Python拆分转义嵌套引号字符串,提取目标值生成规范数组的方法
长字符串提取目标数组的可落地方案
原试错方案的问题点
- 选择
re.split()做拆分的思路本身就存在结构缺陷:拆分操作会把所有非匹配的上下文内容都保留为数组元素,必然会残留开头的JSON片段、前置的说明文本、末尾带句号和大括号的无效内容 - 正则没有做边界限定,会把开头无关节点
thing1也纳入匹配范围 - 未做匹配内容的空格清洗,会产生带前后空白的冗余数组元素
关于原始字符串语法的说明
疑惑的
r'''...'''原始字符串标记,核心作用是跳过Python字符串自带的转义规则:写带大量反斜杠的正则时,不需要对每个转义符做二次转义,能大幅降低正则书写出错的概率。它不是强制使用的语法,只是降低正则书写复杂度的便捷手段。
完整可运行代码
import re message_string = '{"Message": "Lab Test Type \\"thing1 [Phase 1]\\" requires the following additional Lab Test Types to be recorded when Passing: \\"thing2 (ug/g) [Phase 1]\\", \\"thing3 (pass/fail [Phase 1]\\", \\"thing4 (pass/fail) [Phase 1]\\", \\"thing5 (pass/fail) [Phase 1]."}' # 正则匹配规则说明 # 1. 用向后肯定断言锁定目标内容的起始边界:匹配位置必须在"when Passing: "之后,天然排除前面的thing1等无关节点 # 2. 匹配被转义双引号包裹的、内部不含双引号的纯文本内容 extract_pattern = r'''(?<=when Passing: )\\"([^"\\]*?)\\"''' # 逐元素做空格清洗、清除末尾混入的句号残留,得到纯净结果 target_array = [item.strip().rstrip('.') for item in re.findall(extract_pattern, message_string)]
最终输出效果
[ "thing2 (ug/g) [Phase 1]", "thing3 (pass/fail [Phase 1]", "thing4 (pass/fail) [Phase 1]", "thing5 (pass/fail) [Phase 1]" ]
注:示例中thing3的内容缺右括号属于原字符串的笔误,匹配逻辑不受影响,只要原字符串里的文本完整,即可正常抓取。
设计逻辑说明
- 放弃“拆分字符串”的思路,改用
re.findall()直接捞取所有符合规则的片段,从根源上避免上下文残留的问题 - 用固定的文本边界做断言限定,比靠位置猜测、写复杂负向前瞻的方式更稳定,哪怕目标文本内容无规律也能精准定位
- 非贪婪匹配的规则可以避免把多个引号之间的内容合并抓取
- 配套的空格、句号清洗逻辑,可以彻底处理拆分产生的空白冗余、误混入的标点残留,输出符合要求的纯净数组
内容的提问来源于stack exchange,提问作者SeaDude
相关产品推荐
相关产品推荐

