Question

我想创建一个Python解析器来解析文件中的空格和语法。我想要做的是读取一个文件，并将每个空格，标点符号和单词放入列表中的自己的元素中。以下我到目前为止分裂空白：

with open(fname, 'r') as f:
  words = re.split("(\s+)", f.read())

带有words的

包含文件内容列表，每个空格都是自己的元素。但是，我在解析标点符号时遇到问题，因为列表元素可以包含"Hello"之类的元素和元素中的引号。相反，我喜欢它，所以它看起来像这样：

list = ['"', 'Hello', '"', '@', 'World']

而不是：

list = ['"Hello"', '@World']

如果有人能帮助我，那就太棒了！

Answer 1

您可以使用 re.findall 代替分割，而不是分裂。

import re

string = '"hello" @world'
L = re.findall(r'(\w+|[@"])', string)
print(L)
#['"', 'hello', '"', '@', 'world']

Answer 2

我认为edi_allen有它，但后来看到白色空间没有使用findall进入列表。

with open(fname, 'r') as f:
  words = re.split('(["\'@&,;:\(\)\s+\*\?\.]|\w+)', f.read())

#because each list element is separated from the next by an empty string:
while '' in words:
    words.remove('')    
print (words)

给定一个包含以下内容的文本文件：

BRIAN：他们会对我做什么？
     BEN：哦，你可能会被钉死在十字架上。

BRIAN：被钉十字架？！
     BEN：是的，第一次进攻。

返回的列表是：

>>>  ['BRIAN', ':', ' ', 'What', ' ', 'will', ' ', 'they', ' ', 
'do', ' ', 'to', ' ', 'me', '?', '\n', 'BEN', ':', ' ', 'Oh', ',', ' ',
'you', "'", 'll', ' ', 'probably', ' ', 'get', ' ', 'away', ' ',
'with', ' ', 'crucifixion', '.', '\n', 'BRIAN', ':', ' ',
'Crucifixion', '?', '!', '\n', 'BEN', ':', ' ', 'Yeah', ',', ' ',
'first', ' ', 'offence', '.', ' ', '\n']

解析所有空格和语法

2 个答案: