Python解析文本：如何忽略引号内的逗号作为分隔符？

需要解析文本文件，按逗号拆分内容，但不将引号内的逗号视为分隔符。文本格式不符合标准CSV（引号字符串前带有未引号内容），具体示例如下：

示例输入 #

cmd,print "AA"
cmd, print "AA,BB,CC"
cmd,   print " AA, BB, CC ", separate-window

期望结果（Python语法） #

[['cmd', 'print "AA"'], 
 ['cmd', 'print "AA,BB,CC"'], 
 ['cmd', 'print " AA, BB, CC "', 'separate-window']]

已尝试方案的问题 #

• 使用csv.reader：错误拆分引号内的逗号，得到['cmd', 'print "AA', 'BB', 'CC"']
• 修改shlex配置：设置whitespace=','和whitespace_split=True后，虽能拆分但会移除引号，得到['cmd', 'print AA, BB, CC']，不符合保留引号的需求
• 尝试re.split：对正向预查用法不熟悉，现有公开方案无法适配当前场景

通过正则表达式匹配不在引号对内部的逗号作为分隔符，核心逻辑是确保拆分用的逗号处于非引号包裹状态。

实现代码 #

import re

def split_non_standard_csv(line):
    # 匹配不在引号内的逗号
    split_pattern = re.compile(r',(?=(?:[^"]*"[^"]*")*[^"]*$)')
    parts = split_pattern.split(line)
    # 按需启用：去除每个元素首尾空格
    # parts = [segment.strip() for segment in parts]
    return parts

# 测试示例文本
test_lines = [
    'cmd,print "AA"',
    'cmd, print "AA,BB,CC"',
    'cmd,   print " AA, BB, CC ", separate-window'
]

# 生成结果
parsed_result = [split_non_standard_csv(line) for line in test_lines]
print(parsed_result)

运行结果 #

[['cmd', 'print "AA"'], ['cmd', ' print "AA,BB,CC"'], ['cmd', '   print " AA, BB, CC "', ' separate-window']]

若需要去除元素首尾空格，只需取消代码中parts = [segment.strip() for segment in parts]的注释，处理后结果与期望完全一致。

正则表达式说明 #

r',(?=(?:[^"]*"[^"]*")*[^"]*$)'：

• ,：定位要作为分隔符的逗号
• (?=...)：正向预查，验证逗号后方内容满足：
  • (?:[^"]*"[^"]*")*：匹配0或多组完整的引号对（非引号字符+引号+非引号字符+引号）
  • [^"]*$：确保剩余内容中没有未闭合的引号

通过此规则，可精准筛选出仅处于引号外的逗号作为拆分依据。

内容的提问来源于stack exchange，提问作者Noob