解析未知長度Unicode名稱

Question

我一直在思考這個問題一段時間，我似乎無法找到解決方案。

我正在使用pyparsing來解析包含事件摘要的文本文件。每個文本文件都包含許多事件。每個事件的標題信息幾行後，列出多個人和數據對他們來說，格式如下：

字整數：用戶名（整數字字字）

1. 字是靜態的並且總是相同
2. 整數是任何詮釋
3. 用戶名可以是任何Unicode字符，包括符號，並能還包括空格

我似乎無法建立一個可以處理所有這些可能性的語法。解析奇怪的unicode字符以及空格/符號時，它會陷入困境。下面的例子3是難倒我的東西。

實例：

你好1：-fred，123（100你好堆棧溢出）

你好2：我的名字是布倫特（250你好堆棧溢出）

你好3：AAA + OOO （0你好堆棧溢出）

任何人有任何提示嗎？

編輯：

感謝您的響應。這就像一種魅力，但是當我轉到我的文本文件的下一部分時，我又陷入了同樣的問題。不知道我是否應該開始一個新的問題，或只是添加到這一個。

我現在試圖解析以下多種線路：

用戶名：動作名稱動作細節 用戶名行動

例子：

brent morrow: add 10 to 20 

brent:morrow: walks 

äää + óóó: stands 

brent morrow has returned 

所有動作的名稱和行動細節是靜態的和已知的。

因此，我遇到了一個問題，我無法跳過超出用戶名的文本，因爲它可能是許多不同操作之一。它最終只是打印整個文本文件（或至少它的一個重要部分）。

我絕對難住。基本上，我試圖找出一種方法來向前看，找到如下：

冒號+動作名稱+動作細節

或

空格+行動

...和然後在所有的字符（用戶名）之前。但是action-name/action-details/action可以是預定義操作列表中的許多操作之一。負面看起來，〜，看起來很有希望，但我似乎無法找到解決方案來接受用戶名的所有Unicode字符。

正在解析的文本文件來自我的控制之外的第三方，因此無法找到更具體地構造源文件的方式。

Answer 1

嘗試使用SkipTo（代碼使用了最新的2.1.4 pyparsing功能runtests）：

# -*- coding: utf-8 -*- 

tests = """ 
    # a regular line 
    hello 1: -fred,123 (100 hello stack overflow) 

    # a username with spaces 
    hello 2: my name is brent (250 hello stack overflow) 

    # a username with non-ASCII 
    hello 3: äää + óóó (0 hello stack overflow) 
""" 

from pyparsing import * 

COLON,LPAR,RPAR = map(Suppress, ":()") 
integer = pyparsing_common.integer 

leading = "hello" + integer + COLON 
trailing = LPAR + integer + "hello" + "stack" + "overflow" + RPAR 

strip = lambda t: t[0].strip() 
line = leading + SkipTo(trailing).setParseAction(strip) + trailing 

line.runTests(tests) 

給出：

# a regular line 
hello 1: -fred,123 (100 hello stack overflow) 
['hello', 1, '-fred,123', 100, 'hello', 'stack', 'overflow'] 

# a username with spaces 
hello 2: my name is brent (250 hello stack overflow) 
['hello', 2, 'my name is brent', 250, 'hello', 'stack', 'overflow'] 

# a username with non-ASCII 
hello 3: äää + óóó (0 hello stack overflow) 
['hello', 3, '\xe4\xe4\xe4 + \xf3\xf3\xf3', 0, 'hello', 'stack', 'overflow'] 

練習了OP：結果名稱添加到整數和用戶名，使更容易訪問分析的字段。