正则表达式匹配逗号分隔的 key=value 列表，其中 value 可以包含逗号

Question

我有一个简单的“解析器”，它只是做一些类似的事情：
[x.split('=') for x in mystring.split(',')]

但是 mystring 可以是类似
'foo=bar,breakfast=spam,eggs'

显然，
天真的分离器不会这样做。为此，我仅限于 Python 2.6 标准库，
所以比如pyparsing就不能用了。

预期输出为
[('foo', 'bar'), ('breakfast', 'spam,eggs')]

我正在尝试使用正则表达式执行此操作，但遇到以下问题：

我的第一次尝试
r'([a-z_]+)=(.+),?'
给我
[('foo', 'bar,breakfast=spam,eggs')]

显然，
使.+ 不贪婪并不能解决问题。

所以，
我猜我必须以某种方式强制最后一个逗号（或$）。
这样做并没有真正起作用，
r'([a-z_]+)=(.+?)(?:,|$)'
就像省略了包含一个的值中逗号后面的内容一样，
例如[('foo', 'bar'), ('breakfast', 'spam')]

我想我必须使用某种后视（？）操作。
问题
1. 我使用哪个？或
2. 如何我这样做/这样做？

编辑：

根据daramarak下面的回答，
我最终做了与abarnert 几乎相同的事情，后来suggested 做了更详细的形式；

vals = [x.rsplit(',', 1) for x in (data.split('='))]
ret = list()
while vals:
    value = vals.pop()[0]
    key = vals[-1].pop()
    ret.append((key, value))
    if len(vals[-1]) == 0:
        break

编辑 2：

只是为了满足我的好奇心，这真的可以用 pure 正则表达式吗？也就是说，re.findall() 会返回一个 2 元组列表？

Answer 1

我能否建议您像以前一样使用拆分操作。但先在等号处分割，然后在最右边的逗号处分割，以形成一个左右字符串列表。

input =
"bob=whatever,king=kong,banana=herb,good,yellow,thorn=hurts"

第一次分裂会变成

first_split = input.split("=")
#first_split = ['bob' 'whatever,king' 'kong,banana' 'herb,good,yellow,thorn' 'hurts']

然后在最右边的逗号处拆分给你：

second_split = [single_word for sublist in first_split for item in sublist.rsplit(",",1)]
#second_split = ['bob' 'whatever' 'king' 'kong' 'banana' 'herb,good,yellow' 'thorn' 'hurts']

然后你只需像这样收集对：

pairs = dict(zip(second_split[::2],second_split[1::2]))

Answer 2

你可以试试这个，它对我有用：

mystring = "foo=bar,breakfast=spam,eggs,e=a"
n = []
i = 0

for x in mystring.split(','):
    if '=' not in x:
        n[i-1] = "{0},{1}".format(n[i-1], x)
    else:
        n.append(x)
        i += 1
print n

你会得到如下结果：

  ['foo=bar', 'breakfast=spam,eggs', 'e=a']

然后你可以简单地浏览列表并做你想做的事。

Answer 3

daramarak 的回答要么非常有效，要么按原样工作；很难从示例输出的格式和步骤的模糊描述中分辨出来。但如果它是几乎可以工作的版本，则很容易修复。

将其放入代码中：

>>> bits=[x.rsplit(',', 1) for x in s.split('=')]
>>> kv = [(bits[i][-1], bits[i+1][0]) for i in range(len(bits)-1)]

第一行是（我相信）daramarak 的回答。就其本身而言，第一行为您提供了一对(value_i, key_i+1) 而不是(key_i, value_i)。第二行是最明显的解决方法。通过更多的中间步骤和一些输出，看看它是如何工作的：

>>> s = 'foo=bar,breakfast=spam,eggs,blt=bacon,lettuce,tomato,spam=spam'
>>> bits0 = s.split('=')
>>> bits0
['foo', 'bar,breakfast', 'spam,eggs,blt', 'bacon,lettuce,tomato,spam', 'spam']
>>> bits = [x.rsplit(',', 1) for x in bits0]
>>> bits
[('foo'), ('bar', 'breakfast'), ('spam,eggs', 'blt'), ('bacon,lettuce,tomato', 'spam'), ('spam')]
>>> kv = [(bits[i][-1], bits[i+1][0]) for i in range(len(bits)-1)]
>>> kv
[('foo', 'bar'), ('breakfast', 'spam,eggs'), ('blt', 'bacon,lettuce,tomato'), ('spam', 'spam')]

Answer 4

仅出于比较目的，这里有一个似乎也可以解决问题的正则表达式：

([^=]+)    # key
=          # equals is how we tokenise the original string
([^=]+)    # value
(?:,|$)    # value terminator, either comma or end of string

这里的技巧是限制您在第二组中捕获的内容。 .+ 吞下 = 符号，这是我们可以用来区分键和值的字符。完整的正则表达式不依赖于任何回溯（因此它应该与 re2 之类的东西兼容，如果需要的话）并且可以在 abarnert 的示例中使用。

用法如下：

re.findall(r'([^=]+)=([^=]+)(?:,|$)', 'foo=bar,breakfast=spam,eggs,blt=bacon,lettuce,tomato,spam=spam')

返回：

[('foo', 'bar'), ('breakfast', 'spam,eggs'), ('blt', 'bacon,lettuce,tomato'), ('spam', 'spam')]

Answer 5

假设键的名称从不包含,，当下一个没有, 和= 的序列由= 接替时，您可以在, 处拆分。

re.split(r',(?=[^,=]+=)', inputString)

（这与我最初的解决方案相同。我希望使用re.split，而不是re.findall 或str.split）。

完整的解决方案可以一次性完成：

[re.findall('(.*?)=(.*)', token)[0] for token in re.split(r',(?=[^,=]+=)', inputString)]