pyparsing 开始和结束字符串相同答案

【问题标题】：pyparsing with starting and ending string being the samepyparsing 开始和结束字符串相同
【发布时间】：2015-06-13 21:25:13
【问题描述】：

相关：Python parsing bracketed blocks

我有一个格式如下的文件：

#
here
are
some
strings
#
and
some
others
 #
 with
 different
 levels
 #
 of
  #
  indentation
  #
 #
#

因此，一个块由一个起始 # 和一个尾随 # 定义。但是，第 n-1 个区块的尾随 # 也是第 n 个区块的起始 #。

我正在尝试编写一个函数，给定这种格式，它将检索每个块的内容，并且也可以是递归的。

首先，我从正则表达式开始，但我很快就放弃了（我想你猜到了原因），所以我尝试使用pyparsing，但我不能简单地写

print(nestedExpr('#','#').parseString(my_string).asList())

因为它引发了 ValueError 异常 (ValueError: opening and closing strings cannot be the same)。

知道我无法更改输入格式，我还有比pyparsing 更好的选择吗？

我也尝试使用这个答案：https://stackoverflow.com/a/1652856/740316，并将{/} 替换为#/#，但它无法解析字符串。

【问题讨论】：

也许只是在第 n 个 # 上替换为 #-# 之类的东西，然后通过 - 拆分或解析它。
我没办法改变输入格式，可惜...
您是想将所有级别分隔为字符串还是只是外部级别（例如，字符串的所有子级别都将作为该字符串包含在内）。那么删除字符串中的空格、制表符呢？
好吧，起初我想到了你的后一个命题，然后我会递归地在输出字符串上重复该方法，所以第一步只会给我外部级别，其他嵌套块作为原始字符串，然后迭代这些会给我这些嵌套块的内容等。所以基本上，你的问题的答案是你的第一个命题，但我想保留块级别的痕迹。如果您明白我的意思，我不希望所有块都在一维列表中“展平”。

标签： python regex pyparsing

【解决方案1】：

不幸的是（对您而言），您的分组不仅取决于分隔的“#”字符，还取决于缩进级别（否则，['with','different','levels'] 将与前一组 ['and','some','others'] 处于同一级别）。解析缩进敏感的语法并不是 pyparsing 的强项——它可以完成，但并不令人愉快。为此，我们将使用 pyparsing 辅助宏 indentedBlock，它还要求我们定义一个列表变量，indentedBlock 可以将其用于其缩进堆栈。

请参阅下面代码中的嵌入式 cmets，了解如何使用 pyparsing 和 indentedBlock 的一种方法：

from pyparsing import *

test = """\
#
here
are
some
strings
#
and
some
others
 #
 with
 different
 levels
 #
 of
  #
  indentation
  #
 #
#"""

# newlines are significant for line separators, so redefine 
# the default whitespace characters for whitespace skipping
ParserElement.setDefaultWhitespaceChars(' ')

NL = LineEnd().suppress()
HASH = '#'
HASH_SEP = Suppress(HASH + Optional(NL))

# a normal line contains a single word
word_line = Word(alphas) + NL


indent_stack = [1]

# word_block is recursive, since word_blocks can contain word_blocks
word_block = Forward()
word_group = Group(OneOrMore(word_line | ungroup(indentedBlock(word_block, indent_stack))) )

# now define a word_block, as a '#'-delimited list of word_groups, with 
# leading and trailing '#' characters
word_block <<= (HASH_SEP + 
                 delimitedList(word_group, delim=HASH_SEP) + 
                 HASH_SEP)

# the overall expression is one large word_block
parser = word_block

# parse the test string
parser.parseString(test).pprint()

打印：

[['here', 'are', 'some', 'strings'],
 ['and',
  'some',
  'others',
  [['with', 'different', 'levels'], ['of', [['indentation']]]]]]

【讨论】：