在Python中不在圆括号内的空格上拆分

Question

我有几个字符串，我想在不在括号内时用空格分隔。在

例如

sentence = "blah (blah2 (blah3))|blah4 blah5"

应该产生

^{pr2}$

我试过：

re.split(r"\s+(?=[^()]*(?:\(|$))", sentence)

但它产生了：

['blah', '(blah2', '(blah3))|blah4', 'blah5']

Answer 1

正如评论中所说，由于括号嵌套，使用正则表达式是不可能的。在

另一种方法是使用括号上的嵌套计数进行一些良好的旧字符串处理：

def parenthesis_split(sentence,separator=" ",lparen="(",rparen=")"):
    nb_brackets=0
    sentence = sentence.strip(separator) # get rid of leading/trailing seps

    l=[0]
    for i,c in enumerate(sentence):
        if c==lparen:
            nb_brackets+=1
        elif c==rparen:
            nb_brackets-=1
        elif c==separator and nb_brackets==0:
            l.append(i)
        # handle malformed string
        if nb_brackets<0:
            raise Exception("Syntax error")

    l.append(len(sentence))
    # handle missing closing parentheses
    if nb_brackets>0:
        raise Exception("Syntax error")


    return([sentence[i:j].strip(separator) for i,j in zip(l,l[1:])])

print(parenthesis_split("blah (blah2 (blah3))|blah4 blah5"))

结果：

^{pr2}$

l包含出现非paren受保护空间的字符串的索引。最后，通过对列表进行切片来生成数组。在

注意末尾的strip()用于处理多个分隔符的出现，并在开始处删除前导/尾随分隔符，这将在返回的列表中创建空项。在

Answer 2

虽然re模块不能处理递归，但是PyPi ^{} module可以（在某种程度上）。不建议在生产中使用它，因为它不是那么稳定。为了说明高级正则表达式是如何工作的，这里是2-regex方法：一个验证平衡括号，另一个提取标记：

>>> import regex
>>> sentence = "blah (blah2 (blah3))|blah4 blah5"
>>> reg_extract = regex.compile(r'(?:(\((?>[^()]+|(?1))*\))|\S)+')
>>> reg_validate = regex.compile(r'^[^()]*(\((?>[^()]+|(?1))*\)[^()]*)+$')
>>> res = []
>>> if reg_validate.fullmatch(sentence):
    res = [x.group() for x in reg_extract.finditer(sentence)]

>>> print(res)
['blah', '(blah2 (blah3))|blah4', 'blah5']

提取regex details：匹配

• (\((?>[^()]+|(?1))*\))-捕获组1匹配除(和)（带有[^()]+）或（|）(?1)以外的1+字符递归整个捕获组1模式（发生递归）
• |-或
• \S-非空白字符

验证正则表达式详细信息：

• ^-字符串的开头
• [^()]*-0+个字符，而不是(和{}
• (-第1组捕捉到1次或多次出现：
  • \(-打开(符号
  • (?>[^()]+|(?1))*-0+次
    • [^()]+-1+个字符，而不是(和{}
    • |-或
    • (?1)-子例程调用递归组1子模式（递归）
  • \)-结束语)
  • [^()]*-0+个字符，而不是(和{}
• )+-第1组结束
• $-字符串结尾