我必须解析具有嵌套结构的文档。
它包含具有标题和键对和值对的部分。
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,它只使用简单的文档,只有一个部分,但是当我尝试用空行分隔多个部分解析文档时语法失败。
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
,其中有两个部分与第2部分的空行部分分开,被视为第1部分。
[['section1', ['key1', '1a'], ['section2', 'key2']]]
我尝试了跟随令牌的不同方法,但没有任何成功。
N = White('\n', exact=1)
EMPTY = LineStart()+LineEnd()
在下面的代码中利用了以“alphanum:alphanum:”模式开头的新部分的观察结果。负向前瞻~
(NotAny)用于阻止body
解析器吞噬下一个节头。
为line
结果名称(*
后缀)设置setResultsName参数listAllMatches,以便字典可以列出多个匹配项。
默认情况下,pyparsing会跳过空格,除非在某些情况下,例如使用Combine时,所以不需要在此处考虑它。
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'