python - pyparsing - 用千位分隔符解析数字

Question

所以我在制作解析器时，发现了一个问题。事实上，为了解析数字，我有:

from pyparsing import Word, nums
n = Word(nums)

这适用于没有千位分隔符的数字。例如，n.parseString("1000", parseAll=True) 返回 (['1000'], {})，因此有效。

但是，当我添加千位分隔符时它不起作用。事实上，n.parseString("1,000", parseAll=True) 引发了 pyparsing.ParseException: Expected end of text, found ',' (at char 1), (line:1, col :2)。

如何解析带有千位分隔符的数字？我不只是想忽略逗号(例如，n.parseString("1,00", parseAll=True) 应该返回错误，因为它不是数字)。

Answer 1

纯 pyparsing 方法将使用 Combine 来包装一系列代表您在正则表达式中看到的不同字段的 pyparsing 表达式:

import pyparsing as pp

int_with_thousands_separators = pp.Combine(pp.Optional("-") 
                                           + pp.Word(pp.nums, max=3)
                                           + ("," + pp.Word(pp.nums, exact=3))[...])

我发现像这样构建数值表达式会导致解析时间慢得多，因为所有这些单独的部分都是独立解析的，具有多个内部函数和方法调用(这在 Python 中是真正的性能 killer )。因此，您可以使用 Regex 将其替换为表达式:

# more efficient parsing with a Regex
int_with_thousands_separators = pp.Regex(r"-?\d{1,3}(,\d{3})*")

您还可以使用 Jan 发布的代码，并将编译后的正则表达式传递给正则表达式构造函数。

要将解析时转换为 int，请添加一个去除逗号的解析操作。

# add parse action to convert to int, after stripping ','s
int_with_thousands_separators.addParseAction(
    lambda t: int(t[0].replace(",", "")))

我喜欢使用 runTests 来检查像这样的小表达式 - 编写一系列测试字符串很容易，输出显示解析结果或带有解析失败位置的注释输入字符串. (“1,00” 作为故意错误包括在内，以演示 runTests 的错误输出。)

int_with_thousands_separators.runTests("""\
    1
    # invalid value
    1,00
    1,000
    -3,000,100
    """)

如果要解析实数，请添加部分以表示尾随小数点和后面的数字。

real_with_thousands_separators = pp.Combine(pp.Optional("-") 
                                           + pp.Word(pp.nums, max=3)
                                           + ("," + pp.Word(pp.nums, exact=3))[...]
                                           + "." + pp.Word(pp.nums))

# more efficient parsing with a Regex
real_with_thousands_separators = pp.Regex(r"-?\d{1,3}(,\d{3})*\.\d+")

# add parse action to convert to float, after stripping ','s
real_with_thousands_separators.addParseAction(
    lambda t: float(t[0].replace(",", "")))

real_with_thousands_separators.runTests("""\
    # invalid values
    1
    1,00
    1,000
    -3,000,100
    1.

    # valid values
    1.732
    -273.15
    """)