Python 模拟 strptime 行为答案

【问题标题】：Python Emulate strptime behavorPython 模拟 strptime 行为
【发布时间】：2014-07-14 13:27:03
【问题描述】：

我有一个 python 程序，它从许多来源获取文件，来自同一来源的所有文件具有相同的格式，但格式差异很大。一个来源可以是 ServerName - ProccessID - Date 格式，另一个来源可以是 (Date)_Username_ProccessID_Server。目前，要使用新格式添加新源，需要编码人员为每个源编写解析函数。

我已经开始编写一个新的适配器，我想将文件格式存储为一个字符串。第一个可能是 %S - %P - %D，第二个可能是 (%D)%U%P_%S。

在 python3 中最好的方法是什么？

【问题讨论】：

标签： python python-3.x string-parsing

【解决方案1】：

这样的事情是合理的：

import re
from collections import namedtuple

Format = namedtuple('Format', 'name format_string regex')
class Parser(object):
    replacements = [Format('server', '%S', r'[A-Za-z0-9]+'),
                    Format('user', '%U', r'[A-Za-z0-9]+'),
                    Format('date', '%D', r'[0-9]{4}-[0-9]{2}-[0-9]{2}'),
                    Format('process_id', '%P', r'[0-9]+'),
                    ]

    def __init__(self, format):
        self.format = format
        self.re = re.compile(self._create_regex(format))

    def _create_regex(self, format):
        format = re.escape(format)
        for replacement in self.replacements:
            format = format.replace(r'\%s' % replacement.format_string,
                                    r'(?P<%s>%s)' % (replacement.name,
                                                     replacement.regex,
                                                     ),
                                    )
        return format

    def parse(self, data):
        match = self.re.match(data)
        if match:
            return match.groupdict()
        return None

用法：

a_parser = Parser("(%D)%U_%P_%S")
print a_parser.parse("(2005-04-12)Jamie_123_Server1")

b_parser = Parser("%S - %P - %D")
print b_parser.parse("Server1 - 123 - 2005-04-12")

输出：

{'date': '2005-04-12', 'process_id': '123', 'user': 'Jamie', 'server': 'Server1'}
{'date': '2005-04-12', 'process_id': '123', 'server': 'Server1'}

本质上，我在您的自定义格式语法中的%?s 和预定义的正则表达式之间创建一个映射以匹配该参数，然后用相应的正则表达式替换给定格式字符串中的%? 字符串以构建该模式的解析器。

仅当在格式字符串中分隔“类型”的字符没有出现在它的正则表达式中，或者如果没有分隔符，那么这两个并排的正则表达式不“互相干扰”。例如，使用格式字符串：

%U%P

而我在上面分配给user 和process_id 的正则表达式，无法分辨user 的结束位置和process_id 的开始位置：

User1234

是User1 和234 还是User 和1234，或任何其他组合？但是，即使是人类也无法解决这个问题！

【讨论】：