我必须解析具有嵌套结构的文档。
它包含具有标题和键值对的部分。
txt_1 = '''
header1:
key1: 1a
key2: 2b
'''
txt_2 = '''
section1:
key1: 1a
section2:
key2: 2b
key3: 3c
'''
我在 pyparsing 中编写了简单的语法,它适用于只有一个部分的简单文档,但是当我尝试解析包含多个部分并由空行分隔的文档时,语法失败。
HEADER = (
(
Word(alphanums)
+ Suppress(Literal(':'))
).setResultsName('header')
)
PARAM = Word(alphanums).setResultsName('param')
VALUE = Word(alphanums).setResultsName('value')
LINE = (
Group(
PARAM
+ Suppress(Literal(':'))
+ VALUE
)
)
LINES = (
OneOrMore(
LINE
)
).setResultsName('body')
SECTION = (
Group(
HEADER
+ LINES
)
.setResultsName('section')
)
GRAMMAR = OneOrMore(SECTION).setResultsName('section')
GRAMMAR.parseString(txt).asList()
对于 txt_1 它工作正常,但对于 txt_2,它有两个部分,第 2 部分的空行部分被视为第 1 部分。
[['section1', ['key1', '1a'], ['section2', 'key2']]]
我尝试了以下标记的不同方法,但没有成功。
N = White('\n', exact=1)
EMPTY = LineStart()+LineEnd()
请您参考如下方法:
下面的代码利用了新部分以模式“alphanum: alphanum:”开头的观察结果。否定先行 ~ (NotAny) 用于阻止 body 解析器吞噬下一节标题。
setResultsName参数listAllMatches为行结果名(*后缀)设置,使字典可以列出多个匹配项。
pyparsing 默认情况下会跳过空格,但在某些情况下除外,例如使用 Combine 时,因此无需在此处考虑它。
from pyparsing import *
COLON = Suppress(':')
param = Word(alphanums)("param")
value = Word(alphanums)("value")
line = Group(param + COLON + value)
new_section_check = (Word(alphanums) + COLON) * 2
body = OneOrMore(~new_section_check + line("line*"))
section = Group(Word(alphanums)("section") + COLON + body)
contents = OneOrMore(section)
text = """
section1:
key1: 1a
section2:
key2: 2b
key3: 3c
"""
print(contents.parseString(text).dump())
产生以下内容:
[['section1', ['key1', '1a']], ['section2', ['key2', '2b'], ['key3', '3c']]]
[0]:
['section1', ['key1', '1a']]
- line: [['key1', '1a']]
[0]:
['key1', '1a']
- param: 'key1'
- value: '1a'
- section: 'section1'
[1]:
['section2', ['key2', '2b'], ['key3', '3c']]
- line: [['key2', '2b'], ['key3', '3c']]
[0]:
['key2', '2b']
- param: 'key2'
- value: '2b'
[1]:
['key3', '3c']
- param: 'key3'
- value: '3c'
- section: 'section2'
