Python解析含集合的CSV字符串：提取元素的最Pythonic方法

嘿，这个问题我之前也碰到过——普通的str.split(',')确实搞不定这种带{}包裹的特殊CSV，毕竟它会把{}里的逗号也当成分隔符。下面给你两种最符合Python风格的解决办法，按需选就行：

方法一：正则分割（适合单层{}场景） #

如果你的{}都是单层嵌套（不会出现{a,{b,c},d}这种多层嵌套的情况），用Python标准库的re.split配合正则表达式就能轻松搞定。核心思路是只分割那些不在{}内部的逗号。

代码示例：

import re

def split_custom_csv(s):
    # 匹配不在{}内的逗号作为分隔符
    split_parts = re.split(r'(?<!\{[^}]*),(?![^{}]*\})', s)
    # 顺便处理每个元素前后的空白（对应示例里的", b, c"这种带空格的情况）
    return [part.strip() for part in split_parts]

# 测试你的示例
print(split_custom_csv('a,b,c'))  # 输出: ['a', 'b', 'c']
print(split_custom_csv('{aa,ab}, b, c'))  # 输出: ['{aa,ab}', 'b', 'c']
print(split_custom_csv('{aa,ab}, {bb,b}, c'))  # 输出: ['{aa,ab}', '{bb,b}', 'c']

简单解释下这个正则：

• (?<!\{[^}]*))：负向回顾断言，确保逗号前面没有未闭合的{
• (?![^{}]*\})：负向前瞻断言，确保逗号后面没有未闭合的}
  这样就能精准定位到需要分割的逗号，完全不会碰{}内部的内容。

方法二：状态机遍历（支持多层{}，更健壮） #

如果你的场景可能出现多层嵌套的{}（比如{a,{bb,c},d}），正则就不太好使了。这时候用状态机手动遍历字符是更稳妥的方式，逻辑清晰还能处理复杂情况，也很符合Python的简洁风格：

代码示例：

def split_custom_csv(s):
    parts = []
    current_part = []
    brace_counter = 0  # 跟踪当前是否在{}内部

    for char in s:
        if char == ',' and brace_counter == 0:
            # 遇到逗号且不在{}内，分割当前部分
            parts.append(''.join(current_part).strip())
            current_part = []
        else:
            current_part.append(char)
            # 更新括号计数器
            if char == '{':
                brace_counter += 1
            elif char == '}':
                brace_counter -= 1
    # 别忘了添加最后一个部分
    parts.append(''.join(current_part).strip())
    return parts

# 测试示例，包括多层嵌套的情况
print(split_custom_csv('a,b,c'))  # ['a', 'b', 'c']
print(split_custom_csv('{aa,ab}, b, c'))  # ['{aa,ab}', 'b', 'c']
print(split_custom_csv('{aa,{bb,b},ab}, c'))  # ['{aa,{bb,b},ab}', 'c']

这个方法通过brace_counter来跟踪当前是否处于{}内部，只有当计数器为0时，遇到逗号才会分割。不管嵌套多少层，都能正确识别，非常健壮。

为什么这两种方法是Pythonic的？ #

• 正则方法利用标准库解决问题，简洁高效，符合Python“能用标准库就不用重复造轮子”的思路；
• 状态机遍历方法可读性强，逻辑清晰，手动处理边界情况，是Python中处理字符串解析的常用思路；
• 两种方法都返回列表，符合Python的序列思维，代码简洁易懂，维护起来也方便。

内容的提问来源于stack exchange，提问作者rph