当我输入这样的:如何将字符串转换为Python中的令牌列表?
>>>tokenize('<[2{12.5 6.0}](3 -4 5)>')
我想这回:
['<', '[', 2, '{', 12.5, 6.0, '}', ']', '(', 3, -4, 5, ')', '>']
基本上,我将如何保持它使输入的一切转换成列表,同时保持数字原来的值。
当我输入这样的:如何将字符串转换为Python中的令牌列表?
>>>tokenize('<[2{12.5 6.0}](3 -4 5)>')
我想这回:
['<', '[', 2, '{', 12.5, 6.0, '}', ']', '(', 3, -4, 5, ')', '>']
基本上,我将如何保持它使输入的一切转换成列表,同时保持数字原来的值。
所以这是一个与蟒蛇一个非常好的解决方案
list(my_string)
做了标记化开始,但不会保留你喜欢的特性:(。
所以对于我们可以的,如果我们要使用一些比必要的机械
import re
a = '<[2{12.5 6.0}](3 -4 5)>'
tokenized = [x in re.split(r'[[!"#$%&\'()*+,\-/:;<=>[email protected][\\\]^_`{|}~ ]]*',a)) if x!='']
#or also
tokens = [x in re.split(r'[[!"#$%&\'()*+,\-/:;<=>[email protected][\\\]^_`{|}~ ]]*',a)) if x]
这可以用任何语言/白板表达式中使用和标点符号距离strings.punctuation稍重,你可以自定义来界定上东西可以用正则表达式来表达 - 这几乎是一切。
使用re.compile预编译表达式,如果你正在一个巨大的字符串上运行它 - 你会得到更好的优化。在某些限制条件下,你也可以使用自动机;),这给了MASSIVE的好处
因此,蛮力,你可以使用list(your_string)
,但一定要确定什么应该组合在一起,附加项目随着你去的元素。
其他解决方案可以有正则表达式,简单的语法库等,并且可以说是更容易理解。
编辑:对于非整数#s,你也可以注意到当遇到这样一个数字时,继续并改变新的解析的标记列表的前一个索引,当你到达下一个数字时,关闭,令牌等,你会在列表中创建一个全新的元素。
假设你把一切都变成新的列表作为字符串,这里是让你的花车&整数后面的一个方式:
for i, e in enumerate(tokenized):
if e.isdigit():
tokenized[i] = int(e)
elif '.' in e:
tokenized[i] = float(e)
elif '-' in e and not '.' in e:
tokenized[i] = int(e)
最终的结果是你想要什么:
['<', '[', 2, '{', 12.5, 6.0, '}', ']', '(', 3, -4, 5, ')', '>']
此外,该输入是否应该针对问题的输入建模?它可以更长吗?更先进?它是否始终以'<'开头并以'>'结尾? – jheld
re.split可能是你想要的。查看similar question here。
将字符串拆分为列表后,可以遍历它并使用int()
和float()
将数字成员转换为实际数字。
您可以尝试使用tokenizer,除了像-4
这样的负数,它会给出与预期几乎相同的结果,但它非常接近。
from StringIO import StringIO
import tokenize
str = '<[2{12.5 6.0}](3 -4 5)>'
tokens = tokenize.generate_tokens(StringIO(str).readline)
result = [x[1] for x in tokens]
下面是结果:
['[', '2', '{', '12.5', '6.0', '}', ']', '(', '3', '-', '4', '5', ')', '>', '']
不错,但令牌特定于Python,不可配置。 –
一个PLY解决
tokens = (
'LT', 'GT', 'LPAREN', 'RPAREN', 'LBRACKET', 'RBRACKET', 'LBRACE', 'RBRACE',
'FLOAT', 'INTEGER',
)
t_LT = r'<'
t_GT = r'>'
t_LPAREN = r'\('
t_RPAREN = r'\)'
t_LBRACKET = r'\['
t_RBRACKET = r'\]'
t_LBRACE = r'{'
t_RBRACE = r'}'
t_ignore = r' '
def t_FLOAT(t):
r'-?\d*[.]\d+'
t.value = float(t.value)
return t
def t_INTEGER(t):
r'-?\d+'
t.value = int(t.value)
return t
def t_error(t):
raise ValueError('invalid input')
import ply.lex as lex
lex.lex()
lex.input('<[2{12.5 6.0}](3 -4 5)>')
tokens = list(iter(lex.token, None))
for t in tokens:
print repr(t.type), repr(t.value)
print '>', [t.value for t in tokens]
输出:
'LT' '<'
'LBRACKET' '['
'INTEGER' 2
'LBRACE' '{'
'FLOAT' 12.5
'FLOAT' 6.0
'RBRACE' '}'
'RBRACKET' ']'
'LPAREN' '('
'INTEGER' 3
'INTEGER' -4
'INTEGER' 5
'RPAREN' ')'
'GT' '>'
> ['<', '[', 2, '{', 12.5, 6.0, '}', ']', '(', 3, -4, 5, ')', '>']
您需要安装PLY。要安装它,只需
# pip install ply
import re
s = '<[2{12.5 6.0}](3 -4 5)>'
p = re.compile(r"([-+]?(?:(?:\d*\.\d+)|(?:\d+\.?)))|(\S)")
conv = lambda n: float(n) if '.' in n else int(n)
[conv(m.group(1)) if m.lastindex==1 else m.group(2) for m in p.finditer(s)]
出来:
['<', '[', 2, '{', 12.5, 6.0, '}', ']', '(', 3, -4, 5, ')', '>']
非常感谢! –
import re
def tokenize(txt):
output = []
tokenized = re.split('([\<\>\[\]\{\}\(\)\s])',txt)
for t in tokenized:
if len(t.strip()) > 0:
if re.match("^\d+?\.\d+?$",t) is None:
if re.match("^[\d\-]\d*?$",t) is None:
output.append(t)
else:
output.append(int(t))
else:
output.append(float(t))
print(output)
tokenize('<[2{12.5 6.0}](3 -4 5)>')
和输出:
['<', '[', 2, '{', 12.5, 6.0, '}', ']', '(', 3, -4, 5, ')', '>']
下面的方法只使用正则表达式
import re
def tokenize(your_string):
pattern = re.compile(r'([-+]?[0-9]*\.?[0-9]+)') # float pattern
digital = re.compile(r'([-+]?[0-9]*$)')
lst = []
for item in pattern.split(your_string):
if not item.isspace(): # remove space
if pattern.match(item):
if digital.match(item):
lst.append(int(item))
else:
lst.append(float(item)) # change string to float
else:
lst.extend(list(item)) # make unmatched string to character list
return lst
print tokenize('<[2{12.5 6.0}](3 -4 5)>')
,其结果是
['<', '[', 2, '{', 12.5, 6.0, '}', ']', '(', 3, -4, 5, ')', '>']
我最喜欢为这样的事情工具pyparsing。
from pyparsing import Word, ZeroOrMore, oneOf, nums
def tokenize(s):
number = Word(nums + '.' + '-')
number.setParseAction(lambda x : eval(x[0]))
punctuation = '< > [ ] () { }'
lexeme = number | oneOf(punctuation) | ' '
tokenizer = ZeroOrMore(lexeme)
return tokenizer.parseString(s)
print tokenize('<[2{12.5 6.0}](3 -4 5)>')
输出:
['<', '[', 2, '{', 12.5, 6.0, '}', ']', '(', 3, -4, 5, ')', '>']
与PLY,你可以用pip install pyparsing
安装(你可以安装带有easy_install pip
点子,如果你没有的话)。同样在实际使用中,您可能不希望每次调用都创建pyparsing对象,因此它们可能是全局的,等等。
另外,提示:将oneOf(标点符号)更改为Suppress(oneOf(标点符号))会给出输出[2,12.5,6。0,3,-4,5] – johncip
这是一个很好的问题。 – zsong
你在找Python中的lex工具吗?你可以试试PLY http://www.dabeaz.com/ply/。 – neuront
将字符串拆分为单个字符的列表。迭代列表一次,将类似数字的字符(数字,句点,连字符)组合在一起。再次遍历列表,将块转换为整数或浮点数。你完成了。 – misha