使用正则表达式将字符串转换为 JSON答案

【问题标题】：Conversion of String to JSON using Regex使用正则表达式将字符串转换为 JSON
【发布时间】：2021-09-16 05:59:57
【问题描述】：

我正在处理一个文件，该文件的一列中包含以下格式的数据。我需要为相应的键和值添加双引号，以便我可以将字符串解析为 JSON

输入数据： Street:StreetName,Address:ABC Road, CityName,PinCode:00000

我正在尝试使用下面的正则表达式，它以某种方式将输出弄乱了，因为 Address Key 在其值内。

我尝试的正则表达式是([a-zA-Z0-9-]+):([a-zA-Z0-9-,]+)，替换为\"$1\":\"$2\"

当前输出（查看 Key 'Address' 的值）："Street":"StreetName","Address":"ABC" Road, CityName,"PinCode":"00000"

预期输出："Street":"StreetName","Address":"ABC Road, CityName","PinCode":"00000"

但是，如果值中没有逗号，则此方法有效

输入：Street:StreetName,Address:ABC Road CityName,PinCode:00000

输出："Street":"StreetName","Address":"ABC Road CityName","PinCode":"00000"

我知道我的正则表达式中缺少某些内容。请问有什么想法吗？

提前致谢

【问题讨论】：

您将; 作为第一个字段之间的分隔符，将, 作为最后两个字段之间的分隔符 - 对吗？
@SamWhan 我很糟糕，这是一个错字。分隔符仅为 , 。现已编辑。
如果不是JSON，为什么要显式转成JSON，解析成JSON？你不能不通过 JSON 直接按自己的条件解析它吗？例如。用逗号分隔，然后用冒号分隔？
@deceze 如果字段数据有逗号，则不起作用。您需要对格式进行某种验证才能提取它。
@Sam 绝对是的。如果数据包含引号，则此 JSON“转换”也会失败。因此，由于这两种方法在特定情况下都会失败，a）我们需要了解更多关于上述情况的信息，并且 b）您应该使用更简单的选项（不是 regexen + JSON）。

【解决方案1】：

你可以试试

(.*?):(.*?)(?:$|(,)(?=\w+:))

它匹配并捕获 key 直到冒号，只匹配冒号，最后匹配并捕获值，直到字符串的末尾，或一个新的键（捕获前面的分隔符以便能够在下面的替换中使用）。

用捕获的组和正确的格式字符串（例如"\1" : "\2"\3\r\n）替换它，你就到家了；）

在 regex101 上查看 here。

注意！在对以下键的测试中，它假设键只是单词字符（a-z、A-Z、0-9 和 _）。可能需要调整：/

【讨论】：

【解决方案2】：

你可以使用

(\w[\w-]*):(.*?)(?=,\s*[\w-]+:|$)

像你一直在做的那样替换为"$1":"$2"。请参阅regex demo。

详情：

示例代码sn-p：

import pyspark.sql.functions as F
df.select(F.regexp_replace('str', r'(\w[\w-]*):(.*?)(?=,\s*[\w-]+:|$)', '"$1":"$2"').alias('d')).show()

【讨论】：