用多个分隔符分割字符串？ [复制]答案

【问题标题】：Split string by multiple separators? [duplicate]用多个分隔符分割字符串？ [复制]
【发布时间】：2012-05-12 15:28:18
【问题描述】：

可能重复：
Python: Split string with multiple delimiters

我可以在 Python 中做类似的事情吗？

VB.net 中的拆分方法：

Dim line As String = "Tech ID: xxxxxxxxxx Name: DOE, JOHN Account #: xxxxxxxx"
Dim separators() As String = {"Tech ID:", "Name:", "Account #:"}
Dim result() As String
result = line.Split(separators, StringSplitOptions.RemoveEmptyEntries)

【问题讨论】：

标签： python

【解决方案1】：

鉴于这种糟糕的数据格式，您可以尝试re.split()：

>>> import re
>>> mystring = "Field 1: Data 1 Field 2: Data 2 Field 3: Data 3"
>>> a = re.split(r"(Field 1:|Field 2:|Field 3:)",mystring)
['', 'Field 1:', ' Data 1 ', 'Field 2:', ' Data 2 ', 'Field 3:', ' Data 3']

如果数据格式合理，使用带引号的字符串和逗号分隔的记录，您的工作会容易得多。这将允许使用csv 模块来解析逗号分隔值文件。

编辑：

您可以使用列表推导过滤掉空白条目。

>>> a_non_empty = [s for s in a if s]
>>> a_non_empty
['Field 1:', ' Data 1 ', 'Field 2:', ' Data 2 ', 'Field 3:', ' Data 3']

【讨论】：

谢谢！我知道数据格式。不幸的是，我正在尝试将 PITA pdf 转换为 csv。
您能详细说明一下吗？我很新，看不懂你的代码。

【解决方案2】：

>>> import re
>>> str = "Tech ID: xxxxxxxxxx Name: DOE, JOHN Account #: xxxxxxxx"
>>> re.split("Tech ID:|Name:|Account #:",str)
['', ' xxxxxxxxxx ', ' DOE, JOHN ', ' xxxxxxxx']

【讨论】：

为什么split 标记本身不出现在您的输出中？ Python 2 与 Python 3 的区别？
这是个好问题。我没听懂。
@Li-aungYip: :) 不是真的，与 Python 版本无关。只是我没有将模式包含在(...) 中，因此它们没有被捕获。
一件小事，你可能不想调用你的变量str，因为它是一个builtin的名字
啊，我傻了。我没有意识到拆分模式实际上允许捕获。

【解决方案3】：

我会建议一种不同的方法：

>>> import re
>>> subject = "Tech ID: xxxxxxxxxx Name: DOE, JOHN Account #: xxxxxxxx"
>>> regex = re.compile(r"(Tech ID|Name|Account #):\s*(.*?)\s*(?=Tech ID:|Name:|Account #:|$)")
>>> dict(regex.findall(subject))
{'Tech ID': 'xxxxxxxxxx', 'Name': 'DOE, JOHN', 'Account #': 'xxxxxxxx'}

这样您就可以为此类数据获得一个有用的数据结构：字典。

作为注释的正则表达式：

regex = re.compile(
    r"""(?x)                         # Verbose regex:
    (Tech\ ID|Name|Account\ \#)      # Match identifier
    :                                # Match a colon
    \s*                              # Match optional whitespace
    (.*?)                            # Match any number of characters, as few as possible
    \s*                              # Match optional whitespace
    (?=                              # Assert that the following can be matched:
     Tech\ ID:|Name:|Account\ \#:    # The next identifier
     |$                              # or the end of the string
    )                                # End of lookahead assertion""")

【讨论】：

这对我来说似乎不是一个好方法，因为您重复了标识符。
@jamylak：我知道，但是您还能如何判断值何时结束？如果您可以保留分隔符当然会更好，但这似乎不是一个选择。