按上下文敏感的方式分隔字符串

Question

比如，我想把

str = '"a,b,c",d,e,f'

分开成

["a,b,c",'d','e','f']

（也就是说，不要把引号里的部分分开）在这种情况下，可以用

re.findall('".*?"|[^,]+',str)

来实现。不过，如果

str = '"a,,b,c",d,,f'

我想要

["a,,b,c",'d','','f']

也就是说，我想要的效果就像Python的split函数那样。有没有办法可以用一行（小）代码做到这一点，可能用到Python的re库？

其实，我刚刚在这个网站上意识到，csv模块非常适合我想做的事情，但我还是很好奇，re库有没有可以做到这一点的正则表达式。

Answer 1

为这个写一个状态机看起来会比较简单。确定性有限自动机（DFA）和正则表达式（regex）其实是有相同的能力，但通常它们中的一个会更适合当前的问题，这通常还取决于你可能需要实现的额外逻辑。

Answer 2

使用csv模块，因为它是一个真正的解析器。正则表达式在大多数情况下并不理想（或者根本不适合）用来匹配分隔符，尤其是当规则变化的时候（我不确定这个特定的语法是否是正则的）。你可能能写出一个正则表达式来处理这种情况，但会相当复杂（特别是像“He said, \"How are you\"”这样的情况）。

Answer 3

re.split(',(?=(?:[^"]*"[^"]*")*[^"]*$)', str)

在找到一个逗号之后，如果前面有奇数个引号，那么这个逗号一定是在一对引号里面，所以它不算作分隔符。显然，这里没有考虑到转义引号的情况，但如果需要的话也可以处理，只是这样会让正则表达式变得比现在复杂两倍。:D