Question

我正在尝试为某些文本编写解析器。我究竟做错了什么？考虑以下pyparsing代码

from pyparsing import CaselessLiteral,StringEnd,Suppress,alphanums,alphas,alphas,
Word,ParseException,ParseResults,nums,Group,ZeroOrMore,ParseElement,restOfline,Combine,Optional,Literal,LineEnd
ParseElement.enablePackrat()
import lxml.etree

#define common syntax
delimiter=Supress("->")|Suppress(">")
line_ending=";"
cust_seperator="_"
cust_code=Word(alphanums)
description=Word(alphanums+"~#!@£$%^&*()'-+/{}[]=. ")
limit_state=CaselessLiteral("REACHED")|CaselessLiteral("NOT_REACHED")|CaselessLiteral("RETIRED")


#define grammar for user comment
StringStart=CaselessLiteral("COMMENT")
comment_text=Word(alphanums+"#!@£$%^&*()<>'/{}[]=. ")
usercomment_syntax=(StringStart+delimiter+comment_text+line_ending).setResultsNmae('user_comment')

#define grammar for upperlimit
StringStart=CaselessLiteral("CUSTOMER_LIMIT_REACHED")
cust_code_prefix=Word(alphanums,max=6)
customer_identifier=Combine(cust_code_prefix+Optional(cust_seperator)+cust_code+Optional(description))
customerupperlimit=(StringStart+delimiter+customer_identifier+delimiter+limit_state+line_ending).setResultsNmae('customer_upper_limit')

请考虑以下

评论 - ＆gt;欢迎来到银行;

这传递并且令牌是['评论'，'欢迎银行一'，';']

CUSTOMER_LIMIT_REACHED->1234_A0001 [Harry mop]->NOT_REACHED;

这传递并且令牌是

['CUSTOMER_LIMIT_REACHED'，'1234_A0001 [Harry mop]'，'NOT_REACHED'，';']

但是当＆gt;是在“错误”的地方？

CUSTOMER_LIMIT_REACHED->1234_A0001 [Sally >12 top]->NOT_REACHED;

这对我来说似乎不适用于＆gt;在描述中导致错误。所以重新定义这样的描述

description = Word（alphanums +“〜＃！@£$％^＆amp; *（）' - + / {} [] =。＆gt;”）

应该有效，但它会破坏注释语法。我只想要分隔符 - ＆gt;被视为一个

考虑一下我不认为

delimiter=Suppress("->")| Suppress(">")

肯定我只需要

delimiter=Suppress("->")

谢谢，@保罗。我试过你的建议。

description = Combine(OneOrMore(Word(alphanums+"~#!@£$%^&*()'+/{}[]=. >") + ('-' + ~FollowedBy('>'))))

我不知道我输错了什么，但打破连字符证明有点棘手

CUSTOMER_LIMIT_REACHED->1234_A0001 [Harry-mop]->NOT_REACHED;

现在失败了，如果我是对的，我相信

（' - '+〜FollowedBy（'＆gt;'）   期望在单词之后出现连字符（ - ），因为它必须如此，所以

CUSTOMER_LIMIT_REACHED-＆gt; 1234_A0001 [Harry-mop] - ＆gt; NOT_REACHED;   但失败了   CUSTOMER_LIMIT_REACHED-＆gt; 1234_A0001 [Harry-mop] - ＆gt; NOT_REACHED;   通行证。

经过一些实验后我稍微调整了答案

description = Combine(OneOrMore(Word(alphanums+"~#!@£$%^&*()'+/{}[]=. >") + Optional('-' + ~FollowedBy('>'))))

感谢让我走上正确的道路

Answer 1

是的，问题在于

description=Word(alphanums+"~#!@£$%^&*()'-+/{}[]=. ")

如果您添加＆＃39;＆gt;＆＃39;对于description中的这组允许字符，pyparsing将无法区分＆＃39; - ＆gt;＆＃39;这是描述与＆＃39; - ＆gt;＆＃39;的一部分。这是分隔符（因为＆＃39; - ＆＃39;＆＃39;＆gt;＆＃39;包含在允许的字符集中）。

你需要实施一个消极的前瞻，以便＆＃39; - ＆＃39;或者＆＃39;＆gt;＆＃39;单独将是可接受的描述内容。但是，在Word的令牌构建中，没有办法做到这一点。你需要突破＆＃39; - ＆＃39; （作为＆＃39; - ＆gt;＆＃39;）中的主角作为一个单独的东西。

description = (OneOrMore(Word(alphanums+"~#!@£$%^&*()'+/{}[]=. >") + 
                  ('-' + ~FollowedBy('>'))))

将整个事物包含在一个Combine中，以便pyparsing不会为此描述的单独位提供单独的字符串：

description = Combine(OneOrMore(Word(alphanums+"~#!@£$%^&*()'+/{}[]=. >") + 
                  ('-' + ~FollowedBy('>'))))

此时，delimiter = Suppress('->')就足够了。

使用pyparsing

1 个答案: