Python 使用正则表达式捕获管道、逗号和空格分隔符

对Python来说是全新的。我正在使用

csv

阅读器解析一些文件。我将解析使用3个不同分隔符的信息。逗号、管道和空格（目前）

我有这个：

打开（文件路径，“r”）作为fp的

：
file_lines=fp.readlines（）
分隔符=重新搜索（“\w+（[^\w]）”，文件行[0]）。组（1）
reader=csv.reader（文件行，分隔符=分隔符）
打印（'分隔符：[{}]'。格式（分隔符））
行列表=[读卡器中的行对行]
打印（行列表）

这适用于我的

comma.txt

文件。但是当传入我的

pipe.txt

文件时，它会先捕获空白，然后再捕获实际的管道

带有管道的行的示例输入如下所示：

管道：

Bouillon | Francis | G | M | Blue | 6-3-1975

空白：

Bouillon Francis G M Blue 6-3-1975

逗号：

Bouillon，Francis，G，M，Blue，6-3-1975

---

你们能推荐另一种方法吗？或者我应该改一下我的正则表达式吗？

从我的头脑中，我会选择这样的东西

([^\w-]|[|]|[,])

如果你修剪它，你会得到你的分隔符。查看以测试您的文件。它是JavaSript正则表达式，但我发现它对于调试Python正则表达式也很有用

编辑

正如@h4z3正确指出的，您可以简化：

([^\w-]|[|,])

---

2方法：

（您也可以不使用

csv.reader

继续，只需按

sep

进行拆分，并带有尾随空格）

示例文件：

pipe.txt：

---

逗号.txt：

---

space.txt

---

输出（对于文件

comma.txt

和

pipe.txt

）：

---

由于

skipinitialspace=True

功能，因此

space.txt的输出更加清晰：

['Bouillon', 'Francis', 'G', 'M', 'Blue', '6-3-1975']
['a', 'b', 'c', 'd', 'f', 'g']


或不带
csv.reader
：

with open('comma.txt') as f:
    line = next(f).strip()
    sep = re.search(r'^\w+([\s\|,]+)', line).group(1)
    pat = re.compile(sep)

    for row in chain(iter([line]), f):
        print(pat.split(row.strip()))

输出：

['Bouillon', 'Francis', 'G', 'M', 'Blue', '6-3-1975']
['a', 'b', 'c', 'd', 'f', 'g']

享受吧
 正如我在评论中所说，正则表达式按预期工作。（

Bouillon | Francis | G | M | Blue | 6-3-1975
与
\w+（[^\w]）
获得
'Bouillon'
作为
组（0）
（完全匹配），因为空格是第一个非单词字符

如果要在数据中保留填充空格，或者数据可能包含空格（例如，
Name-Surname | Age
），则不能在搜索管道和逗号的同一正则表达式中搜索空格，因为第一个值中的填充空格或空格将被捕获

（除非您在该正则表达式中搜索多个字符，但您需要更复杂的代码，而且我喜欢简单易懂的代码。）

您可以做的是：

搜索管道和逗号（假设管道分隔的内容没有逗号，逗号分隔的内容没有管道）。仅当搜索失败时才假定为空白
另一种方法是分层


假设管道分隔文件的内容中可以包含任何内容（包括逗号（与第一种方法相反）和空格）
假设以逗号分隔的文件中可以包含除管道以外的任何内容

假设以空格分隔的文件没有用作分隔符的字符

然后检查需要分层：首先检查是否存在管道。如果没有，请检查逗号。如果没有，请检查。。。如果没有，则假定为空格

这可以实现为一个简单的for循环，您可能的delimeters可以是一个简单的字符串，从最重要的分隔符-
“|，”
。正则表达式对于这样简单的事情是不好的

您可以尝试使用该类来确定要解析的csv的方言

函数的
sniff（）
接受一个可能的分隔符字符串，它将使用该字符串尝试并确定如何解析文件。这很聪明，但是潜在的分隔符包含一个空格，而
|
文件有空格这一事实对它来说是个问题。如果您用空格传递
分隔符='，|
，它会将该空格标识为用
分隔的文件的分隔符。一个选项是尝试使用非空格分隔符，如果失败，则尝试使用空格：

import csv
with open('test_space.csv') as csvfile:
    try:
        dialect = csv.Sniffer().sniff(csvfile.read(1024), delimiters=',|')
    except:
        csvfile.seek(0)
        dialect = csv.Sniffer().sniff(csvfile.read(1024), delimiters=' ')
    dialect.skipinitialspace = True
    csvfile.seek(0)

   reader = csv.reader(csvfile, dialect)
    for line in reader:
        print(list(map(str.strip, line)))

这将正确地将这样的行标识为以空格分隔的行：

Bou|illon Francis G M Bl,ue 6-3-1975
Bouillon Francis G M Blue 6-3-1975
Bouillon Franc,is G M Blue 6-3-1975

这将很难用正则表达式方法处理

但如果你在每一行都有潜在的delimeters，它会匹配这些。例如，它将其解析为逗号分隔（我假设它在每行中看到一个逗号）：

在您的示例中，第一个非单词字符是一个空格，因此它可以正常工作。；）只需在那一行上手动搜索你的正则表达式，你就会看到。因此，
delimiter
变量将是一个字符。我只是将其传递到
csv.reader
。目标是，如果打开一个
comma.txt
文件并找到一个逗号，它将捕获该逗号并将其作为分隔符传递。与
pipe.txt
文件相同，并带有空格。假设您的输入内容中没有任何管道（但可能有逗号），并且用逗号分隔的内容可能有空格，而带空格的内容没有任何以前的分隔符，则您可以自上而下检查层次结构。但是使用正则表达式，你可以找到第一个匹配的字符——这里的空格不是delimeter。@h4z3是的，这是正确的。我必须弄清楚，当它捕获像
Johnny，
和
Johnny |
这样的群体时，如何让它工作。同样：
Bouillon | Francis
在内容和分隔符之间有空格。正如我所说，那么第一个捕获是一个空间，而不是一个管道。这是一个有效的示例还是
Bouillon | Francis
（没有空格）？因为正如我所说的，这个空间是被捕获的，方法会根据这个空间而改变？您知道，
[]
已经可以作为一个信号工作了
with open('space.txt') as f:
...

['Bouillon', 'Francis', 'G', 'M', 'Blue', '6-3-1975']
['a', 'b', 'c', 'd', 'f', 'g']

with open('comma.txt') as f:
    line = next(f).strip()
    sep = re.search(r'^\w+([\s\|,]+)', line).group(1)
    pat = re.compile(sep)

    for row in chain(iter([line]), f):
        print(pat.split(row.strip()))

['Bouillon', 'Francis', 'G', 'M', 'Blue', '6-3-1975']
['a', 'b', 'c', 'd', 'f', 'g']

search = re.search(r"[|,]", file_lines[0]) # add other delimeters in square brackets
# we don't have capturing groups, our full catch (group 0) is first character that matches possible delimeters
separator = search.group(0) if search else " " # is search was empty, assume space

possible_separators = "|,"
separator = " "
for sep in possible_separators:
    if sep in file_lines[0]:
        separator = sep
        break

import csv
with open('test_space.csv') as csvfile:
    try:
        dialect = csv.Sniffer().sniff(csvfile.read(1024), delimiters=',|')
    except:
        csvfile.seek(0)
        dialect = csv.Sniffer().sniff(csvfile.read(1024), delimiters=' ')
    dialect.skipinitialspace = True
    csvfile.seek(0)

   reader = csv.reader(csvfile, dialect)
    for line in reader:
        print(list(map(str.strip, line)))

Bou|illon Francis G M Bl,ue 6-3-1975
Bouillon Francis G M Blue 6-3-1975
Bouillon Franc,is G M Blue 6-3-1975

Bou|illon Francis G M Bl,ue 6-3-1975
Bou,illon Francis G M Blue 6-3-1975
Bouillon Franc,is G M Blue 6-3-1975