeles California ,"Heliopolis, Central, Cairo, Egypt",Berlin Germany, " Cairo, Egypt " , "Dokki, Giza, Egypt " , Singapore'

in_string = False
out = ['']

for char in locations:
    if char == '"':
        in_string = not in_string
        continue
    if char == ',':
        if not in_string:
            out.append('')
            continue
    out[-1] += char

print([x.strip() for x in out])

输出：

['Los Angeles California', 'Heliopolis, Central, Cairo, Egypt', 'Berlin Germany', 'Cairo, Egypt', 'Dokki, Giza, Egypt', 'Singapore']

【讨论】：

【解决方案3】：

locations = 'Los Angeles California ,"Heliopolis, Central, Cairo, Egypt",Berlin Germany, Paris France," Cairo, Egypt " , "Dokki, Giza, Egypt " , Singapore'
locations = locations.strip(',')
locations=locations.split('"')

result=[]
for i in locations:
    i = i.strip()
    i = i.rstrip(',')
    i = i.lstrip(',')
    if i=="":
        continue
    else:
        result.append(i)

print([e.strip() for e in result])

输出

['Los Angeles California',
 'Heliopolis, Central, Cairo, Egypt',
 'Berlin Germany, Paris France',
 'Cairo, Egypt',
 'Dokki, Giza, Egypt',
 'Singapore']

【讨论】：

没问题等一下。
更新。请检查它。

【解决方案4】：

我已经尝试在 javascript 中解决这个问题。还有另一种可能的解决方案：

Javascript：

locations = 'Los Angeles California ,"Heliopolis, Cairo, Egypt",Berlin Germany, " Cairo, Egypt " , "Dokki, Giza, Egypt " , Singapore'

locations.match(/\"?([\w, ]+\"?)/gi).map(x => x = x.replace(/\"/gi,'').trim().replace(/(^\,|\,$)/g, '').replace(/\s+/g, ' ').trim()).filter(x => x)

输出：

[
  'Los Angeles California ',
  'Heliopolis, Cairo, Egypt', 
  'Berlin Germany', 
  'Cairo, Egypt', 
  'Dokki, Giza, Egypt', 
  'Singapore'
]

在 Python 中：

import re

locations = 'Los Angeles California ,"Heliopolis, Central, Cairo, Egypt",Berlin Germany, Paris France," Cairo, Egypt " , "Dokki, Giza, Egypt " , Singapore'
x = re.findall("\"?([\w, ]+)\"?", locations)

print ([e.strip().strip(',').strip() for e in x if len(e)>5])

输出：

[
  'Los Angeles California ',
  'Heliopolis, Cairo, Egypt', 
  'Berlin Germany', 
  'Cairo, Egypt', 
  'Dokki, Giza, Egypt', 
  'Singapore'
]

【讨论】：

您能解释一下\"? 在正则表达式中的作用吗？
如果在开始或结束时有任何 \" 匹配，我将打破字符串
哦，我认为“柏林德国，法国巴黎”没有分手
是的，这是个问题。我会仔细看看的。使用正则表达式在一行中解决是一件棘手的事情。
那么可能在@Gold79的答案中像这样的两行？

【解决方案5】：

这是解决它的另一种方法

import re 

locations = 'Los Angeles California ,"Heliopolis, Central, Cairo, Egypt",Berlin Germany, Paris France," Cairo, Egypt " , "Dokki, Giza, Egypt " , Singapore'
lis1 = [e.strip() for e in re.findall('"(.*?)"', locations)]
templis = ''.join(re.split('".*?"', locations))
lis2 = [e.strip() for e in templis.split(',') if len(e.strip()) > 0]

print(lis1 + lis2)

['Heliopolis, Central, Cairo, Egypt',
 'Cairo, Egypt',
 'Dokki, Giza, Egypt',
 'Los Angeles California',
 'Berlin Germany',
 'Paris France',
 'Singapore']

【讨论】：

【解决方案6】：

今天我重试了，最后，我做到了，并在一行中得到了答案。

在 Javascript 中：

locations = `Los Angeles California ,"Heliopolis, Central, Cairo, Egypt",Berlin Germany, Paris France," Cairo, Egypt " , "Dokki, Giza, Egypt " , Singapore, "Kolkata, India", Nepal, Bhutan`;

locations.replace(/\"[\w\s, ]+\"/gi, x => x.replace(/,/g, '\\').replace(/\"/g, '').trim()).split(',').map(x => x.replace(/\\/g, ',').trim())

输出：

[
  "Los Angeles California", 
   "Heliopolis, Central, Cairo, Egypt", 
   "Berlin Germany", 
   "Paris France", 
   "Cairo, Egypt", 
   "Dokki, Giza, Egypt", 
   "Singapore", 
   "Kolkata, India", 
   "Nepal", 
   "Bhutan"
]

解释：

找到\" (double inverted commas)之间的字符串组合。
- 然后将所有commas (,) 替换为Backslash (\)：我正在使用反斜杠，因为我们没有在该位置使用它。
- 删除\" (double inverted commas)
现在用comma (,) 分割字符串，用comma (,) 替换Backslash (\)

我可以在 python 中编写它。

str.replace(find_st, x => x.replace(find_st1, rep_st))

因为我不知道如何在 Python 中用 this 表达上述表达式。基本上是内部功能。

【讨论】：