Python 在某个字符之前拆分

Question

我有以下字符串：

BUCKET1:/dir1/dir2/BUCKET1:/dir3/dir4/BUCKET2:/dir5/dir6

我正在尝试以一种可以取回以下 dict / 其他数据结构的方式对其进行拆分：

BUCKET1 -> /dir1/dir2/, BUCKET1 -> /dir3/dir4/, BUCKET2 -> /dir5/dir6/

如果我只有一个桶，而不是多个桶，我可以以某种方式拆分它，如下所示：

res.split(res.split(':', 1)[0].replace('.', '').upper()) -> it's not perfect 

---

输入：ADRIAN:/dir1/dir11/DANIEL:/dir2/ADI_BUCKET:/dir3/CULEA:/dir4/ADRIAN:/dir5/ADRIAN:/dir6/

输出：[(ADRIAN, /dir1/dir11), (DANIEL, /dir2/), (CULEA, /dir3/), (ADRIAN, /dir5/), (ADRIAN, /dir6/)

---

根据 Wiktor Stribiżew cmets，以下正则表达式可以完成这项工作：

 r"(BUCKET1|BUCKET2):(.*?)(?=(?:BUCKET1|BUCKET2)|$)"

Answer 1

如果您有经验，我建议您按照其他人的建议学习 Regex。但是，如果您正在寻找替代方案，这里有一种不使用正则表达式的方法。它还会产生您正在寻找的输出。

string = input("Enter:") #Put your own input here.

tempList = string.replace("BUCKET",':').split(":")
outputList = []
for i in range(1,len(tempList)-1,2):
    someTuple = ("BUCKET"+tempList[i],tempList[i+1])
    outputList.append(someTuple)

print(outputList) #Put your own output here.

这将产生：

[('BUCKET1', '/dir1/dir2/'), ('BUCKET1', '/dir3/dir4/'), ('BUCKET2', '/dir5/dir6')]

如果您不熟悉 Regex，希望此代码更容易理解和操作，但如果您熟悉如何使用它，我仍然个人建议 Regex 来解决这个问题。

Answer 2

使用re.findall()函数：

s = "ADRIAN:/dir1/dir11/DANIEL:/dir2/ADI_BUCKET:/dir3/CULEA:/dir4/ADRIAN:/dir5/ADRIAN:/dir6/"
result = re.findall(r'(\w+):([^:]+\/)', s)

print(result)

输出：

[('ADRIAN', '/dir1/dir11/'), ('DANIEL', '/dir2/'), ('ADI_BUCKET', '/dir3/'), ('CULEA', '/dir4/'), ('ADRIAN', '/dir5/'), ('ADRIAN', '/dir6/')]

Answer 3

改用正则表达式？

impore re
test = 'BUCKET1:/dir1/dir2/BUCKET1:/dir3/dir4/BUCKET2:/dir5/dir6'

output = re.findall(r'(?P<bucket>[A-Z0-9]+):(?P<path>[/a-z0-9]+)', test)
print(output)

这给了

[('BUCKET1', '/dir1/dir2/'), ('BUCKET1', '/dir3/dir4/'), ('BUCKET2', '/dir5/dir6')]

Answer 4

您似乎有一个预定义的“桶”列表，您想将其用作字符串内记录的边界。

这意味着，匹配这些键值对的最简单方法是匹配其中一个存储桶，然后是一个冒号，然后是 任何不以与这些存储桶名称相等的字符序列开头的字符。

你可以使用

r"(BUCKET1|BUCKET2):(.*?)(?=(?:BUCKET1|BUCKET2)|$)"

如果您的值跨越多行，请使用 re.S / re.DOTALL 编译。请参阅regex demo。

详情：

• (BUCKET1|BUCKET2) - 捕获匹配并存储在 .group(1) 任何存储桶名称中的第一组
• : - 冒号
• (.*?) - 任何 0+ 个字符，尽可能少（因为 *? 是一个惰性量词），直到第一次出现（但不包括）...
• (?=(?:BUCKET1|BUCKET2)|$) - 任何存储桶名称或字符串结尾。

在转义存储桶名称时动态构建它（只是为了安全起见，以防这些名称包含 * 或 + 或其他特殊字符）：

import re
buckets = ['BUCKET1','BUCKET2']
rx = r"({0}):(.*?)(?=(?:{0})|$)".format("|".join([re.escape(bucket) for bucket in buckets]))
print(rx)
s = "BUCKET1:/dir1/dir2/BUCKET1:/dir3/dir4/BUCKET2:/dir5/dir6"
print(re.findall(rx, s))
# => (BUCKET1|BUCKET2):(.*?)(?=(?:BUCKET1|BUCKET2)|$)
     [('BUCKET1', '/dir1/dir2/'), ('BUCKET1', '/dir3/dir4/'), ('BUCKET2', '/dir5/dir6')]

请参阅online Python demo。