Python 在新行、制表符和一些空格上拆分字符串

我正在尝试对一组有点不规则的数据执行字符串拆分，这些数据看起来像：

\n\tName: John Smith
\n\t  Home: Anytown USA
\n\t    Phone: 555-555-555
\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tuple/dict，稍后将在冒号上拆分

：

，但首先我需要去掉所有多余的空格。我猜正则表达式是最好的方法，但我似乎找不到一个有效的方法，下面是我的尝试

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

只需使用，它会在拆分时为您删除所有空白，包括制表符和换行符。然后，可以通过以下方式完成拆分：

输出：

>>> [s.strip() 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']

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']]

你可以用这个

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

---

你可以用一块regex石头杀死两只鸟：

>>> r = """
... \n\tName: John Smith
... \n\t  Home: Anytown USA
... \n\t    Phone: 555-555-555
... \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')]
>>> 

---

正则表达式并不是这项工作的最佳工具。正如其他人所说，结合使用

str.strip（）

和

str.split（）。这里有一个简单的例子：

>>> data = '''\n\tName: John Smith
... \n\t  Home: Anytown USA
... \n\t    Phone: 555-555-555
... \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'}

如果您查看str.split的

如果未指定sep或sep为None，则应用不同的拆分算法：连续空格的运行被视为单个分隔符，如果字符串具有前导或尾随空格，则结果的开头或结尾将不包含空字符串。因此，拆分空字符串或仅包含空格且带有None分隔符的字符串将返回[]

换句话说，如果您正试图找出要传递到
split
以获得
'\n\t名称：Jane Smith'
到
['Name:'，'Jane'，'Smith']
，只需不传递任何内容（或不传递任何内容）

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，你只需要一次分割，而不是尽可能多的分割。因此：

s.split(None, 1)

接下来，你还有那些讨厌的冒号。但你不需要对他们分道扬镳。至少根据您向我们展示的数据，冒号总是出现在第一个字段的末尾，前面没有空格，后面总是空格，因此您可以删除它：

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；这似乎与您已经尝试过的最接近。
非常好，但您的
[\t]*
没有任何作用；
（.+）
将始终使用尾随空格（如果有）。您可以这样做：
（.+？）[\t]*$
。不情愿的量词允许它提前停止，而
$
确保它仍然占用整行。这非常有效，的语法不是我以前见过的，所以我想我必须仔细阅读它。
s.split(None, 1)

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