正则表达式解析带有引号子字符串的查询并返回单个单词的嵌套列表

Question

我正在尝试编写一个正则表达式，它接受一个字符串，该字符串包含带引号的子字符串，如“绿色蜥蜴”like to sit“in the sun”，将其标记为用空格分隔的单词和带引号的字符串（使用单引号或双引号），然后返回一个列表[[绿色'，'蜥蜴']，'喜欢'，'到'，'坐'，['in'，'the'，'sun']]其中列表项是单个单词或嵌套的单词列表，其中遇到了带引号的子字符串。

我是正则表达式的新手，并且能够找到一个捕获引用部分的解决方案：re.findall（'“（[^”]*）“'， '”绿色蜥蜴“喜欢坐在”阳光下“）...返回：[“绿色蜥蜴”，“在阳光下”]

但这不会捕获单个单词，也不会标记它们（返回单个字符串而不是单词列表，这需要我分别＜code＞split（）＜/code＞。

我将如何制作一个正确返回我想要的列表类型的正则表达式？此外，如果有人有建议，我愿意使用比正则表达式更好的方法/工具来解析这些类型的字符串。

谢谢你！

Answer 1

您可以使用< code>re.split和最后的< code>str.split:

import re
s = '"green lizards" like to sit "in the sun"'
new_s = [[i[1:-1].split()] if i.startswith('"') else i.split() for i in re.split('(?<=")\s|\s(?=")', s)]
last_result = [i for b in new_s for i in b]

输出：

[['green', 'lizards'], 'like', 'to', 'sit', ['in', 'the', 'sun']]

Answer 2

另一种方法（支持单引号和双引号）：

import re

sentence = """"green lizards" like to sit "in the sun" and 'single quotes' remain alone"""

rx = re.compile(r"""(['"])(.*?)\1|\S+""")

tokens = [m.group(2).split() 
            if m.group(2) else m.group(0) 
            for m in rx.finditer(sentence)]
print(tokens)

屈服

[['green', 'lizards'], 'like', 'to', 'sit', ['in', 'the', 'sun'], 'and', ['single', 'quotes'], 'remain', 'alone']

(['"]) # capture a single or a double quote
(.*?)  # 0+ characters lazily
\1     # up to the same type of quote previously captured
|      # ...or...
\S+    # not a whitespace

在列表理解中，我们检查哪个条件被满足。

Answer 3

使用re.findall（）函数和内置的str方法：

import re

s = '"green lizards" like to sit "in the sun"'
result = [i.replace('"', "").split() if i.startswith('"') else i
          for i in re.findall(r'"[^"]+"|\S+', s)]

print(result)

输出：

[['green', 'lizards'], 'like', 'to', 'sit', ['in', 'the', 'sun']]