Question

我有一个大块的文本文件，如：

Student = {
        PInfo = {
                ID   = 0001;
            Name.First = "Joe";
            Name.Last = "Burger";
            DOB  = "01/01/2000";
        };
        School = "West High";
        Address = {
            Str1 = "001 Main St.";
            Zip = 12345;
        };
    };
    Student = {
        PInfo = {
            ID   = 0002;
            Name.First = "John";
            Name.Last = "Smith";
            DOB  = "02/02/2002";
        };
        School = "East High";
        Address = {
            Str1 = "001 40nd St.";
            Zip = 12346;
        };
        Club = "Football";
    };
    ....

学生街区共享相同的条目，如＆＃34; PInfo＆＃34;，＆＃34;学校＆＃34;和＃34;地址＆＃34;，但其中一些可能有其他条目，例如＆＃34; Club＆＃34; ＆＃34; John Smith＆＃34;的信息这不包括在＃34; Joe Burger＆＃34;中。我想要做的是获取每个学生的姓名，学校名称和邮政编码，并将其存储在字典中，如

    {'Joe Burger':{School:'West High', Zip:12345}, 'John Smith':{School:'East High', Zip:12346}, ...}

作为python编程的新手，我尝试打开文件并逐行分析，但它看起来很麻烦。真实文件比我上面发布的示例相当大且复杂。我想知道是否有更简单的方法来做到这一点。谢谢。

Answer 1

要解析文件，您可以定义描述输入格式的语法，并使用它来生成解析器。

有many language parsers in Python。例如，您可以使用Grako作为输入，将EBNF变体中的语法作为输入，并在Python中输出memoizing PEG解析器。

要安装Grako，请运行pip install grako。

使用Grako的EBNF语法格式的格式语法：

(* a file is zero or more records *)
file = { record }* $;
record = name '=' value ';' ;
name = /[A-Z][a-zA-Z0-9.]*/ ;
value = object | integer | string ;
(* an object contains one or more records *)
object = '{' { record }+ '}' ;
integer = /[0-9]+/ ;
string = '"' /[^"]*/ '"';

要生成解析器，请将语法保存到文件，例如Structured.ebnf并运行：

$ grako -o structured_parser.py Structured.ebnf

它创建structured_parser模块，可用于从输入中提取学生信息：

#!/usr/bin/env python
from structured_parser import StructuredParser

class Semantics(object):
    def record(self, ast):
        # record = name '=' value ';' ;
        # value = object | integer | string ;
        return ast[0], ast[2] # name, value
    def object(self, ast):
        # object = '{' { record }+ '}' ;
        return dict(ast[1])
    def integer(self, ast):
        # integer = /[0-9]+/ ;
        return int(ast)
    def string(self, ast):
        # string = '"' /[^"]*/ '"';
        return ast[1]

with open('input.txt') as file:
    text = file.read()
parser = StructuredParser()
ast = parser.parse(text, rule_name='file', semantics=Semantics())
students = [value for name, value in ast if name == 'Student']
d = {'{0[Name.First]} {0[Name.Last]}'.format(s['PInfo']):
     dict(School=s['School'], Zip=s['Address']['Zip'])
     for s in students}
from pprint import pprint
pprint(d)

输出

{'Joe Burger': {'School': u'West High', 'Zip': 12345},
 'John Smith': {'School': u'East High', 'Zip': 12346}}

Answer 2

它不是json，而是类似的结构。你应该能够将它重新格式化为json。

“=” - ＆gt; “：”
使用'“'
“;” - ＆GT; “”
删除所有“，”后跟“}”
把它放在花括号中
用json.loads解析它

Answer 3

对于这种情况，我使用Marpa::R2，Perl Marpa, a general BNF parser接口来parser。它允许将文本描述为语法规则并将它们解析为数组树（解析树）。然后，您可以遍历树以将结果保存为散列哈希（散列是python＆＃39的字典的perl）或按原样使用。

我使用您的输入做了一个工作示例：result tree， Parse values from a block of text based on specific keys

希望这有帮助。

P.S。 ast_traverse()：{{3}}

的示例

使用python处理重复结构化的文本文件

3 个答案:

输出