多规则分割文本的Python正则表达式实现求助

针对你需要处理的350万行格式文本，这里提供两种可行的分割方案，均无需硬编码特定文本：

方案一：纯正则表达式（高效适合大数据量） #

通过两次正则匹配分别提取开头的非键值对部分和所有键值对，再按需求拼接结果：

import re

def split_text_line(input_line):
    # 提取开头的非键值对内容（直到第一个 KEY="VALUE" 结构前）
    start_match = re.match(r'^(.*?)(?=\s+\w+=|$)', input_line)
    result = []
    if start_match:
        start_part = start_match.group(1).strip()
        if start_part:
            result.append(start_part)
    
    # 匹配所有 KEY="VALUE" 格式的键值对
    kv_pairs = re.findall(r'(\w+)="(.*?)"', input_line)
    for key, value in kv_pairs:
        result.append(key)
        # 仅当值非空时添加，空值则只保留键
        if value:
            result.append(value)
    
    return ', '.join(result)

测试示例 #

1. 输入：

EXAMPLE_FILE_TEXT ID="20211111.111111 11111"

输出：

EXAMPLE_FILE_TEXT, ID, 20211111.111111 11111

2. 输入：

EXAMPLE_TEXT TAG="AB-123-ABCD_$B" ABCDE_ABCD="ABCD_A" ABCDEF_ABCDE="ABCDEF_ABCDEF_$A" ABCDEFGH=""

输出：

EXAMPLE_TEXT, TAG, AB-123-ABCD_$B, ABCDE_ABCD, ABCD_A, ABCDEF_ABCDE, ABCDEF_ABCDEF_$A, ABCDEFGH

方案二：结合shlex.split与正则（兼容复杂引号场景） #

利用shlex.split处理带空格的引号内容，再通过正则拆分键值对：

import shlex
import re

def split_text_line(input_line):
    # 用shlex拆分，保留引号内的完整内容
    parts = shlex.split(input_line)
    result = []
    
    for part in parts:
        # 匹配 KEY="VALUE" 或 KEY=VALUE 格式
        kv_match = re.match(r'(\w+)=["]?(.*?)["]?$', part)
        if kv_match:
            key = kv_match.group(1)
            value = kv_match.group(2)
            result.append(key)
            if value:
                result.append(value)
        else:
            # 非键值对内容直接添加
            result.append(part)
    
    return ', '.join(result)

适用场景 #

如果你的文本中存在转义引号（如KEY="He said \"Hi\""），shlex.split会正确解析引号内的转义内容，比纯正则更可靠。

注意事项 #

• 若键包含-等非\w字符，可将正则中的\w+替换为[\w-]+（根据实际键格式调整）
• 两种方案均无需硬编码特定键名，可适配所有符合KEY="VALUE"格式的文本行

内容的提问来源于stack exchange，提问作者Josh41