Python Regex Split 以一种奇怪的方式进行交互

Question

我正在做我的形式语言作业，我在尝试使用 regex.split(param)

处理 Python 正则表达式时遇到了一些麻烦

我有以下文字：

{q0,q1,q2,q3},{a,b},q0,{q1,q3}

必须拆分为：

["q0,q1,q2,q3", "a,b", "q0", "q1,q3"]

它始终以逗号分隔，并且包含可能以字母或数字开头的字母数字值。

为了实现上述分离，我创建了这段非常长的代码，处理 String.join() 和 Array.split():

[x for x in ' '.join(' '.join(' '.join(args.split(',{')).split('}')).split('{')).split(' ') if x != '']

我用 REGEX 尝试了以下方法，但它根本不起作用：

re.compile("(,{)|}|{|(},)")

它returns我：

['', None, None, 'q0,q1,q2,q3', None, None, '', ',{', None, 'a,b', None, None, ',q0', ',{', None, 'q1,q3', None, None, '']

很容易处理所有这些错误的值，但为什么要在数组中保留 ,{ 之类的东西？

Answer 1

使用以下正则表达式：

import re

s = "{q0,q1,q2,q3},{a,b},q0,{q1,q3}"
m = re.findall(r"\{([A-Za-z0-9_,]+)\}|,([A-Za-z0-9_]+),", s)
if m:
    print(m)

Answer 2

regex 会找到外部逗号之间的任何内容，然后如果它们存在，我会从花括号中删除它：

import re
s = '{q0,q1,q2,q3},{a,b},q0,{q1,q3}'
result = [i[1:-1] if i.startswith('{') else i for i in re.findall(r'[^,{]*(?:\{[^{}]*\})*[^,}]*', s) if i]
print(result)  # ['q0,q1,q2,q3', 'a,b', 'q0', 'q1,q3']

它也适用于 ASCII 字母以外的其他字符：

import re
s = '{q0,q1,q2,q3.?!},{a,b},q0,@,{q1,q3}'
result = [i[1:-1] if i.startswith('{') else i for i in re.findall(r'[^,{]*(?:\{[^{}]*\})*[^,}]*', s) if i]
print(result)  # ['q0,q1,q2,q3.?!', 'a,b', 'q0', '@', 'q1,q3']

Answer 3

您可以通过简单的 re.findall 立即获得所需的内容。可选地在一组中重复单词字符后跟逗号，然后以更多单词字符结束：

str = '{q0,q1,q2,q3},{a,b},q0,{q1,q3}'
re.findall(r'(?:\w+,)*\w+', str)

输出：

['q0,q1,q2,q3', 'a,b', 'q0', 'q1,q3']

Python Regex Split 以一种奇怪的方式进行交互

Python Regex Split interacting in a weird way

python

regex

formal-languages