替换花括号中的逗号

Posted 2023-02-23

【中文标题】替换花括号中的逗号

【英文标题】：Replace commas enclosed in curly braces

【发布时间】：2016-04-19 15:34:01

【问题描述】：

我尝试用花括号括起来的分号替换逗号。

示例字符串：

text = "a,b,'c','d','e','f',g,h"

我知道它归结为向后和向前看，但不知何故它不会像我想要的那样工作：

substr = re.sub(r"(?<=\)(.+?)(,)(?=.+\)",r"\1;", text)

返回：

a,b,'c';'d','e','f',g,h

但是，我的目标是：

a,b,'c';'d';'e';'f',g,h

知道如何实现这一目标吗？ 非常感谢任何帮助:)

【问题讨论】：

你的字符串中总是只有一组花括号吗？

很遗憾没有。这是 UTF-8 编码的 API 响应的摘录，我想将其解析为 CSV 文件。

【参考方案1】：

您可以匹配整个块 ...（与 [^]+）并仅将其中的逗号替换为 lambda：

import re
text = "a,b,'c','d','e','f',g,h"
print(re.sub(r"[^]+", lambda x: x.group(0).replace(",", ";"), text))

见IDEONE demo

输出：a,b,'c';'d';'e';'f',g,h

通过声明lambda x，我们可以访问每个匹配对象，并使用x.group(0)获取整个匹配值。然后，我们只需要用分号替换逗号即可。

此正则表达式不支持递归模式。要使用递归模式，您需要PyPi regex module。像m = regex.sub(r"\(?:[^]|(?R))*", lambda x: x.group(0).replace(",", ";"), text) 这样的东西应该可以工作。

【讨论】：

哇，这就像一个魅力。我一直在尝试捕捉多个逗号，以至于我完全忘记了你可以捕捉大括号之间的所有内容，然后只需使用好的旧替换功能来替换你需要替换的那些字符。

如果你嵌套了s，你可能想看看Jaco的解决方案。

它不适用于嵌套括号，例如："a,b,'c','d','e','f',g,h"

@Jaco：它不支持，因为re 不支持递归。但是，regex 模块可以。

@stribizhev 刚刚下载了regex 模块。你能解释一下r"\(?:[^]|(?R))*" 正则表达式的(?R) 部分吗？它是递归指示器吗，例如如果左大括号后面的字符不是 或者如果它们以现在匹配的 开头重新运行正则表达式，则匹配？

【参考方案2】：

下面我发布了一个不依赖正则表达式的解决方案。它使用堆栈 (list) 来确定字符是否在花括号 内。正则表达式更优雅，但是，当需求发生变化时，它们可能更难修改。请注意，下面的示例也适用于嵌套括号。

text = "a,b,'c','d','e','f',g,h"
output=''
stack = []
for char in text:
    if char == '':
        stack.append(char)
    elif char == '':
        stack.pop()    
    #Check if we are inside a curly bracket
    if len(stack)>0 and char==',':
        output += ';'
    else:
        output += char
print output

这给出了：

'a,b,'c';'d';'e';'f',g,h

如果您使用stack 的全局变量，您也可以将其重写为map 函数：

stack = []


def replace_comma_in_curly_brackets(char):
    if char == '':
       stack.append(char)
    elif char == '':
        stack.pop()    
    #Check if we are inside a curly bracket
    if len(stack)>0 and char==',':
        return ';'

    return char

text = "a,b,'c','d','e','f',g,h"
print ''.join(map(str, map(replace_comma_in_curly_brackets,text)))

关于性能，在本文末尾的测试字符串上运行上述两种方法和@stribizhev 提出的正则表达式解决方案时，我得到以下时序：

正则表达式 (@stribizshev)：0.38 秒 地图功能：26.3秒 For 循环：251 秒

这是 55,300,00 个字符长的测试字符串：

 text = "a,able,about,across,after,all,almost,also,am,among,an,and,any,are,as,at,be,because,been,but,by,can,cannot,could,dear,did,do,does,either,else,ever,every,for,from,get,got,had,has,have,he,her,hers,him,his,how,however,i,if,in,into,is,it,its,just,least,let,like,likely,may,me,might,most,must,my,neither,no,nor,not,of,off,often,on,only,or,other,our,own,rather,said,say,says,she,should,since,so,some,than,that,the,their,them,then,there,these,they,this,tis,to,too,twas,us,wants,was,we,were,what,when,where,which,while,who,whom,why,will,with,would,yet,you,your" * 100000

【讨论】：

好主意。如果查看大块文本 - 正则表达式或列表的迭代（重新）创建，您是否知道哪种方法可能更快？如果处理大量输入，Afaik 迭代器往往会变得相对较慢。

我将运行一个快速测试来比较两者。

我对一个 55,300,000 个字符的字符串进行了测试。 for 循环真的很慢，需要 251 秒，map 函数需要 26 秒，@stribizshev 提出的正则表达式需要 0.38 秒。测试不包括输出的打印。

【参考方案3】：

如果您没有嵌套的大括号，那么在每个 , 前面有一个闭合的 并且中间没有任何打开的 可能就足够了。搜索

,(?=[^]*)

并替换为;

, 按字面意思匹配逗号 (?=...)lookahead查看 如果前面有[^]* any amount 个字符，that are not 后跟一个右花括号

See demo at regex101

【讨论】：

感谢您提供这个甜蜜的解决方案。奇迹般有效。我可能误解了一些东西：我一直认为 和 需要用` \ ` 转义，但是当属于捕获组时似乎并非如此。谁能澄清一下？

@VincentHahn 这取决于上下文和正则表达式的风格。在大多数情况下，如果你想匹配一个文字，例如匹配字符串a0,1，你只需要转义它。在我的回答中 不被解析器视为 quantifier 的一部分。

@VincentHahn 换句话说：就语法上不是有效的量词而言，它将按字面意思匹配。