Question

尝试解析多行文档中的多个选择。想要捕获每个关键字之间的所有行。这是一个示例：

Keyword 1: CAPTURE THIS TEXT
Keyword 2: CAPTURE THIS TEXT

Keyword 3:
CAPTURE THIS TEXT
CAPTURE THIS TEXT
CAPTURE THIS TEXT

Keyword 4

我可能也有

Keyword 1: CAPTURE THIS TEXT
           CAPTURE THIS TEXT
Keyword 2: CAPTURE THIS TEXT

Keyword 3:
CAPTURE THIS TEXT
CAPTURE THIS TEXT
CAPTURE THIS TEXT
CAPTURE THIS TEXT

Keyword 4

我的代码看起来像

from pyparsing import *

EOL = LineEnd().suppress()
line = OneOrMore(Group(SkipTo(LineEnd()) + EOL))

KEYWORD_CAPTURE_AREA = Keyword("Keyword 1:").suppress() + line + Keyword("Keyword 2:").suppress() + line \
                    + Keyword("Keyword 3:").suppress() + line + Keyword("Keyword 4").suppress()

如果我的结果跨越多行，当前方法将不会返回任何结果。假设对此应该有一个简单的解决方案-只是没有找到它。

Answer 1

使用pyparsing进行学习的概念是，每个子表达式都独立运行，而不知道任何包含或跟随的表达式。因此，当您的line要匹配一个或多个“跳至当前行的末尾”时，它不知道看到下一个“关键字”字符串时就应该停止，因此可预测地读取为字符串的结尾。然后，当解析器继续查找“关键字2”时，它已经远远超过了这一点，因此引发了异常。

您需要告诉OneOrMore，如果它在行的开头找到了“关键字”，则它应该停止解析，即使它通常与重复的表达式匹配也是如此。如果在行的开头发现了一个合理的检测到块末的可能是单词“关键字”。（您可以使其更详细并匹配"Keyword" + integer + ":"以使其真正地防弹。）让我们将其称为“ start_of_block_marker”：

start_of_block_marker = LineStart() + "Keyword"

要告诉OneOrMore这表明其重复停止条件，请将此表达式作为stopOn参数传递：

line = OneOrMore(Group(SkipTo(LineEnd()) + EOL), 
                 stopOn=LineStart() + "Keyword")

现在，这将解析您的所有字符串，但是当我认为您确实希望将所有子字符串归为一个组时，您将在OneOrMore中进行分组。此外，介于2和3之间的空白行会创建一个额外的空行。这是line的改进版本：

line = Optional(EOL) + Group(OneOrMore(SkipTo(LineEnd()) + EOL,
                             stopOn=LineStart() + "Keyword"))

我将您的两个测试字符串放在列表中，然后将其用作runTests()的参数：

text1 = """\
Keyword 1: CAPTURE THIS TEXT
           CAPTURE THIS TEXT
Keyword 2: CAPTURE THIS TEXT

Keyword 3:
CAPTURE THIS TEXT
CAPTURE THIS TEXT
CAPTURE THIS TEXT
CAPTURE THIS TEXT

Keyword 4"""

text2 = """\
Keyword 1: CAPTURE THIS TEXT
Keyword 2: CAPTURE THIS TEXT

Keyword 3:
CAPTURE THIS TEXT
CAPTURE THIS TEXT
CAPTURE THIS TEXT

Keyword 4
"""
KEYWORD_CAPTURE_AREA.runTests(tests)

打印哪个（回显每个测试，然后打印解析的结果）：

Keyword 1: CAPTURE THIS TEXT
           CAPTURE THIS TEXT
Keyword 2: CAPTURE THIS TEXT

Keyword 3:
CAPTURE THIS TEXT
CAPTURE THIS TEXT
CAPTURE THIS TEXT
CAPTURE THIS TEXT

Keyword 4
[['CAPTURE THIS TEXT', 'CAPTURE THIS TEXT'], ['CAPTURE THIS TEXT'], ['CAPTURE THIS TEXT', 'CAPTURE THIS TEXT', 'CAPTURE THIS TEXT', 'CAPTURE THIS TEXT']]
[0]:
  ['CAPTURE THIS TEXT', 'CAPTURE THIS TEXT']
[1]:
  ['CAPTURE THIS TEXT']
[2]:
  ['CAPTURE THIS TEXT', 'CAPTURE THIS TEXT', 'CAPTURE THIS TEXT', 'CAPTURE THIS TEXT']


Keyword 1: CAPTURE THIS TEXT
Keyword 2: CAPTURE THIS TEXT

Keyword 3:
CAPTURE THIS TEXT
CAPTURE THIS TEXT
CAPTURE THIS TEXT

Keyword 4

[['CAPTURE THIS TEXT'], ['CAPTURE THIS TEXT'], ['CAPTURE THIS TEXT', 'CAPTURE THIS TEXT', 'CAPTURE THIS TEXT']]
[0]:
  ['CAPTURE THIS TEXT']
[1]:
  ['CAPTURE THIS TEXT']
[2]:
  ['CAPTURE THIS TEXT', 'CAPTURE THIS TEXT', 'CAPTURE THIS TEXT']

如果结果有错误，runTests()将显示问题行和位置，并提供pyparsing错误消息。

Answer 2

是否必须为pyparsing？

如果没有，则可以使用拆分，例如

f = open('sample.txt')
values = []
for text in f.read().split('Keyword '):
    values.append(text[2:])
print(values)

>> ['', ' CAPTURE THIS TEXT\n           CAPTURE THIS TEXT\n', ' CAPTURE THIS TEXT\n\n', '\nCAPTURE THIS TEXT\nCAPTURE THIS TEXT\nCAPTURE THIS TEXT\nCAPTURE THIS TEXT\n\n', '']

使用pyparsing捕获多行块

2 个答案: