在新行、制表符和一些空格上拆分字符串

Posted 2023-02-23

【中文标题】在新行、制表符和一些空格上拆分字符串

【英文标题】：String split on new line, tab and some number of spaces

【发布时间】：2012-09-14 01:52:58

【问题描述】：

我正在尝试对一组看起来像这样的不规则数据执行字符串拆分：

\n\tName: John Smith
\n\t  Home: Anytown USA
\n\t    Phone: [phone]
\n\t  Other Home: Somewhere Else
\n\t Notes: Other data
\n\tName: Jane Smith
\n\t  Misc: Data with spaces

我想将其转换为元组/字典，稍后我将在冒号: 上拆分，但首先我需要摆脱所有额外的空格。我猜正则表达式是最好的方法，但我似乎无法找到一个有效的方法，下面是我的尝试。

data_string.split('\n\t *')

【参考方案1】：

只需使用.strip()，它会在拆分时为您删除所有空格，包括制表符和换行符。然后可以使用data_string.splitlines() 来完成拆分本身：

[s.strip() for s in data_string.splitlines()]

输出：

>>> [s.strip() for s in data_string.splitlines()]
['Name: John Smith', 'Home: Anytown USA', 'Phone: [phone]', 'Other Home: Somewhere Else', 'Notes: Other data', 'Name: Jane Smith', 'Misc: Data with spaces']

您现在甚至可以在: 上内联拆分：

>>> [s.strip().split(': ') for s in data_string.splitlines()]
[['Name', 'John Smith'], ['Home', 'Anytown USA'], ['Phone', '555-555-555'], ['Other Home', 'Somewhere Else'], ['Notes', 'Other data'], ['Name', 'Jane Smith'], ['Misc', 'Data with spaces']]

【讨论】：

效果非常好，List comprehension 的语法我以前没有见过，所以我想我必须阅读它。

【参考方案2】：

>>> for line in s.splitlines():
...     line = line.strip()
...     if not line:continue
...     ary.append(line.split(":"))
...
>>> ary
[['Name', ' John Smith'], ['Home', ' Anytown USA'], ['Misc', ' Data with spaces'
]]
>>> dict(ary)
'Home': ' Anytown USA', 'Misc': ' Data with spaces', 'Name': ' John Smith'
>>>

【参考方案3】：

你可以用一块正则表达式石杀死两只鸟：

>>> r = """
... \n\tName: John Smith
... \n\t  Home: Anytown USA
... \n\t    Phone: [phone]
... \n\t  Other Home: Somewhere Else
... \n\t Notes: Other data
... \n\tName: Jane Smith
... \n\t  Misc: Data with spaces
... """
>>> import re
>>> print re.findall(r'(\S[^:]+):\s*(.*\S)', r)
[('Name', 'John Smith'), ('Home', 'Anytown USA'), ('Phone', '555-555-555'), ('Other Home', 'Somewhere Else'), ('Notes', 'Other data'), ('Name', 'Jane Smith'), ('Misc', 'Data with spaces')]
>>> 

【讨论】：

相当不错，但是您的[ \t]* 没有做任何事情； (.+) 将始终吃掉尾随空格（如果有的话）。你可以这样做：(.+?)[ \t]*$。不情愿的量词允许它提前停止，而$ 确保它仍然消耗整行。

【参考方案4】：

如果您查看the documentation 为str.split：

如果 sep 未指定或为 None，则应用不同的分割算法：连续的空格被视为单个分隔符，如果字符串有前导或尾随，结果将在开头或结尾不包含空字符串空白。因此，使用 None 分隔符拆分空字符串或仅包含空格的字符串将返回 []。

换句话说，如果您想弄清楚将什么传递给split 以将'\n\tName: Jane Smith' 传递给['Name:', 'Jane', 'Smith']，则什么都不传递（或不传递）。

这几乎解决了你的整个问题。剩下两部分。

首先，您只有两个字段，第二个字段可以包含空格。所以，你只想要一个分裂，而不是尽可能多的分裂。所以：

s.split(None, 1)

接下来，你还有那些讨厌的冒号。但是你不需要分裂它们。至少鉴于您向我们展示的数据，冒号始终出现在第一个字段的末尾，之前没有空格，之后始终有空格，因此您可以将其删除：

key, value = s.split(None, 1)
key = key[:-1]

当然，还有一百万种其他方法可以做到这一点；这只是看起来最接近您已经尝试过的那个。

【参考方案5】：

你可以用这个

string.strip().split(":")

【参考方案6】：

正则表达式并不是真正适合这里工作的最佳工具。正如其他人所说，使用str.strip() 和str.split() 的组合是要走的路。这是一个单一的班轮：

>>> data = '''\n\tName: John Smith
... \n\t  Home: Anytown USA
... \n\t    Phone: [phone]
... \n\t  Other Home: Somewhere Else
... \n\t Notes: Other data
... \n\tName: Jane Smith
... \n\t  Misc: Data with spaces'''
>>> line.strip().split(': ')[0]:line.split(': ')[1] for line in data.splitlines() if line.strip() != ''
'Name': 'Jane Smith', 'Other Home': 'Somewhere Else', 'Notes': 'Other data', 'Misc': 'Data with spaces', 'Phone': '555-555-555', 'Home': 'Anytown USA'

【参考方案7】：

我不得不在换行符 (\n) 和制表符 (\t) 上拆分字符串。我所做的是首先将 \n 替换为 \t 然后拆分为 \t

example_arr = example_string.replace("\n", "\t").split("\t")