如果分隔符被括号包围，如何防止Python字符串被拆分（）

Question

我正在编写一段代码，循环遍历一个txt文件，并创建一个包含各行的列表。我需要每行的特定内容，其中逗号用作分隔符。然而，当其中一个列表项中有一个逗号时，我遇到了一个问题。列表理解行将单个项目分为两个项目。作者一词用括号括起来。我可以要一份括号里的清单吗？

    inventory = open("inventory.txt").readlines()
    seperated_inventory = [x.split(",") for x in inventory]
    isbn_list = [item[0] for item in seperated_inventory]
    author_list = [item[1] for item in seperated_inventory]
    title_list = [item[2] for item in seperated_inventory]
    category_list = [item[3] for item in seperated_inventory]
    active_list = [item[4] for item in seperated_inventory]

两位作者的连线示例

0520085477，[Richard L.Abel]，[Philip Simon Coleman Lewis]，社会律师，[Law]，False




Answer 1

匿名用户

我认为，当您有子列表可以包含要拆分的字符时，使用单个字符拆分并不是一个好策略。

有三种主要方法可以实现这一点（我已经想到了）。嗯，有两种方法和一种选择：

这相当脆弱、冗长，而且不如第二种方法。我把它放在第一位是因为它直接回答了问题，而不是因为它是你应该做的：

line="0520085477,['Richard L. Abel', 'Philip Simon Coleman Lewis'],Lawyers in Society,['Law’],False"

# Index of the left hand side of any found sub-arrays.
left = 0
# Iterator position, also used as the index of the right hand side of any found sub-arrays.
right = 0
array = line.split(',')
while right < len(array):
    if array[right].startswith('['):
        array[right] = array[right][1:] # Remove the bracket
        left = right

    if array[right].endswith(']'):
        array[right] = array[right][:-1] # Remove the bracket
        # Pull the stuff between brackets out into a sub-array, and then
        # replace that segment of the original array with a single element
        # which is the sub-array.
        array[left:right+1] = [array[left:right+1]]
        # Preserve the "leading search position", since we just changed
        # the size of the array.
        right = left
    right += 1

print(array)

如您所见，该代码远不如理解清晰。它也很复杂；它可能有我没有测试的错误和边缘案例。

这只适用于单层嵌套子阵列。

尽管xkcd对regex说了些什么，但在这种情况下，它是提取子数组的更清晰、更简单的解决方案。有关如何使用regex的更多信息，请参阅re模块的留档。在线regex测试器也很容易获得，并且在调试正则表达式时非常有帮助。

import re

line="0520085477,['Richard L. Abel', 'Philip Simon Coleman Lewis'],Lawyers in Society,['Law’],False"

r = re.compile(r'(?:\[(?P<nested>.*?)\]|(?P<flat>[^,]+?)),')
array = []
# For each matched part of the line, figure out if we matched a
# sub-array (in which case, split it on comma and add the resulting
# array to the final list) or a normal item (just add it to the final
# list).

# We append a comma to the string we search so our regex always matches
# the last element.
for match in r.finditer(line + ","):
    if match.group('nested'): # It's a sub-array
        array.append(match.group('nested').split(","))
    else: # It's a normal top-level element
        array.append(match.group('flat'))

print(array)

正则表达式粗略地说：

1. 启动一个非捕获组（？：），该组包装这两个子模式。就像括号强制数学公式中的运算顺序一样，这明确表明此正则表达式末尾的尾随逗号不是两个捕获组的一部分。严格来说，这不是必要的，但会让事情变得更清楚
2. 匹配两组中的一组。第一组是一对方括号之间的一些字符，忽略逗号和拆分。匹配应该缓慢地进行（看到右括号时立即停止；这是？），匹配中的任何内容都应该对名为“nested”的正则表达式API可用。名称完全可选；也可以使用match对象上的数组索引，但这对于代码读取器更为明确
3. 第二组可以匹配的字符是一些不包含逗号的字符（[^，]）。根据正则表达式引擎的迫切性，您可能会将其替换为“任意字符”，并信任外部非捕获字符之外的逗号： 组可以防止这些匹配项跑掉，但对读者来说，说“不是逗号”更明确。与此组匹配的任何内容都应以“flat”的名称存储
4. 最后，在出现这两种模式后查找逗号。由于数组中的最后一个元素后面没有逗号，所以我只是用一行加一个额外的逗号来拼凑和匹配，而不是进一步使正则表达式复杂化

一旦理解了正则表达式，剩下的就很简单了：遍历每个匹配项，看看它是“平面”还是“嵌套”，如果是嵌套的，则根据逗号拆分它并将其作为子数组添加到结果中。

这只适用于单个级别的嵌套子数组，如果逗号彼此相邻，或者子数组不是“闭合”（基本上是输入格式错误）的话，这将破坏/发生意外的事情，这让我想到。

这两种解析器都容易出错。数组中的元素可能包含特殊字符（例如，如果像这样的标题的名称中有一个方括号怎么办？），多个逗号可能出现在“空”字段周围，您可能需要多层次的嵌套子数组（您可以使前两个选项中的任何一个递归，但代码只会变得更难阅读），或者，也许最常见的是，您可能会收到稍微损坏/不符合您期望的输入，并且无论如何都必须解析它。

处理所有这些问题可以用更多的代码来完成，但这些代码通常会降低解析系统的可靠性，而不是更高。

相反，考虑将您的数据交换格式切换为类似JSON的格式。您提供的行已经几乎是有效的JSON，因此您可以直接使用jsonPython模块，让事情“正常工作”，而无需编写一行解析代码。结构化数据解析还有许多其他选项，包括YAML和TOML。您在该领域选择的任何东西都可能比手动滚动解析逻辑更健壮。

当然，如果这是为了娱乐/教育，并且您想从头开始制作一些东西，请编写代码！解析器是一个很好的教育项目，因为有很多角落案例，但每个角落案例往往是离散的/与其他奇怪案例的交互很小。