我必须解析具有嵌套结构的文档。

它包含具有标题以及一对键和值的部分。

txt_1 = '''
header1:
  key1: 1a
  key2: 2b
'''

txt_2 = '''
section1:
  key1: 1a

section2:
  key2: 2b
  key3: 3c
'''


我在pyparsing中编写了简单的语法,该语法与简单的文档(只有一个部分)可以很好地工作,但是当我尝试用空行分隔多个部分的文档时,语法将失败。

HEADER = (
    (
        Word(alphanums)
        + Suppress(Literal(':'))
    ).setResultsName('header')
)
PARAM = Word(alphanums).setResultsName('param')
VALUE = Word(alphanums).setResultsName('value')

LINE = (
    Group(
        PARAM
        + Suppress(Literal(':'))
        + VALUE
    )
)

LINES = (
    OneOrMore(
        LINE
    )
).setResultsName('body')

SECTION = (
    Group(
        HEADER
        + LINES
    )
    .setResultsName('section')
)

GRAMMAR = OneOrMore(SECTION).setResultsName('section')

GRAMMAR.parseString(txt).asList()


对于txt_1,它可以正常工作,但是对于txt_2,它具有两个用空行分开的部分,将第2部分的部分视为第1部分。

[['section1', ['key1', '1a'], ['section2', 'key2']]]


我尝试了以下令牌使用其他方法,但没有成功。

N = White('\n', exact=1)
EMPTY = LineStart()+LineEnd()

最佳答案

在下面的代码中利用了对新节以“ alphanum:alphanum:”模式开头的观察。负超前~(NotAny)用于阻止body解析器吞噬下一节的标题。

setResultsName参数listAllMatches设置为line结果名称(后缀*),以便词典可以列出多个匹配项。

pyparsing默认情况下会跳过空格,除非在某些情况下(例如使用“合并”时),所以在此无需考虑。



from pyparsing import *

COLON = Suppress(':')
param = Word(alphanums)("param")
value = Word(alphanums)("value")

line = Group(param + COLON + value)
new_section_check = (Word(alphanums) + COLON) * 2
body = OneOrMore(~new_section_check + line("line*"))

section = Group(Word(alphanums)("section") + COLON + body)
contents = OneOrMore(section)

text = """
section1:
  key1: 1a

section2:
  key2: 2b
  key3: 3c
"""

print(contents.parseString(text).dump())


会产生以下结果:

[['section1', ['key1', '1a']], ['section2', ['key2', '2b'], ['key3', '3c']]]
[0]:
  ['section1', ['key1', '1a']]
  - line: [['key1', '1a']]
    [0]:
      ['key1', '1a']
      - param: 'key1'
      - value: '1a'
  - section: 'section1'
[1]:
  ['section2', ['key2', '2b'], ['key3', '3c']]
  - line: [['key2', '2b'], ['key3', '3c']]
    [0]:
      ['key2', '2b']
      - param: 'key2'
      - value: '2b'
    [1]:
      ['key3', '3c']
      - param: 'key3'
      - value: '3c'
  - section: 'section2'

10-06 05:03