正则表达式提取竖线分隔字符串第n个Token及计数方法咨询

嘿，作为正则新手碰到这种带连续空Token的分割场景确实容易卡壳，我来一步步帮你解决问题～

一、提取指定位置的Token（包括空字符串） #

当然存在满足需求的正则！你的目标字符串按|分割后，Token列表是：

1. AA
2. ''（空）
3. CCCCCCCC
4. ''（空）
5. ''（空）
6. FFFFFFFFFFF

要提取第N个Token，可以用这个通用正则模板：

^((?:[^|]*\|){N-1})([^|]*)

• (?:[^|]*\|)：非捕获组，匹配「任意非|字符+一个|」的组合，用?:避免生成多余的捕获组
• {N-1}：重复这个组合N-1次，跳过前N-1个Token的内容
• ([^|]*)：捕获第N个Token的内容（包括空字符串，因为*允许匹配0个字符）

示例：

• 提取第4个Token，用正则：^((?:[^|]*\|){3})([^|]*)，捕获组2就是空字符串''
• 提取第6个Token，用正则：^((?:[^|]*\|){5})([^|]*)，捕获组2就是FFFFFFFFFFF

用Python代码验证：

import re
text = "AA||CCCCCCCC|||FFFFFFFFFFF"

# 提取第4个Token
match_4 = re.match(r"^((?:[^|]*\|){3})([^|]*)", text)
print(repr(match_4.group(2)) if match_4 else "无匹配")  # 输出 ''

# 提取第6个Token
match_6 = re.match(r"^((?:[^|]*\|){5})([^|]*)", text)
print(repr(match_6.group(2)) if match_6 else "无匹配")  # 输出 'FFFFFFFFFFF'

二、用正则高效统计Token总数 #

你原来的方法需要循环判断，确实可以用正则更高效地实现，有两种简单思路：

方法1：统计分隔符数量+1

因为每一个|都是分隔符，不管连续多少个，总Token数 = 分隔符|的数量 + 1。比如你的字符串里有5个|，5+1=6，正好是Token总数。

代码示例：

pipe_count = len(re.findall(r"\|", text))
token_count = pipe_count + 1
print(token_count)  # 输出 6

方法2：直接匹配所有Token后计数

用正则匹配所有Token（包括空的），然后取匹配结果的长度：

tokens = re.findall(r"(?:^|\|)([^|]*)", text)
print(len(tokens))  # 输出 6

这个正则的逻辑是：从字符串开头或|开始，匹配后续所有非|字符（包括0个，也就是空字符串），每一次匹配对应一个Token。

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