如何决定在正则表达式中分割哪些空白?

Question

我需要处理一些有很多空格的文本，如下，

string_many_whitespace = "k1@v1 k2@[v1 v2 v3] k3@v1">

import re
string_many_whitespace = "k1@v1 k2@[v1 v2 v3] k3@v1"
print(re.findall('(.+?@.+?)', string_many_whitespace))

输出:

['k1@v', '1 k2@[', 'v1 v2 v3] k3@v']

如你所见，它们被错误的空格分隔。

我想要的是:

['k1@v1', 'k2@[v1 v2 v3]', 'k3@v1']

编辑:有时条目是kUPPER@value，不总是小写或数字，例如

"k1@v1 k2@[v1 v2 v3] kUPPER@value">

Answer 1

我相信你需要:

re.compile("(?= [a-zA-Z]+d*@) ").split(string_many_whitespace)

您可以在这里看到它针对正确的空格:https://regex101.com/r/EPG1CI/1

Answer 2

您尝试的(.+?@.+?)模式将匹配尽可能少的字符，直到它在遇到@后可以匹配单个字符，因为它是非贪婪的，会给您错误的输出。

---

您可以在允许匹配的内容上更具体，并使用替代|来匹配方括号版本或初始@后没有@的版本。

在@之后至少匹配一个非空白字符，而不是只匹配k3@

[^s@]+@(?:[^][s@]+|[[^][]*])

• [^s@]+匹配1+倍除@或空白字符以外的任何字符
• @匹配@
• (?:不匹配捕获组
  • [^][s@]+匹配除@[]或空白字符以外的任何字符
  • |或
• [[^][]*]从[到]匹配
• )关闭组

Regex demo | Python demo

import re
regex = r"[^s@]+@(?:[^][s@]+|[[^][]*])"
s = "k1@v1 k2@[v1 v2 v3] k3@v1"
matches = re.findall(regex, s)
print(matches)

输出

['k1@v1', 'k2@[v1 v2 v3]', 'k3@v1']

Answer 3

使用split，对于这样简单的问题regex只会破坏性能。

txt = "welcome to the jungle"
x = txt.split(" ") #returns list without white spaces aka [welcome, to, the, jungle]