python - 在 Python 中进行文本处理时遇到问题

Question

我遇到了一种奇怪的语法，我试图将其强制转换为对 python 更友好的语法。

给定这样的结构:

s = "a1{b2{a3|b3}c2{d3|e3}e2{a4}}b1{a6|b7}"

处理完文本后，您应该得到:

data == {
    'a1': {
        'b2': ['a3', 'b3'],
        'c2': ['d3', 'e3'],
        'e2': 'a4'},
    'b1': ['a6', 'b7']
}

我正在努力解决这个问题，并且希望获得一些有关如何正确解析此问题的帮助。显然这个例子只是一个例子，但是“|”、“{”、“}”的标记是正确的分割符。

def parse_tree_to_dict(data):

    level, word, key, tree = 0, "", "", []
    index_tree = []
    result = {}

    for letter in data:
        if letter == "|":
            print("{0} {1} {2}".format(" "*level, "|", word))
            tree.append(word)
            word = ""
        elif letter == "{":
            print("{0} {1} {2}".format(" "*level, "{", word))
            key = word
            index_tree.append(key)
            word = ""
            level += 1
        elif letter == "}":
            print("{0} {1} {2}".format(" "*level, "}", word))
            key = key if key else word
            result[key] = tree if len(tree) else word
            try:
                result = result[index_tree.index(key)-1]
            except (KeyError, IndexError):
                pass
            level -= 1
        else:
            word += letter
    return result

if __name__ == "__main__":

    s = "a1{b2{a3|b3}c2{d3|e3}e2{a4}}b1{a6|b7}"
    data = parse_tree_to_dict(s)
    assert data == {
        'a1': {
            'b2': ['a3', 'b3'],
            'c2': ['d3', 'e3'],
            'e2': 'a4'},
        'b1': ['a6', 'b7']
    }, "Nice try.. {} is wrong".format(data)

Answer 1

在这种情况下，您确实需要一个完整的解析器生成器来为您完成工作。 Python 有无数的解析器(即在 Python 中使用，而不是解析 Python 代码)，但遗憾的是，标准库中没有任何解析器。我对其中任何一个都没有太多经验，但绝对值得一试:如果可以避免的话，解析就不是临时要做的事情。 (参见https://wiki.python.org/moin/LanguageParsing。)

如果做不到这一点，您应该考虑编写一个递归下降解析器。除非我错过了我的猜测，否则您的语法可以轻松地在没有左递归的情况下制定，从而使递归下降解析器易于编写。解析器中的每个术语函数都会返回一个数据对象，供调用它的术语函数使用。不太困难，而且它的优点是不需要单独的标记化过程。