Question

所以标题听起来很奇怪，因为我的问题可能很奇怪...我有一个.txt文件，其中有来自不同程序的数千行机器输出，格式如下：

candidates(6,1,0,5,[ev(-1000,'C0009814','Stenosis','Acquired stenosis',[stenosis],[patf])])

基本上我们有候选人＆＃39;标志着一个元组的开始，并且＆＃39; ev＆＃39;标记单个元素列表中第二个元组的开头。当我从文件中读取所有这些到python时，它以字符串形式读入。但我需要一个对象，所以我可以访问元组的第n个索引。真的，我很高兴只是找到一种方法来始终从这个字符串中获取ev（）元组的最后一个值，在这种情况下，＆＃39; patf＆＃39;。

我曾考虑过分裂＆＃39;，＆＃39;但这并不总是成功的，因为列表中的列表“[stenosis]＆＃39;”有时可能具有像[反流，主动脉]这样的值。额外的＆＃39;，＆＃39;抛出列表索引1，因此返回“主动脉”＆＃39;而不是＆＃39; [patf]＆＃39;。

如果我能澄清任何事情，或者如果我认为需要在解决这个问题之前需要说一些知识，请告诉我。非常感谢。我还在下面列出了第二个例子，它说明了分裂问题，＆＃39;。

candidates(8,1,0,7,[ev(-875,'C0003501','Aortic Valve','Aortic valve structure',[aortic,valve],[bpoc])])

编辑：我想这个对象不需要是一个列表。相同格式的元组效果很好。只要我能够始终如一地为我需要的信息引用一个索引。谢谢！

编辑2：我使用python 2.7.6

Answer 1

您有一个您尝试解析的嵌套语法。虽然它的范围很窄，但正构造可以构建来处理它，但它会变得脆弱。比如，真的脆弱。

尝试使用ast。这有点复杂，所以我试着走路（哈哈）一个例子。如果你想要tl; dr，请跳到中间/结尾。

我们正在列表节点中寻找名称，因此我们可以从那里开始。

import ast

s = "candidates(6,1,0,5,[ev(-1000,'C0009814','Stenosis','Acquired stenosis',[stenosis],[patf])])"

mod = ast.parse(s)

for node in ast.walk(mod):
    if isinstance(node, ast.List):
        print(node, list(ast.iter_child_nodes(node)))

<_ast.List object at 0xb3f2ddec> [<_ast.Call object at 0xb3f2de0c>, <_ast.Load object at 0xb712756c>]
<_ast.List object at 0xb3f2deec> [<_ast.Name object at 0xb3f2df0c>, <_ast.Load object at 0xb712756c>]
<_ast.List object at 0xb3f2df2c> [<_ast.Name object at 0xb3f2df4c>, <_ast.Load object at 0xb712756c>]

我们看到语法树中有三个ast.List个节点。第一个将是调用ev的外部列表，而两个内部列表将包含那些裸ast.Name个节点。这就是我们想要得到的东西 - 你特别想要第二个。

tl; dr跳过

我们可以使这一切变得更加直接，我只是简单地介绍了我亲自探索这种语法树的方法。这是一个单线：

s = "candidates(6,1,0,5,[ev(-1000,'C0009814','Stenosis','Acquired stenosis',[stenosis],[patf])])"

mod = ast.parse(s)

[next(ast.iter_fields(node)) for node in ast.walk(mod) if isinstance(node, ast.Name)]
Out[62]: [('id', 'candidates'), ('id', 'ev'), ('id', 'stenosis'), ('id', 'patf')]

所以只需抓住最后一个元素的第二个索引，那就是你的字符串。这种方法也适用于您的其他示例：

s = "candidates(8,1,0,7,[ev(-875,'C0003501','Aortic Valve','Aortic valve structure',[aortic,valve],[bpoc])])"

mod = ast.parse(s)

[next(ast.iter_fields(node)) for node in ast.walk(mod) if isinstance(node, ast.Name)]
Out[65]: 
[('id', 'candidates'),
 ('id', 'ev'),
 ('id', 'aortic'),
 ('id', 'valve'),
 ('id', 'bpoc')]

您可以使用此方法从该语法树中获取您想要的任何元素。只需使用ast.walk和ast.iter_fields来探索ast.iter_child_nodes的输出。

Answer 2

如果您的数据始终以相同的方式格式化，最快的方法是使用正则表达式（模块re），如果您知道如何。

否则，这是一个非常难看的黑客攻击，你可以尝试解析＆＃34;使用eval的数据。这是一个例子：

eval_globals = {
    "candidates": lambda *args: args,
    "ev": lambda *args: args,
    "aortic": "aortic",
    "valve": "valve",
    "bpoc": "bpoc",
    # Add more of the keywords you need here
}
result = eval(line, eval_globals)

Answer 3

分开[。所以你可以做s.split（'['）[ - 1] .split（']'）[0]其中s是文件中的一行......

如何将元组的字符串转换为python中的列表？

3 个答案: