Question

以IANA的格式为例：http://www.iana.org/assignments/language-subtag-registry

%%
Type: language
Subtag: aa
Description: Afar
Added: 2005-10-16
%%
Type: language
Subtag: ab
Description: Abkhazian
Added: 2005-10-16
Suppress-Script: Cyrl
%%
Type: language
Subtag: ae
Description: Avestan
Added: 2005-10-16
%%

说我打开文件：

import urllib
f = urllib.urlopen("http://www.iana.org/assignments/language-subtag-registry")
all=f.read()

通常你会这样做

lan=all.split("%%")

迭代lan和split("\n")然后迭代结果并拆分（“：”），有没有一种方法可以在一个批处理的python中没有迭代，输出仍然是这样的： [[["Type","language"],["Subtag", "ae"],...]...]？

Answer 1

如果在每次拆分后到达的元素在语义上有所不同，我认为在单次传递中尝试执行此操作没有任何意义。

你可以先用“：”分割 - 这会让你获得精细的数据 - 但如果你不知道这些数据属于什么，那会有什么好处呢？

那就是说，你可以将所有的分离水平放在发电机内，然后让它产生带有数据的字典对象，可以用于消费：

def iana_parse(data):
    for record in data.split("%%\n"):
        # skip empty records at file endings:
        if not record.strip():
            continue
        rec_data = {}
        for line in record.split("\n"):
            key, value = line.split(":")
            rec_data[key.strip()] = value.strip()
        yield rec_data

根据您在评论中的要求，它可以作为一个班轮完成 - 但正如我评论的那样，它可以编写为适合作为一行中的单个表达式。写作比上面的例子花了更多的时间，并且几乎不可能维持。上面示例中的代码在几行代码中展开逻辑，这些代码被放置在“不在路上” - 即不是内联的实际数据，为两个任务提供可读性和可维护性。

也就是说，可以根据需要解析为嵌套列表的结构：

structure = [[[token.strip() for token in line.split(":")] for line in record.split("\n") ] for record in data.split("%%") if record.strip() ]

Answer 2

作为一个单一的理解：

raw = """\
%%
Type: language
Subtag: aa
Description: Afar
Added: 2005-10-16
%%
Type: language
Subtag: ab
Description: Abkhazian
Added: 2005-10-16
Suppress-Script: Cyrl
%%
Type: language
Subtag: ae
Description: Avestan
Added: 2005-10-16
%%"""


data = [
     dict(
         row.split(': ')
         for row in item_str.split("\n")
         if row  # required to avoid the empty lines which contained '%%'
     )
     for item_str in raw.split("%%") 
     if item_str  # required to avoid the empty items at the start and end
]

>>> data[0]['Added']
'2005-10-16'

Answer 3

Regexes，但我不明白这一点：

re.split('%%|:|\\n', string)

这里使用or |运算符链接了多个模式。

Answer 4

您可以使用itertools.groupby：

ss = """%%
Type: language
Subtag: aa
Description: Afar
Added: 2005-10-16
%%
Type: language
Subtag: ab
Description: Abkhazian
Added: 2005-10-16
Suppress-Script: Cyrl
%%
Type: language
Subtag: ae
Description: Avestan
Added: 2005-10-16
"""
sss = ss.splitlines(True) #List which looks like you're iterating over a file object


import itertools

output = []
for k,v in itertools.groupby(sss,lambda x: x.strip() == '%%'):
    if(k):  #Hit a '%%' record.  Need a new group.
        print "\nNew group:\n"
        current = {}
        output.append(current)
    else:   #just a regular record, write the data to our current record dict.
        for line in v:
            print line.strip()
            key,value = line.split(None,1)
            current[key] = value

这个答案的一个好处是它不需要你阅读整个文件。整个表达式被懒惰地评估。

级联弦分裂，pythonic方式

4 个答案: