如何按括号外的逗号分割字符串？

Question

我有一个这样的字符串：

"Wilbur Smith (Billy, son of John), Eddie Murphy (John), Elvis Presley, Jane Doe (Jane Doe)"

基本上这是一个演员名字的列表（后面可以跟着他们的角色，用括号表示）。角色本身可以包含逗号（但演员的名字应该不能有逗号，我希望是这样）。

我的目标是把这个字符串拆分成一对对的形式——(演员名字, 演员角色)。

一个明显的解决办法是逐个字符检查，看看有没有出现'('、')'和','，然后在逗号出现的地方进行拆分。但这样做似乎有点复杂……

我在想能不能用正则表达式来拆分：先通过括号来拆分这个字符串：

import re
x = "Wilbur Smith (Billy, son of John), Eddie Murphy (John), Elvis Presley, Jane Doe (Jane Doe)"
s = re.split(r'[()]', x) 
# ['Wilbur Smith ', 'Billy, son of John', ', Eddie Murphy ', 'John', ', Elvis Presley, Jane Doe ', 'Jane Doe', '']

这里的奇数位置是演员名字，偶数位置是角色。然后我可以通过逗号来拆分名字，想办法提取出名字和角色的配对。但这样似乎比我第一种方法还要复杂。

有没有更简单或者更好的方法来做到这一点，或者用一个正则表达式，或者写一段好看的代码？

Answer 1

我觉得处理这个问题最好的方法是使用Python自带的 csv 模块。

因为csv模块只允许使用一个字符作为 quotechar，所以你需要先把输入中的 () 替换成其他符号，比如 | 或 "。然后确保你使用了合适的方言（dialect），这样就可以开始了。

Answer 2

s = re.split(r',\s*(?=[^)]*(?:\(|$))', x) 

这个前瞻匹配的是从当前位置到下一个开括号或者字符串的结尾，前提是中间没有闭括号。这样可以确保逗号不在括号里面。

Answer 3

一种方法是使用 findall 和一个贪婪匹配的正则表达式，这个表达式可以匹配分隔符之间的内容。比如：

>>> s = "Wilbur Smith (Billy, son of John), Eddie Murphy (John), Elvis Presley, Jane Doe (Jane Doe)"
>>> r = re.compile(r'(?:[^,(]|\([^)]*\))+')
>>> r.findall(s)
['Wilbur Smith (Billy, son of John)', ' Eddie Murphy (John)', ' Elvis Presley', ' Jane Doe (Jane Doe)']

上面的正则表达式可以匹配一个或多个：

• 不是逗号，也不是左括号的字符
• 以左括号开头，里面可以有0个或多个不是右括号的字符，最后以右括号结束的字符串

这种方法的一个特点是，相邻的分隔符会被当作一个分隔符来处理。也就是说，你不会看到空字符串。这可能在某些情况下是个缺陷，也可能是个优点，具体要看你的需求。

另外要注意，正则表达式 不适合 用于可能有嵌套的情况。所以比如说，这样的情况会分割得不对：

"Wilbur Smith (son of John (Johnny, son of James), aka Billy), Eddie Murphy (John)"

如果你需要处理嵌套，最好的办法是先把字符串分成括号、逗号和其他所有内容（基本上就是把它们分开处理——这部分仍然可以用正则表达式来做），然后再逐个处理这些部分，重新组合字段，同时记录你的嵌套层级（这个记录嵌套层级的过程是正则表达式无法单独完成的）。