Question

我正在为基于文本的序列比对/映射（SAM）文件编写解析器。其中一个字段是键值对的串联列表，包括单个字母字符和整数（整数首先出现）。我有工作代码，但感觉有点笨重。解析像这样的格式有什么优雅的模式？感谢。

输入：

record['cigar_str'] = '6M1I69M1D34M'

期望的输出：

record['cigar'] = [
    {'type':'M', 'length':6},
    {'type':'I', 'length':1},
    {'type':'M', 'length':69},
    {'type':'D', 'length':1},
    {'type':'M', 'length':34}
]

编辑：我目前的做法

cigarettes = re.findall('[\d]{0,}[A-Z]{1}', record['cigar_str'])
for cigarette in cigarettes:
    if cigarette[-1] == 'I':
        errors['ins'] += int(cigarette[:-1])
    ...

Answer 1

这就是我要做的事情：

>>> import re
>>> s = '6M1I69M1D34M'
>>> matches = re.findall(r'(\d+)([A-Z]{1})', s)
>>> import pprint
>>> pprint.pprint([{'type':m[1], 'length':int(m[0])} for m in matches])
[{'length': 6, 'type': 'M'},
 {'length': 1, 'type': 'I'},
 {'length': 69, 'type': 'M'},
 {'length': 1, 'type': 'D'},
 {'length': 34, 'type': 'M'}]

它与您拥有的非常相似，但它使用正则表达式组来梳理匹配的各个组成部分。

优雅解析基于文本的键值列表

1 个答案: