Question

我尝试使用Pyparsing将aaa:bbb(123)之类的字符串拆分为令牌。

我可以使用正则表达式执行此操作，但我需要通过Pyparsing来完成。

使用re解决方案将如下所示：

>>> import re
>>> string = 'aaa:bbb(123)'
>>> regex = '(\S+):(\S+)\((\d+)\)'
>>> re.match(regex, string).groups()
('aaa', 'bbb', '123')

这很简单。这里的关键点是\S+，这意味着＆＃34;除了空格之外的所有内容＆＃34;。

现在我将尝试使用Pyparsing：

>>> from pyparsing import Word, Suppress, nums, printables
>>> expr = (
...     Word(printables, excludeChars=':')
...     + Suppress(':')
...     + Word(printables, excludeChars='(')
...     + Suppress('(')
...     + Word(nums)
...     + Suppress(')')
... )
>>> expr.parseString(string).asList()
['aaa', 'bbb', '123']

好的，我们得到了相同的结果，但这看起来并不好。我们已设置excludeChars以使Pyparsing表达式停在我们需要的位置，但这看起来并不健全。如果我们将＆＃34;排除＆＃34;源字符串中的字符，相同的正则表达式将正常工作：

>>> string = 'a:aa:b(bb(123)'
>>> re.match(regex, string).groups()
('a:aa', 'b(bb', '123')

而Pyparsing异常显然会破坏：

>>> expr.parseString(string).asList()
Traceback (most recent call last):
  File "<input>", line 1, in <module>
  File "/long/path/to/pyparsing.py", line 1111, in parseString
    raise exc
ParseException: Expected W:(0123...) (at char 7), (line:1, col:8)

那么，问题是我们如何通过Pyparsing实现所需的逻辑？

Answer 1

与正则表达式不同，pyparsing纯粹是从左到右的搜索，没有隐含的前瞻。

如果您想要正则表达式的前瞻和回溯，您可以使用包含原始版本的正则表达式：

expr = Regex(r"(\S+):(\S+)\((\d+)\)")
print expr.parseString(string).dump()

['aaa:b(bb(123)']

但是，我发现这只会将整个匹配作为单个字符串返回。如果您希望能够访问各个组，则必须将它们定义为命名组：

expr = Regex(r"(?P<field1>\S+):(?P<field2>\S+)\((?P<field3>\d+)\)")
print expr.parseString(string).dump()

['aaa:b(bb(123)']
- field1: aaa
- field2: b(bb
- field3: 123

这告诉我，一个好的增强功能是将一个构造函数arg添加到Regex，以将结果作为所有re组的列表而不是字符串返回。

Answer 2

使用具有先行断言的正则表达式：

from pyparsing import Word, Suppress, Regex, nums, printables

expr = (
     Word(printables, excludeChars=':')
     + Suppress(':')
     + Regex(r'\S+[^\(](?=\()')
     + Suppress('(')
     + Word(nums)
     + Suppress(')')
 )

Pyparsing中的贪婪表达

2 个答案: