Python:使用正则表达式捕获数据

Question

我想请求你的帮助。

我有一大段数据，如下所示:

     a
  b : c 901
   d : e sda
 v
     w : x ads
  any
   abc : def 12132
   ghi : jkl dasf
  mno : pqr fas
   stu : vwx utu

描述:文件以包含单个单词的行开始(可以以空格开头，空格也可以在单词后面)，然后是由冒号分隔的属性行(也可以有空格) ，然后再次是属性行或单个单词行。我无法创建正确的正则表达式来以这种形式捕获它:

{
  "a": [["b": "c 901"], ["d", "e sda"]],
  "v": [["w", "x ads"]],
  "any": ["abc", "def 12132"], ["ghi", "jkl dasf"],
  # etc.
}

这是我尝试过的:

regex = str()
regex += "^(?:(?:\\s*)(.*?)(?:\\s*))$",
regex += "(?:(?:^(?:\\s*)(.*?)(?:\\s*):(?:\\s*)(.*?)(?:\\s*))$)*$"
pattern = re.compile(regex, re.S | re.M)

但是，它没有找到我需要的东西。你可以帮帮我吗？我知道我可以在没有正则表达式的情况下处理文件，使用逐行迭代器并检查“:”符号，但是文件太大，无法以这种方式处理它(如果您知道如何在没有正则表达式的情况下快速处理它，这也将是正确答案，但首先想到的太慢)。

提前致谢!

附注文件的规范形式如下所示:

a
  b : c 901
  d : e sda

每个部分都以一个单词开始，然后是属性行(在两个空格之后)，属性用(“:”)分隔，然后是属性行或带有单个单词的行。禁止使用其他空格。也许会更容易。

Answer 1

这里真的有必要使用正则表达式吗？试试这个伪代码:

result = {}

last = None
for _line in data:
    line = _line.strip( ).split( ":" )
    if len( line ) == 1:
        last = line[ 0 ]
        if last not in result:
            result[ last ] = []
    elif len( line ) == 2:
        obj = [ line[ 0 ].strip( ), line[ 1 ].strip( ) ]
        result[ last ].append( obj )

我希望我正确理解你的数据结构。