解析冒號分隔數據

我有以下的文本塊：解析冒號分隔數據

string = """ 
    apples: 20 
    oranges: 30 
    ripe: yes 
    farmers: 
      elmer fudd 
        lives in tv 
      farmer ted 
        lives close 
      farmer bill 
        lives far 
    selling: yes 
    veggies: 
      carrots 
      potatoes 
    """

我試圖找到一個很好的正則表達式，讓我來分析出鍵值。我可以像搶單行鍵值：

'(.+?):\s(.+?)\n'

然而，問題是當我打的農民，或蔬菜。

使用重標誌，我需要做的是這樣的：

re.findall('(.+?):\s(.+?)\n', string, re.S),

不過，我有一個時間搶佔了所有與農民有關的值的挫折感。

在每個值之後有一個換行符，當它們是多行時，它們之前有一個製表符或一系列製表符。

和目標是有這樣的：

{ 'apples': 20, 'farmers': ['elmer fudd', 'farmer ted'] }

等

預先感謝您的幫助。

來源

2013-10-15 user2152283

'生活在電視'部分重要嗎？你沒有在你想要的輸出中提到它。 –

這種方法如何：將新行存儲爲'x'，分步遍歷每行，並用''：''分隔。如果第二部分不是空的，則將這兩對作爲鍵和值添加到字典中，並從'x'中彈出該行;接下來，您將只剩下一個鍵列表（帶有'：'），而其他所有內容都會列在該鍵的列表中。運行修剪過的'x'並將剩下的添加到字典中。 –

爲什麼「住在電視機裏」的規則最終不在列表中？或者，「農民法案」呢？ – abarnert

這裏是一個非常愚蠢的解析器，考慮到你的（明顯）縮進規則：

def parse(s): 
    d = {} 
    lastkey = None 
    for fullline in s: 
     line = fullline.strip() 
     if not line: 
      pass 
     elif ':' not in line: 
      indent = len(fullline) - len(fullline.lstrip()) 
      if lastindent is None: 
       lastindent = indent 
      if lastindent == indent: 
       lastval.append(line) 
     else: 
      if lastkey: 
       d[lastkey] = lastval 
       lastkey = None 
      if line.endswith(':'): 
       lastkey, lastval, lastindent = key, [], None 
      else: 
       key, _, value = line.partition(':') 
       d[key] = value.strip() 
    if lastkey: 
     d[lastkey] = lastval 
     lastkey = None 
    return d 

import pprint 
pprint(parse(string.splitlines()))

輸出結果爲：

{'apples': '20', 
'oranges': '30', 
'ripe': ['elmer fudd', 'farmer ted', 'farmer bill'], 
'selling': ['carrots', 'potatoes']}

我覺得這已經夠複雜了，它看上去就像一個明確的狀態機清洗劑，但我想在任何新手能理解的術語來寫這個。

來源

2013-10-15 23:37:44 abarnert

謝謝，這是一個非常乾淨的解決方案。我最初試圖用正則表達式來解決這個問題，但是也許這個正則表達式不值得付出努力，而且會帶來更多的複雜性。 – user2152283

@ user2152283：每當我無法弄清楚如何用正則表達式做某些事情（即使我確定它是一種我正在嘗試解析的常規語言），我會退後一步，嘗試以另一種方式寫它。有時候，我可以在潛意識中找出正則表達式;有時這意味着我最終得到了一個基於非正則表達式但可讀的解析器;有時候我最終會向自己證明語言不規律，甚至是語境敏感，我將需要更復雜的東西......但無論如何，這是一場勝利。 – abarnert

你可能會看PyYAML，這個文本非常接近，如果不是真正有效的YAML。

來源

2013-10-15 22:46:43

這很接近，但我相信「農民」會結束一個長串 - 這不是一個清單...... –

或者可能拋出一個解析錯誤。 –

如果可以抓取這些值，我可以用換行符分割並構建列表。然而，試圖找出如何最好地抓住價值。 – user2152283

這裏是做一個完全愚蠢的方式：

import collections 


string = """ 
    apples: 20 
    oranges: 30 
    ripe: yes 
    farmers: 
      elmer fudd 
        lives in tv 
      farmer ted 
        lives close 
      farmer bill 
        lives far 
    selling: yes 
    veggies: 
      carrots 
      potatoes 
    """ 


def funky_parse(inval): 
    lines = inval.split("\n") 
    items = collections.defaultdict(list) 
    at_val = False 
    key = '' 
    val = '' 
    last_indent = 0 
    for j, line in enumerate(lines): 
     indent = len(line) - len(line.lstrip()) 
     if j != 0 and at_val and indent > last_indent > 4: 
      continue 
     if j != 0 and ":" in line: 
      if val: 
       items[key].append(val.strip()) 
      at_val = False 
      key = '' 
     line = line.lstrip() 
     for i, c in enumerate(line, 1): 
      if at_val: 
       val += c 
      else: 
       key += c 
      if c == ':': 
       at_val = True 
      if i == len(line) and at_val and val: 
       items[key].append(val.strip()) 
       val = '' 
     last_indent = indent 

    return items 

print dict(funky_parse(string))

輸出

{'farmers:': ['elmer fudd', 'farmer ted', 'farmer bill'], 'apples:': ['20'], 'veggies:': ['carrots', 'potatoes'], 'ripe:': ['yes'], 'oranges:': ['30'], 'selling:': ['yes']}

來源

2013-10-15 23:16:15 sberry

謝謝，這個解決方案也適用。 – user2152283

解析冒號分隔數據

回答

相關問題