Question

不太确定正确的标题是什么。

我有一个具有2个输入def color_matching(color_old, color_new)的函数。此函数应检查两个参数中的字符串，如果有命中，则分配一个新字符串。

def color_matching(color_old, color_new):
    if ('<color: none' in color_old):
            color_old = "NoHighlightColor"
    elif ('<color: none' in color_new):
            color_new = "NoHighlightColor"

等等。问题是每个参数都可以与14个不同类别中的1个进行匹配（“ NoHighlightColor”是其中之一）。我敢肯定，比对每个映射重复执行if语句28次更好的方法是这样做的，但是我正在绘制空白。

Answer 1

您可以首先解析您的输入参数，例如，例如：
old_color='<color: none attr:ham>'
您可以解析它以仅获取所需的相关属性的值：
_old_color=old_color.split(':')[1].split()[0]
这样_old_color='none'

然后，您可以使用{'none':'NoHighlightColor'}字典，将其命名为colors_dict
old_color=colors_dict.get(_old_color, old_color)

这样，如果_old_color作为字典中的键存在，old_color将获得该键的值，否则，old_color将保持不变

因此，您的最终代码应类似于以下内容：

def color_matching(color_old, color_new):
    """ Assuming you've predefined colros_dict """
    # Parsing to get both colors
    _old_color=old_color.split(':')[1].split()[0]
    _new_color=new_color.split(':')[1].split()[0]
    # Checking if the first one is a hit
    _result_color = colors_dict.get(_old_color, None)
    # If it was a hit (not None) then assign it to the first argument
    if _result_color:
            color_old = _result_color
    else:
        color_new = colors_dict.get(_color_new, color_new)

Answer 2

您可以将条件替换为数据结构：

databuild <-function() {
        allonew <<- data.frame(Contract.Number=character(), Contract.Receipt.Point=character(),Contract.Delivery.Point=character(),Contract.Volumes.Mdthd=numeric())
        allorow <- data.frame(Contract.Number=character(), Contract.Receipt.Point=character(),Contract.Delivery.Point=character(),Contract.Volumes.Mdthd=numeric())
        deliveryct <<- 1
        receipt.vols <- numeric()
        receipt.vols <- c(200,310,100,40)
        receipt.name <<- c("rtest1", "rtest2", "rtest3", "rtest4")
        delivery.name <<- c("dtest1","dtest2")
        contract <<- 1260
        r.count <-length(receipt.vols)
        contract.receipt.vols <<- receipt.vols[!is.na(receipt.vols)]
        rec.sum <<- sum(receipt.vols)
        contract.vols.sum <-rec.sum*2
            delivery.vols <- c(500,150)
        d.count <-length(delivery.vols)
        contract.delivery.vols <<- delivery.vols[!is.na(delivery.vols)]
        receipt.vols <- receipt.vols[receiptct]
        delivery.vols <- delivery.vols[deliveryct]
        browser()
            while(contract.vols.sum/rec.sum !=1) {
              if(receipt.vols == delivery.vols) {
                    while(receipt.vols == delivery.vols)  {
                        contract.vols <-min(receipt.vols,delivery.vols)
                        contract.vols.sum <- contract.vols.sum - contract.vols
                        allorow <- as.data.frame(t(c(contract[1],receipt.name[receiptct],delivery.name[deliveryct],contract.vols)))
                        colnames(allorow) <- colnames(allonew)
                        allonew <-rbind(allonew,allorow)
                        deliveryct <-deliveryct + 1
                        receiptct <- receiptct + 1
                          if(receiptct > r.count) {
                          break
                        }  
                        delivery.vols <- contract.delivery.vols[deliveryct]
                        receipt.vols <- contract.receipt.vols[receiptct] 
                        }
                } else if(receipt.vols < delivery.vols) {
                        while(receipt.vols < delivery.vols) {
                            contract.vols <- min(receipt.vols,delivery.vols)
                            delivery.vols <- delivery.vols - contract.vols
                            contract.vols.sum <- contract.vols.sum - contract.vols
                            allorow <- as.data.frame(t(c(contract[1],receipt.name[receiptct],delivery.name[deliveryct],contract.vols)))
                            colnames(allorow) <- colnames(allonew)
                            allonew <-rbind(allonew,allorow)
                            receiptct <- receiptct + 1
                            receipt.vols <- contract.receipt.vols[receiptct]
                    }
                } else if(receipt.vols > delivery.vols) {
                        while(receipt.vols > delivery.vols) {
                            contract.vols <-min(receipt.vols,delivery.vols)
                            receipt.vols <- receipt.vols- contract.vols
                            contract.vols.sum <- contract.vols.sum - contract.vols
                            allorow <- as.data.frame(t(c(contract[1],receipt.name[receiptct],delivery.name[deliveryct],contract.vols)),stringsAsFactors = FALSE)
                                colnames(allorow) <- colnames(allonew)
                            allonew <-rbind(allonew,allorow)
                            deliveryct <- deliveryct + 1
                            delivery.vols <- contract.delivery.vols[deliveryct]
                        }
                } else next

            }
    allonew <<- allonew

但是您似乎遇到了一个问题，要求您尝试识别的格式具有正确的解析器。

您可以通过简单的字符串操作（例如def match(color): matches = {'<color: none': 'NoHighlightColor', ... } for substring, ret in matches.iteritems(): if substring in color: return ret

）来构建一个

您也许可以使用大量的正则表达式来破解它。

或者使用由this one之类的库生成的功能强大的解析器

有条件地修改多个变量

2 个答案: