使用正则表达式分隔符拆分字符串，除非分隔符被转义

Question

我有一个代码（将“Z”视为转义字符，将“,”视为分隔符）：

import re

a = 'aaa,bbbZ,cccZZ,dddZZZ,eee'
print re.split(r'(?<!Z)[,]+', a)

结果是：

['aaa', 'bbbZ,cccZZ,dddZZZ,eee']

但我需要处理结果的转义序列（在我的示例中，转义字符是 'Z'）：

['aaa', 'bbbZ,cccZZ', 'dddZZZ,eee']

当我尝试使用可变宽度模式进行否定后向断言时：

print re.split(r'(?<!(ZZ)*Z)[,]+', a)

上面写着：

sre_constants.error:look-behind 需要固定宽度的模式

Answer 1

您可以将序列与一个模式匹配，该模式将匹配任何不是逗号的字符，或者任何 1+ 逗号前面有奇数个 Zs：

import re
a = 'aaa,bbbZ,cccZZ,dddZZZ,eee'
print(re.findall(r'(?:(?<!Z)Z(?:ZZ)*,+|[^,])+', a))
# => ['aaa', 'bbbZ,cccZZ', 'dddZZZ,eee']

查看Python demo 和regex demo。

模式详情：

• (?:(?<!Z)Z(?:ZZ)*,+|[^,])+ - 1 次或多次出现：
  • (?<!Z)Z - Z 前面没有紧跟 Z
  • (?:ZZ)* - 零个或多个ZZ 序列
  • ,+ - 1 个或多个逗号
  • | - 或
  • [^,] - 任何不是逗号的字符

使用PyPi regex module，您可以使用regex.split 方法和(?<=(?<!Z)(?:ZZ)*),+ 正则表达式：

import regex
a = 'aaa,bbbZ,cccZZ,dddZZZ,eee'
print(regex.split(r'(?<=(?<!Z)(?:ZZ)*),+', a))
#  ['aaa', 'bbbZ,cccZZ', 'dddZZZ,eee']

见another online Python demo。

在这里，模式匹配 1 个或多个逗号 (,+)，这些逗号前面有任何 0+ 个 ZZ 序列，但前面没有另一个 Z（即偶数个 Z )。