如何使用正则表达式提取cite标签内的逗号分隔字符串

你可以通过两种逻辑实现需求，分别是兼容性更好的两步处理法，以及单正则一步匹配法：

方案1：两步处理法（推荐） #

逻辑拆分清晰，对所有正则环境都兼容：

1. 第一步先用你已知的正则 r'cite{(.+?)}' 全局匹配所有cite{}块，提取出大括号内的原始字符串，示例中你会得到AA,BBB, C和EE,F两个结果
2. 第二步对每个提取到的字符串，按逗号拆分后去除每个条目的前后空格即可

代码示例（Python） #

import re

input_str = "cite{AA,BBB, C}  skip{DD}   cite{EE,F}"
# 提取所有cite块内的内容
cite_contents = re.findall(r'cite{(.+?)}', input_str)
output = []
for content in cite_contents:
    # 拆分逗号并去除前后空格
    items = [item.strip() for item in content.split(',')]
    output.extend(items)

# 打印结果
for item in output:
    print(item)

运行后即可得到你需要的输出格式。

方案2：单正则一步匹配 #

如果你的运行环境支持可变长度正向后视（比如Python3.7+、Java等），可以直接用一条正则匹配到所有目标条目：
正则表达式为：r'(?<=cite{[^}]*)\s*([^,}]+?)\s*(?=[,}])'

正则含义说明 #

• (?<=cite{[^}]*)：正向后视限定匹配位置必须在cite{之后、}之前，确保只匹配cite块内的内容
• \s*：匹配条目前的可选空格
• ([^,}]+?)：匹配非逗号、非}的内容，也就是你需要的条目
• \s*(?=[,}])：正向前视限定匹配位置后面要么是逗号要么是}，同时跳过条目后的可选空格

代码示例（Python） #

import re

input_str = "cite{AA,BBB, C}  skip{DD}   cite{EE,F}"
output = re.findall(r'(?<=cite{[^}]*)\s*([^,}]+?)\s*(?=[,}])', input_str)
for item in output:
    print(item)

内容的提问来源于stack exchange，提问作者user42298