regex - 如何说正则表达式忽略我需要删除的分隔符

更新我已将这两种表达式方法合并到以下 RegEx 中，该方法应该在不同的 RegEx 编译器中工作，这些编译器支持包含任意长度的表达式的外观。

这是表达式：

(?:(?<=\")[^\"]+(?=\"[\t]*;)|\w+)+

使用以下输入进行测试：

s='"zero,;6"\t\t; one; two\t\t; "three,;2"; four;\t\t; "five;six"\t; "seven";'

然后在 python 中运行（re 模块的导入未显示）：

re.findall(r'(?:(?<=\")[^\"]+(?=\"[\t]*;)|\w+)+', s)

（注意：您也可以指定[\t\v\r\n\f]*文件[\t]*是否包含这些额外的特殊字符。）

产生以下列表：

['zero,;6', 'one', 'two', 'three,;2', 'four', 'five;six', 'seven']

忽略在双引号子字符串中出现的分隔符的一种方法是使用环视。

例如，要匹配双引号子字符串，但在结果匹配的子字符串中不包含引号，可以按以下方式使用正向前瞻和后视的组合：

(?<=\")([^\"]+)(?=\";)

The(?<=\")是前面双引号(?=\";)存在的断言，而 the 是尾随双引号或分号分隔符存在的断言。捕获组([^\"]+)匹配任何字符序列，但双引号除外，以避免在这些引号内重复注册引号。如果上述断言成立，那么我们就有一个匹配的子字符串。

对于普通元素，我们可以匹配一个仅包含字母数字字符的序列，如下所示：

\w+

现在通过使用我们拥有的非捕获组将这两者结合起来：

(?:(?<=\")([^\"]+)(?=\";)|(\w+))+

注意：此方法的一个强制性步骤是首先丢弃任何出现的制表符。如果您在 Python 中，这可以使用str' 方法replace或使用re模块来完成，sub如下所示：

re.sub(r'[\t\v\r\n\f]', r'', string)

（我还包括其他特殊字符，但如果对您的用例安全，您可以省略它们）

然后，您可以使用其中一个search或findall从re模块中使用，给出上面的 RegEx。

如果您选择，findall那么您应该使用上面的表达式而不进行任何组捕获：

re.findall(r'(?:(?<=\")[^\"]+(?=\";)|\w+)+', string)

例子

对于以下输入字符串：

string = '"ty,;6"\t\t; one; two\t\t; "three,;2";  four;\t\t; "fdf;fdfgf"\t; "fdfdf";'

运行替换步骤，结果是：

> str_clean = re.sub(r'[\t\v\r\n\f]', r'', string)
 '"ty,;6"; one; two; "three,;2";  four;; "fdf;fdfgf"; "fdfdf";'

然后，运行最终的 RegEx：

> re.findall(r'(?:(?<=\")[^\"]+(?=\";)|\w+)+', str_clean)
 ['ty,;6', 'one', 'two', 'three,;2', 'four', 'fdf;fdfgf', 'fdfdf']