我试图解析类似于XML文件(没有关联DTD)与pyparsing与可选的,每一个奇怪的问题,并排序:可选元素的列表。每个记录部分看起来有以下内容:Pyparsing:解析器元素
- 内
<L>
和<L/>
标签的东西, 内
- 一个或更多的东西,
- 可选,内
<MW>
和<MW/>
标签的东西, - 可选地,文字
<mul/>
和可选的文字<mat/>
<pc>
和
<pc/>
标签
这些元素的排序有所不同。
所以我写了下面的(我是新来的pyparsing,请指出,如果我做一些愚蠢的事):
#!/usr/bin/env python
from pyparsing import *
def DumbTagParser(tag):
tag_close = '</%s>' % tag
return Group(
Literal('<') + Literal(tag).setResultsName('tag') + Literal('>')
+ SkipTo(tag_close).setResultsName('contents')
+ Literal(tag_close)
).setResultsName(tag)
record1 = Group(ZeroOrMore(DumbTagParser('pc'))).setResultsName('pcs') &\
DumbTagParser('L') & \
Optional(Literal('<mul/>')) & \
Optional(DumbTagParser('MW')) & \
Optional(Literal('<mat/>'))
record2 = Group(ZeroOrMore(DumbTagParser('pc'))).setResultsName('pcs') &\
Optional(DumbTagParser('MW')) & \
Optional(Literal('<mul/>')) & \
DumbTagParser('L')
def attempt(s):
print 'Attempting:', s
match = record1.parseString(s, parseAll = True)
print 'Match: ', match
print
attempt('<L>1.1</L>')
attempt('<pc>Page1,1</pc> <pc>Page1,2</pc> <MW>000001</MW> <L>1.1</L>')
attempt('<mul/><MW>000003</MW><pc>1,1</pc><L>3.1</L>')
attempt('<mul/> <MW>000003</MW> <pc>1,1</pc> <L>3.1</L> ') # Note end space
两个解析器record1
和record2
失败,与不同的异常。随着record1
,它失败的最后一个字符串(从倒数第二个字符串仅在空间不同):
pyparsing.ParseException: (at char 47), (line:1, col:48)
与record2
,它的倒数第二个字符串本身失败:
pyparsing.ParseException: Missing one or more required elements (Group:({"<" "L" ">" SkipTo:("</L>") "</L>"})) (at char 0), (line:1, col:1)
现在是什么奇怪的是,如果我在record2
的定义中互换第2行和第3行,那么它解析得很好!
record2 = Group(ZeroOrMore(DumbTagParser('pc'))).setResultsName('pcs') &\
Optional(Literal('<mul/>')) & \
Optional(DumbTagParser('MW')) & \
DumbTagParser('L') # parses my example strings fine
(是的,我知道,record2
不包含任何规则<mat/>
。我试图得到反映到重新排序这种敏感性最小的例子。)
我不知道,如果这是pyparsing或我的代码中的错误,但我真正的问题是我应该如何解析我想要的字符串类型。
为什么downvote?我努力想出一个很好的问题,并将我的代码分解为一个简单的例子,以及所有内容。 :-) – ShreevatsaR