在Python中解析行：使用RE還是不行？

Question

我是一名Perl程序員，他嘗試通過完成我之前完成的一些工作來學習Python，並將其轉換爲Python。這是不是一行一行的翻譯。我想學習Python技術來完成這種類型的任務。

我正在解析Windows INI文件。部分名的格式爲：

[<type> <description>] 

的<type>是一個字的字段，並且不區分大小寫。 <description>可能是多個單詞。

段落後，有一堆參數和值。這些都是形式：

<parameter> = <value> 

參數沒有空格，只能包含下劃線，字母和數字（不區分大小寫）。因此，第一個=是參數和值之間的分隔符。在等號周圍可能會有空格分隔參數和值。行首或行尾可能會有額外的空白。

在Perl中，我用正則表達式解析：

while (my $line = <CONTROL_FILE>) { 
    chomp($line); 
    next if ($line =~ /^\s*[#;']/);  #Comments start with "#", ";", or "'" 
    next if ($line =~ /^\s*$/);   #Ignore blank lines 

    if ($line =~ /^\s*\[\s*(\w+)\s+(.*)/) { #Section 
     say "This is a '$1' section called '$2'"; 
    } 
    elsif ($line =~ /^\s*(\w+)\s*=\s*(.*)/) { #Parameter 
     say "Parameter is '$1' with a value of '$2'"; 
    } 
    else {  #Not Comment, Section, or Parameter 
     say "Invalid line"; 
    } 

} 

的問題是，我已經被Perl損壞，所以我覺得做一些最簡單的方法是使用正則表達式。下面的代碼我到目前爲止...

for line in file_handle: 
    line = line.strip 

    # Comment lines and blank lines 
    if line.find("#") == 1 \ 
      or line.find(";") == 1 \ 
      or line.whitespace: 
     continue 

    # Found a Section Heading 
    if line.find("[") == 1: 
     print "I want to use a regular expression here" 
     print "to split the section up into two pieces" 
    elif line.find("=") != -1: 
     print "I want to use a regular expression here" 
     print "to split the parameter into key and value" 
    else 
     print "Invalid Line" 

有幾件事情，在這裏激怒我：

• 有兩個地方，一個正則表達式似乎只是被呼叫使用。什麼是Python分裂的方式？
• 我確保去掉字符串兩邊的空白區域，然後重寫字符串。這樣，我不必多次進行剝離。但是，我正在重寫字符串，我知道這是Python中非常低效的操作。什麼是Python的方式來處理這個問題？
• 最後，我的算法看起來非常像我的Perl算法，這似乎說我讓我的Perl思維成爲現實。我的代碼應該如何在Python中構造？

我一直在閱讀各種在線教程，他們幫助我理解語法，但在處理語言本身方面卻沒有太多 - 尤其是那些傾向於在另一種語言中思考的人語言。

我的問題：

• 我應該使用正則表達式？或者，還有另一種更好的方法來處理這個問題嗎？
• 我的編碼邏輯是否正確？我應該如何考慮解析這個文件？

Answer 1

雖然我不認爲這是你的意圖，但文件格式看起來與Python的內置ConfigParser模塊非常相似。有時最爲「Pythonic」的方式已經爲您提供。 （：

更直接回答你的問題：正則表達式可以做到這一點的好辦法，否則，你可以嘗試更基本的（和不太可靠）

(parameter, value) = line.split('=') 

這將拋出一個錯誤如果線路不包含或超過一個「=」字符您可能希望與'=' in line首先測試它

。另外：

line.find("[") == 1 

可能是更好通過

line.startswith("[") 

。希望helpls一點（改爲：

Answer 2

Python包括一個ini parsing library。如果您想構建一個庫來解析ini文件，那麼您正在查看實際的解析器。正則表達式不會削減它，使用PLY或掛鉤在flex/bison C語法分析器中。Additional python parsing resources are available as well。

詞庫處理所有的文本消費和樹的構造，因爲它是一個容易出現程序員錯誤的機械任務。 I.E.此部分：

while (my $line = <CONTROL_FILE>) { 
    chomp($line); 
    next if ($line =~ /^\s*[#;']/);  #Comments start with "#", ";", or "'" 
    next if ($line =~ /^\s*$/);   #Ignore blank lines 

    if ($line =~ /^\s*\[\s*(\w+)\s+(.*)/) { #Section 
     say "This is a '$1' section called '$2'"; 
    } 
    elsif ($line =~ /^\s*(\w+)\s*=\s*(.*)/) { #Parameter 
     say "Parameter is '$1' with a value of '$2'"; 
    } 
    else {  #Not Comment, Section, or Parameter 
     say "Invalid line"; 
    } 

} 

由詞法分析器創建，您只需要定義正確的正則表達式。解析器從詞法分析器中提取令牌，並確定它們是否符合允許的令牌模式。即：

[<type> <description>] 
<parameter> = <value> 

定義這些令牌，然後如何允許擬合。其他一切只是把自己放在一起。對於那些認爲你可以在快速循環和一些正則表達式中做得更好的人，我建議你閱讀Lex & Yacc, 2nd Ed.

對於我用PLY編寫的示例解析器，go here。它分析一個「jetLetter」文件，它只是一個方言groff/troff。

Answer 3

是，通過各種手段使用正則表達式在這種情況下。您嘗試解析的.INI文件行的語法在數學上符合喬姆斯基3型（常規）語法的特徵，這正是正則表達式旨在解析的東西。

您所需要的正則表達式（從我的頭頂，未經測試）類似：

r"^\[\s*(\w)\s+(.*)\]$" 

和

r"^(\w)\s*\=\s*(.*)$" 

使用re.search，並在返回的Match objects，可以提取這些組對應於表達式中的括號分組。