Python正则表达式匹配至多1个空格分隔的文本段（需保留位置）

标签表格数据并保留文本段位置 #

我尝试解析

标签中的表格数据，但难以找到合适的正则表达式模式。我希望顺序匹配所有被至多一个空格分隔的字符序列。

输入：'                                                   Not seasonally adjusted                      Seasonally adjusted (1)                  Latest'

期望输出：['Not seasonally adjusted', 'Seasonally adjusted (1)', 'Latest']

我尝试过以下正则表达式：
负向前瞻表达式'[\S ]+(?!\s{2,})'，匹配结果为整行文本；
否定表达式'[^\s{2,}]'，匹配文本中的每个非空格字符；
结合.*与否定的表达式'.*[^\s{2,}]'，匹配结果为整行文本。

注意：我使用Python，但不想使用re.split('\s{2,}')这类方法，因为我不仅需要提取文本，还要保留每个文本段的起止字符位置，以便输入到表格解析/解释脚本中。请问该如何实现？

使用正则表达式\S(?:\s?\S)*配合re.finditer()即可实现，该模式的逻辑是：

• \S：匹配字段的第一个非空格字符
• (?:\s?\S)*：匹配任意次数的「可选单个空格 + 非空格字符」组合，确保字段内仅允许单个空格分隔，遇到两个及以上连续空格时自动终止匹配

Python代码示例 #

import re

input_str = '                                                   Not seasonally adjusted                      Seasonally adjusted (1)                  Latest'
pattern = r'\S(?:\s?\S)*'

# 获取所有匹配对象，包含位置信息
matches = list(re.finditer(pattern, input_str))

# 提取文本内容
extracted_text = [match.group() for match in matches]
# 提取每个文本段的起止索引
text_positions = [(match.start(), match.end()) for match in matches]

print("提取的文本列表：", extracted_text)
print("各文本段的起止位置：", text_positions)

运行后会输出你需要的文本列表，同时match.start()和match.end()能直接拿到每个文本段在原字符串中的起始和结束位置，完全满足表格解析时的位置需求。

内容的提问来源于stack exchange，提问作者user3787120