python - 使用 pyparsing 解析行数据直到关键字

Question

我正在尝试解析行数据，然后将它们分组到列表中。

这是我的脚本:

from pyparsing import *

data = """START
line 2
line 3
line 4
END
START
line a
line b
line c
END
"""

EOL = LineEnd().suppress()
start = Keyword('START').suppress() + EOL
end = Keyword('END').suppress() + EOL

line = SkipTo(LineEnd()) + EOL
lines = start + OneOrMore(start | end | Group(line))

start.setDebug()
end.setDebug()
line.setDebug()

result = lines.parseString(data)
results_list = result.asList()

print(results_list)

此代码的灵感来自另一个 stackoverflow 问题: Matching nonempty lines with pyparsing

我需要的是逐行解析从 START 到 END 的所有内容，并将其保存到每组的列表中(从 START 到匹配的 END 的所有内容都是一组)。但是这个脚本将每一行都放在新组中。

这是结果:

[['line 2'], ['line 3'], ['line 4'], ['line a'], ['line b'], ['line c'], ['']]

我希望它是:

[['line 2', 'line 3', 'line 4'], ['line a', 'line b', 'line c']]

最后它还会解析一个空字符串。

我是一个 pyparsing 初学者，所以我请求你的帮助。

谢谢

Answer 1

您可以使用 nestedExpr 来查找由 START 和 END 分隔的文本。

如果你使用

In [322]: pp.nestedExpr('START', 'END').searchString(data).asList()
Out[322]: 
[[['line', '2', 'line', '3', 'line', '4']],
 [['line', 'a', 'line', 'b', 'line', 'c']]]

然后文本在空白处被分割。 (请注意，在我们想要 'line 2' 的位置上方有 'line', '2')。我们宁愿它只在 '\n' 上拆分。所以要解决这个问题，我们可以使用 pp.nestedExpr 函数的 content 参数，它允许我们控制嵌套列表中的项目。nestedExpr 的源代码定义

content = (Combine(OneOrMore(~ignoreExpr + 
                ~Literal(opener) + ~Literal(closer) +
                CharsNotIn(ParserElement.DEFAULT_WHITE_CHARS,exact=1))
            ).setParseAction(lambda t:t[0].strip()))

默认情况下，pp.ParserElement.DEFAULT_WHITE_CHARS 是

In [324]: pp.ParserElement.DEFAULT_WHITE_CHARS
Out[324]: ' \n\t\r'

这就是导致 nextExpr 在所有空白处拆分的原因。因此，如果我们将其简化为 '\n'，则 nestedExpr 会将内容拆分为行而不是所有空格。

---

import pyparsing as pp

data = """START
line 2
line 3
line 4
END
START
line a
line b
line c
END
"""

opener = 'START'
closer = 'END'
content = pp.Combine(pp.OneOrMore(~pp.Literal(opener) 
                                  + ~pp.Literal(closer) 
                                  + pp.CharsNotIn('\n',exact=1)))
expr = pp.nestedExpr(opener, closer, content=content)

result = [item[0] for item in expr.searchString(data).asList()]
print(result)

产量

[['line 2', 'line 3', 'line 4'], ['line a', 'line b', 'line c']]