Question

我正在开发一个数据包检索系统，该系统将根据标签系统[类似于HTML标签]获取数据包，并处理数据包的各种部分。 [仅基于文本的文件，没有二进制文件]。

数据包的每个部分都包含在两个相同的标记之间，这是一个示例数据包：

"<PACKET><HEAD><ID><ID><SEQ><SEQ><FILENAME><FILENAME><HEAD><DATA><DATA><PACKET>"

整个数据包都包含在<PACKET><PACKET>标记中。所有元数据都包含在<HEAD><HEAD>标记中，数据包所属的文件名包含在<FILENAME><FILENAME>标记中。

让我们假设，例如，接收单个数据包并将其存储在名为sTemp的临时字符串变量中。例如，如何有效地检索一对标签的内容，例如<FILENAME><FILENAME>标签的内容？

我希望有这样的功能，比如说getTagFILENAME（packetX），它会返回数据包的<FILENAME><FILENAME>标签的文本字符串内容。这可能是使用Python吗？

任何建议或意见表示赞赏。

Answer 1

这样的东西？

import re
def getPacketContent ( code, packetName ):
    match = re.search( '<' + packetName + '>(.*?)<' + packetName + '>', code )
    return match.group( 1 ) if match else ''

# usage
code = "<PACKET><HEAD><ID><ID><SEQ><SEQ><FILENAME><FILENAME><HEAD><DATA><DATA><PACKET>"
print( getPacketContent( code, 'HEAD' ) )
print( getPacketContent( code, 'SEQ' ) )

Answer 2

如果数据包格式有效地使用看起来像XML的语法（即，如果“结束标记”实际上包含斜杠），则可以使用xml.etree.ElementTree。这个libray是Python标准库的一部分，从Py2.5开始。我觉得处理这类数据非常方便。它提供了许多方法来读取和修改这种树结构。由于XML语言的通用特性以及ElementTree库中内置的XML感知，数据包语法可以很容易地发展，例如支持重复元素，元素属性。

示例：

>>> import xml.etree.ElementTree
>>> myPacket = '<PACKET><HEAD><ID>123</ID><SEQ>1</SEQ><FILENAME>Test99.txt</FILE
NAME></HEAD><DATA>spam and cheese</DATA></PACKET>'
>>> xt = xml.etree.ElementTree.fromstring(myPacket)
>>> wrk_ele = xt.find('HEAD/FILENAME')
>>> wrk_ele.text
'Test99.txt'
>>>

Answer 3

正如mjv所指出的那样，如果你只能使用XML，那么发明类似XML的格式并没有什么意义。

但是：如果您要将XML用于数据包格式，则需要真正使用XML。您应该使用XML库来创建您的数据包，而不仅仅是解析它们。否则，当您的一个字段值第一次包含XML标记字符时，您会感到悲伤。

当然，您可以编写自己的代码来进行必要的转义，过滤掉非法字符，保证格式良好等。对于这种简单的格式，这可能就是您需要做的。但是沿着这条路走下去是一种学习XML的方法，你可能不想学习它。

如果使用XML库来创建数据包是一个问题，那么最好定义一个自定义格式（我会定义一个看起来不像XML的东西，以防止人们获取想法）和使用pyparsing为它构建解析器。

Python String解析

3 个答案: