如何从含逗号与引号的字符串中提取地名？求更优实现方案

问题场景 #

给定如下格式的地名字符串：

locations = 'Los Angeles California ,"Heliopolis, Central, Cairo, Egypt",Berlin Germany, Paris France," Cairo, Egypt " , "Dokki, Giza, Egypt " , Singapore'

规则说明：

• 地名整体以逗号分隔
• 内部包含逗号的地名被"（转义双引号）包裹
• 所有提取出的地名需要去除前后空格

预期提取结果：

['Los Angeles California', 'Heliopolis, Central, Cairo, Egypt', 'Berlin Germany', 'Paris France', 'Cairo, Egypt', 'Dokki, Giza, Egypt', 'Singapore']

现有实现方案较为繁琐，以下提供两种更简洁的优化方案：

方案一：使用正则表达式一次性匹配 #

利用正则匹配两种模式：引号包裹的内容、非引号内的非逗号片段，再统一处理空格。

import re

locations = 'Los Angeles California ,"Heliopolis, Central, Cairo, Egypt",Berlin Germany, Paris France," Cairo, Egypt " , "Dokki, Giza, Egypt " , Singapore'
# 匹配规则：要么是引号内的内容，要么是逗号分隔的非引号片段
matches = re.findall(r'"(.*?)"|([^,]+)', locations)
# 提取有效内容并去除前后空格
result = [item.strip() for match in matches for item in match if item.strip()]
print(result)

正则说明 #

• "(.*?)"：匹配被转义双引号包裹的内容，.*?是非贪婪匹配，避免跨引号匹配
• ([^,]+)：匹配不在引号内的、以逗号为分隔符的片段
• 遍历匹配结果时，过滤掉空字符串，再对每个有效内容执行strip()去除前后空格

方案二：利用csv模块解析（更推荐） #

csv模块原生支持处理带引号的字段，能自动识别引号内的逗号为内容而非分隔符，代码更直观不易出错。

import csv
from io import StringIO

locations = 'Los Angeles California ,"Heliopolis, Central, Cairo, Egypt",Berlin Germany, Paris France," Cairo, Egypt " , "Dokki, Giza, Egypt " , Singapore'
# 把转义双引号替换为实际双引号
csv_content = locations.replace('"', '"')
# 用csv读取器解析，skipinitialspace=True跳过字段前的空格
with StringIO(csv_content) as f:
    reader = csv.reader(f, skipinitialspace=True)
    # 读取第一行（整个字符串是一行csv）并处理每个元素的前后空格
    result = [item.strip() for item in next(reader)]
print(result)

优势 #

• 无需自己编写复杂正则，依赖csv模块的成熟逻辑处理字段分隔
• 天然支持各种带引号的字段场景，扩展性更强

内容的提问来源于stack exchange，提问作者blackraven