Python 在乱码字符串中匹配开括号和关括号

如何将一个随机字符串（包含各种字符）解析成连贯的东西

例如，

string='{“字母”：“321”}{{}{{{}}}{{{}'：“stack{}}{}{}}{}'

我想分为以下几个部分：

{“字母”：“321”}{{}}

和

{}{{}}}:“stack{}}{}{}

我试着遍历

字符串

，计算每个打开的括号{，并在出现闭括号时进行减法。但是，这不起作用，因为有些实例中括号位于

或
内
我的代码大致如下：

list1 = []  # list1 is where we build up the first string
list2 = []  # list2 is where we keep the strings after building
for c in string:
    list1.append(c)
    if c == "{":
        bracket_counter += 1
    elif c == "}":
        bracket_counter -= 1
        if bracket_counter == 0:
            list2.append("".join(item)) 
            list1 = []

使用此代码，被视为“完整”的第一个字符串是
{“字母”：“321”}
，即使它应该是
{“字母”：“321”}{}

我对regex非常不熟悉，所以我不确定这是否是我应该使用它的原因。任何帮助都将不胜感激

谢谢！

您还必须检查您是否在字符串中。一种简单的方法是，如果您在字符串中且不是结束字符，则生成另一个变量并跳过循环

括号\u计数器=0
quote=“”
list1=[]#list1是我们构建第一个字符串的地方
list2=[]#list2是我们在构建后保留字符串的地方
对于字符串中的c：
清单1.追加（c）
如果不是引号或c==引号：#如果引号为空或找到结束引号
quote=“”
如果c==“{”：
括号+计数器+=1
elif c==“}”：
括号_计数器-=1
如果括号_计数器==0：
列表2.追加（“.join（项目））
列表1=[]
如果字符是引号字符，请在“\”中使用elif c:\
quote=c#将跳过循环，直到找到quote

如果您想要一个正则表达式，您首先会模仿：

{.*.}

但您希望忽略引号，因此您可以：

{（（“*？”）|（“.*？”）|.*？}

基本上，这利用了惰性量词。它试图找到引用的东西，如“…”，然后“…”，最后选择任何字符

如果不想使用惰性量词，请使用正则表达式：

tokens = '(?:' + '|'.join([OPS, SQ, DQ, WS, NON_SPECIAL]) + ')'

{（“[^”]*”|'[^']*'|[^{}]）*}

这给出了代码：

重新导入
def解析：
返回[group[0]对于re.findall中的组（（{（\“*？\”）\124;（'.*？'）\ 124；）*？}），s）]

用法：

>>string=“{”字母“：'321”}{{{}{{}}}{{}}'：“stack{}}{}{}”
>>>解析（字符串）
[“{”字母“：'321”}{{}}，'{}{{}}{}}\'：“stack{}{}}{}']
>>>打印（“，”.join（解析（字符串）））
{“字母”：“321”}{{}}，{{{}{}}:“堆栈{}}{}”
您可以使用正则表达式标记字符串，然后迭代这些标记。例如：

SQ = r"'[^']*'"   # single-quoted string
DQ = r'"[^"]*"'   # double-quoted string
OPS = r'[{}:]'    # operators
WS = r'\s+'       # whitespace
     # add more types as needed...
tokens = '(?:' + '|'.join([OPS, SQ, DQ, WS]) + ')'
pattern = re.compile(tokens, re.DOTALL)

def tokenize(source):
    start = 0
    end = len(source)
    while start < end:
        match = pattern.match(source, start)
        if match:
            yield match.group(0)
        else:
            raise ValueError('Invalid syntax at character %d' % start)

        start = match.end()

示例输入中的标记为：

>>> for token in tokenize(string):
...     print(token)
'{'
'"letters"'
' '
':'
' '
'\'321"}{}"\''
'}'
'{'
'\'{}{{}"\''
':'
' '
'"stack{}}{"'
'}'

正如您所看到的，从这里您可以正确地计算
'{'
和
'}'


请注意，上面的正则表达式没有转义字符串中的
'
或
“
的概念；如果希望
\
转义结束字母，并且它正确地标记了，可以将
SQ
和
DQ
正则表达式更改为

SQ = r"'(?:[^\\']|\\.)*'"
DQ = r'"(?:[^\\"]|\\.)*"'

此外，如果您希望允许任何其他字符，但不需要特别处理，则可以添加

NON_SPECIAL = r'[^\'"]'

作为正则表达式的最后一个分支：

tokens = '(?:' + '|'.join([OPS, SQ, DQ, WS, NON_SPECIAL]) + ')'

正则表达式对于解析来说是一个糟糕的选择，这正是您需要在这里做的。您意识到您的括号是不平衡的，对吗？这并不是正则表达式所能做到的，更重要的是，人类无法看到它，也无法辨别任何东西……您不会使用正则表达式，而是使用许多正则表达式来匹配输入中的标记，然后使用解析器来构建在这个例子中，你的分离似乎没有遵循任何明显的逻辑。你需要进一步解释为什么你在那个时候分离。