Question

我是一个非常新的pyparsing用户并且缺少匹配我不明白：

以下是我要解析的文字：

polraw="""
set policy id 800 from "Untrust" to "Trust"  "IP_10.124.10.6" "MIP(10.0.2.175)" "TCP_1002" permit
set policy id 800
set dst-address "MIP(10.0.2.188)"
set service "TCP_1002-1005"
set log session-init
exit
set policy id 724 from "Trust" to "Untrust"  "IP_10.16.14.28" "IP_10.24.10.6" "TCP_1002" permit
set policy id 724
set src-address "IP_10.162.14.38"
set dst-address "IP_10.3.28.38"
set service "TCP_1002-1005"
set log session-init
exit
set policy id 233 name "THE NAME is 527 ;" from "Untrust" to "Trust"  "IP_10.24.108.6" "MIP(10.0.2.149)" "TCP_1002" permit
set policy id 233
set service "TCP_1002-1005"
set service "TCP_1006-1008"
set service "TCP_1786"
set log session-init
exit

"""

我以这种方式设置语法：

KPOL  = Suppress(Keyword('set policy id'))
NUM   = Regex(r'\d+')
KSVC  = Suppress(Keyword('set service'))
KSRC  = Suppress(Keyword('set src-address'))
KDST  = Suppress(Keyword('set dst-address'))
SVC    = dblQuotedString.setParseAction(lambda t: t[0].replace('"',''))
ADDR   = dblQuotedString.setParseAction(lambda t: t[0].replace('"',''))
EXIT  = Suppress(Keyword('exit'))
EOL = LineEnd().suppress()

P_SVC = KSVC + SVC + EOL
P_SRC = KSRC + ADDR + EOL
P_DST = KDST + ADDR + EOL

x = KPOL + NUM('PId') + EOL + Optional(ZeroOrMore(P_SVC)) + Optional(ZeroOrMore(P_SRC)) + Optional(ZeroOrMore(P_DST)) 

for z in x.searchString(polraw):
    print z

结果集如

['800', 'MIP(10.0.2.188)']
['724', 'IP_10.162.14.38', 'IP_10.3.28.38']
['233', 'TCP_1002-1005', 'TCP_1006-1008', 'TCP_1786']

800缺少服务标签???

这里有什么不对。

先谢谢劳伦

Answer 1

你看到的问题是，在你的表达式中，只有在跳过可选的SVC和SRC之后才会查找DST。你有几个选择，我会仔细阅读每个选项，这样你就可以了解这里发生了什么。

（但首先，编写“Optional（ZeroOrMore（anything））”没有意义 - ZeroOrMore已经暗示可选，所以我将在任何这些选择中删除Optional部分。）

如果要以任何顺序获得SVC，SRC和DST，您可以重构ZeroOrMore以接受三种数据类型中的任何一种，如下所示：

x = KPOL + NUM('PId') + EOL + ZeroOrMore(P_SVC|P_SRC|P_DST)

这将允许您混合使用不同类型的语句，并且它们都将作为ZeroOrMore重复的一部分进行收集。

如果要将这些不同类型的语句保留在组中，则可以为每个语句添加结果名称：

x = KPOL + NUM('PId') + EOL + ZeroOrMore(P_SVC("svc*")|
                                         P_SRC("src*")|
                                         P_DST("dst*"))

注意每个名称上的尾部'*' - 这相当于调用setRllultsName并且listAllMatches参数等于True。当每个不同的表达式匹配时，不同类型的结果将被收集到“svc”，“src”或“dst”结果名称中。调用z.dump()会列出令牌和结果名称及其值，以便您了解其工作原理。

set policy id 233
set service "TCP_1002-1005"
set dst-address "IP_10.3.28.38"
set service "TCP_1006-1008"
set service "TCP_1786"
set log session-init
exit

显示z.dump()：

['233', 'TCP_1002-1005', 'IP_10.3.28.38', 'TCP_1006-1008', 'TCP_1786']
- PId: 233
- dst: [['IP_10.3.28.38']]
- svc: [['TCP_1002-1005'], ['TCP_1006-1008'], ['TCP_1786']]

如果你在P_xxx表达式上包装ungroup，可能是这样的：

P_SVC,P_SRC,P_DST = (ungroup(expr) for expr in (P_SVC,P_SRC,P_DST))

然后输出更清晰：

['233', 'TCP_1002-1005', 'IP_10.3.28.38', 'TCP_1006-1008', 'TCP_1786']
- PId: 233
- dst: ['IP_10.3.28.38']
- svc: ['TCP_1002-1005', 'TCP_1006-1008', 'TCP_1786']

之类的东西自动化它

from itertools import permutations
mixNmatch = MatchFirst(And(p) for p in permutations((A,B,C,D),4))

但是pyparsing中有一个名为Each的类允许编写相同类型的东西：

Each([A,B,C,D])

意思是“必须以任何顺序分别拥有A，B，C和D中的一个”。和And，Or，NotAny等一样，也有一个操作员快捷方式：

A & B & C & D

这意味着同样的事情。

如果你想“必须有A，B和C，以及可选的D”，那么写：

A & B & C & Optional(D)

这将解析相同的行为，查找A，B，C和D，无论传入的顺序如何，以及D是最后一个还是与A，B和C混合。您还可以使用OneOrMore和ZeroOrMore指示任何表达式的可选重复。

所以你可以把你的表达写成：

x = KPOL + NUM('PId') + EOL + (ZeroOrMore(P_SVC) & 
                               ZeroOrMore(P_SRC) & 
                               ZeroOrMore(P_DST))

我看过在这个表达式中使用结果名称，而ZeroOrMore似乎让人感到困惑，可能仍然是如何做到这一点的错误。所以你可能不得不保留使用每个更基本的情况，比如我的A，B，C，D例子。但我想让你意识到这一点。

解析器上的其他一些注释：

dblQuotedString.setParseAction(lambda t: t[0].replace('"',''))可能写得更好 dblQuotedString.setParseAction(removeQuotes)。您的示例中没有任何嵌入式引号，但最好知道您的假设可能无法转换为未来的应用程序。以下是删除定义引号的几种方法：

dblQuotedString.setParseAction(lambda t: t[0].replace('"',''))
print dblQuotedString.parseString(r'"This is an embedded quote \" and an ending quote \""')[0]
# prints 'This is an embedded quote \ and an ending quote \'
# removed leading and trailing "s, but also internal ones too, which are 
# really part of the quoted string

dblQuotedString.setParseAction(lambda t: t[0].strip('"'))
print dblQuotedString.parseString(r'"This is an embedded quote \" and an ending quote \""')[0]
# prints 'This is an embedded quote \" and an ending quote \'
# removed leading and trailing "s, and leaves the one internal ones but strips off
# the escaped ending quote

dblQuotedString.setParseAction(removeQuotes)
print dblQuotedString.parseString(r'"This is an embedded quote \" and an ending quote \""')[0]
# prints 'This is an embedded quote \" and an ending quote \"'
# just removes leading and trailing " characters, leaves escaped "s in place

KPOL = Suppress(Keyword('set policy id'))有点脆弱，因为如果'set'和'policy'之间或'policy'和'id'之间有任何额外的空格，它将会中断。我通常通过首先单独定义所有关键字来定义这些表达式：

SET,POLICY,ID,SERVICE,SRC_ADDRESS,DST_ADDRESS,EXIT = map(Keyword,
    "set policy id service src-address dst-address exit".split())

然后使用：

定义单独的表达式

KSVC  = Suppress(SET + SERVICE)
KSRC  = Suppress(SET + SRC_ADDRESS)
KDST  = Suppress(SET + DST_ADDRESS)

现在，您的解析器将在表达式中的各个关键字之间干净地处理额外的空格（甚至是注释！）。

pyparsing多行可选的结果集中缺少数据

1 个答案: