如何用括号外的逗号分割字符串？

Question

我得到了这样的格式的字符串：

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

因此从根本上讲，它是演员姓名的列表（可选地，后面是他们在括号中的角色）。角色本身可以包含逗号（演员的名字不能，我强烈希望如此）。

我的目标是将此字符串分成成对的列表- (actor name, actor role)。

一个明显的解决方案是遍历每个字符，检查是否出现'('，')'并','在出现逗号时将其拆分。但这似乎有点沉重…

我正在考虑使用正则表达式拆分它：首先用括号将字符串拆分：

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', '']

这里的奇数元素是演员名称，甚至是角色。然后我可以用逗号分隔名称，并以某种方式提取名称角色对。但是，这似乎比我的第一种方法还要糟糕。

是否有任何更简单/更好的方法来执行此操作，而只需一个正则表达式或一段不错的代码？

Answer 1

一种方法是findall与正则表达式一起使用，该正则表达式贪婪地匹配可以在分隔符之间使用的内容。例如：

>>> 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)']

上面的正则表达式匹配一个或多个：

• 非逗号，非开放字符
• 以开放括号开头的字符串，包含0个或多个非封闭括号，然后是封闭括号

关于此方法的一个怪癖是将相邻的分隔符视为单个分隔符。也就是说，您不会看到一个空字符串。根据您的用例，这可能是错误或功能。

另外请注意，正则表达式是 不 适合在那里筑巢是一种可能性的情况下。因此，例如，这将错误地拆分：

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

如果您需要处理嵌套，则最好的选择是将字符串分成括号，逗号和其他所有内容（本质上是对其进行标记化-
这部分仍可以使用正则表达式来完成），然后遍历这些标记重新组合字段，并保持跟踪嵌套级别（此嵌套级别是正则表达式无法自行执行的操作）。