Skip to main content
 首页 » 编程设计

python之文档的单独部分

2024年12月31日8powertoolsteam

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'