我在为这个需求编写一个“优雅”的解析器时遇到了麻烦。 （看起来不像是一份C早餐）。输入是一个字符串，键值对用“,”分隔，并用“=”连接。
key1=value1,key2=value2
欺骗我的部分是值可以用引号引起来 (") ，并且引号内的 ',' 不会结束键。
key1=value1,key2="value2,still_value2"
最后一部分让我使用 split 或 re.split 变得很棘手，求助于 for i in range for 循环:(.
任何人都可以演示一种干净的方法来做到这一点吗？
可以假设引号仅出现在值中，并且没有空格或非字母数字字符。
我建议不要使用正则表达式来完成此任务，因为您要解析的语言不是正则的。
你有一个由多个键值对组成的字符串。解析它的最好方法不是匹配它的模式，而是正确地标记它。
Python 标准库中有一个名为
shlexfrom shlex import shlex
def parse_kv_pairs(text, item_sep=",", value_sep="="):
"""Parse key-value pairs from a shell-like text."""
# initialize a lexer, in POSIX mode (to properly handle escaping)
lexer = shlex(text, posix=True)
# set ',' as whitespace for the lexer
# (the lexer will use this character to separate words)
lexer.whitespace = item_sep
# include '=' as a word character
# (this is done so that the lexer returns a list of key-value pairs)
# (if your option key or value contains any unquoted special character, you will need to add it here)
lexer.wordchars += value_sep
# then we separate option keys and values to build the resulting dictionary
# (maxsplit is required to make sure that '=' in value will not be a problem)
return dict(word.split(value_sep, maxsplit=1) for word in lexer)
（
splitmaxsplit运行示例：
parse_kv_pairs(
'key1=value1,key2=\'value2,still_value2,not_key1="not_value1"\''
)
输出：
{'key1': 'value1', 'key2': 'value2,still_value2,not_key1="not_value1"'}
我通常坚持使用 shlex 而不是使用正则表达式（在这种情况下更快）的原因是它给你带来的惊喜更少，特别是如果你稍后需要允许更多可能的输入。我从来没有找到如何用正则表达式正确解析这样的键值对，总会有输入（例如
A="B=\"1,2,3\""如果您不关心此类输入（或者，换句话说，如果您可以确保您的输入遵循正则语言的定义），那么正则表达式就完全没问题。
使用拆分字符串、尊重并保留引号中的一些正则表达式魔法，我们可以做到：
import re
string = 'key1=value1,key2="value2,still_value2"'
key_value_pairs = re.findall(r'(?:[^\s,"]|"(?:\\.|[^"])*")+', string)
for key_value_pair in key_value_pairs:
key, value = key_value_pair.split("=")
根据 BioGeek，我试图猜测，我的意思是解释 Janne Karila 使用的正则表达式：该模式在逗号上中断字符串，但在此过程中尊重双引号部分（可能带有逗号）。 它有两个单独的选项：不涉及引号的字符运行；以及双引号字符运行，其中双引号结束运行，除非它（反斜杠）转义：
(?: # parenthesis for alternation (|), not memory
[^\s,"] # any 1 character except white space, comma or quote
| # or
"(?:\\.|[^"])*" # a quoted string containing 0 or more characters
# other than quotes (unless escaped)
)+ # one or more of the above
我想出了这个正则表达式解决方案：
import re
match = re.findall(r'([^=]+)=(("[^"]+")|([^,]+)),?', 'key1=value1,key2=value2,key3="value3,stillvalue3",key4=value4')
这使得“匹配”：
[('key1', 'value1', '', 'value1'), ('key2', 'value2', '', 'value2'), ('key3', '"value3,stillvalue3"', '"value3,stillvalue3"', ''), ('key4', 'value4', '', 'value4')]
然后你可以创建一个for循环来获取键和值：
for m in match:
key = m[0]
value = m[1]
我不确定它看起来不像C早餐而且相当优雅:)
data = {}
original = 'key1=value1,key2="value2,still_value2"'
converted = ''
is_open = False
for c in original:
if c == ',' and not is_open:
c = '\n'
elif c in ('"',"'"):
is_open = not is_open
converted += c
for item in converted.split('\n'):
k, v = item.split('=')
data[k] = v
根据其他几个答案，我想出了以下解决方案：
import re
import itertools
data = 'key1=value1,key2="value2,still_value2"'
# Based on Alan Moore's answer on http://stackoverflow.com/questions/2785755/how-to-split-but-ignore-separators-in-quoted-strings-in-python
def split_on_non_quoted_equals(string):
return re.split('''=(?=(?:[^'"]|'[^']*'|"[^"]*")*$)''', string)
def split_on_non_quoted_comma(string):
return re.split(''',(?=(?:[^'"]|'[^']*'|"[^"]*")*$)''', string)
split1 = split_on_non_quoted_equals(data)
split2 = map(lambda x: split_on_non_quoted_comma(x), split1)
# 'Unpack' the sublists in to a single list. Based on Alex Martelli's answer on http://stackoverflow.com/questions/952914/making-a-flat-list-out-of-list-of-lists-in-python
flattened = [item for sublist in split2 for item in sublist]
# Convert alternating elements of a list into keys and values of a dictionary. Based on Sven Marnach's answer on http://stackoverflow.com/questions/6900955/python-convert-list-to-dictionary
d = dict(itertools.izip_longest(*[iter(flattened)] * 2, fillvalue=""))
生成的
d{'key1': 'value1', 'key2': '"value2,still_value2"'}