正则表达式更新多行字符串并保留缩进

Question

我有数百个 YAML 文件需要不时更新。

更新前：

sss:
  - ccc:
      brr: 'mmm'
      jdk: 'openjdk8'
  - bbb:
      brr: 'rel/bbb'
      jdk: 'openjdk8'
  - aaa:
      brr: 'rel/aaa'
      jdk: 'openjdk7'

更新后：

sss:
  - ddd: 
      brr: 'mmm'
      jdk: 'openjdk8'
  - ccc:
      brr: 'rel/ccc'
      jdk: 'openjdk8'
  - bbb:
      brr: 'rel/bbb'
      jdk: 'openjdk8'
  - aaa:
      brr: 'rel/aaa'
      jdk: 'openjdk7'

1. 对于任何文件中出现以下模式的任何情况：

sss:
  - ccc:
      brr: 'mmm'

1. 替换并修改上述模式，将'mmm'替换为'rel/ccc'：

  - ccc:
      brr: 'rel/ccc'

1. 按以下格式创建新的子字符串（多行）：

  - new: 
      brr: 'new-mmm'
      jdk: 'openjdk8'

4. 结合 2. 和 3. 并将原始文件替换为：

sss:
  - new: 
      brr: 'mmm'
      jdk: 'openjdk8'
  - ccc:
      brr: 'rel/ccc'
      jdk: 'openjdk8'

例如，我们需要更新上述文件，使其看起来像保留每行中的空格/制表符，因为格式对 YAML 很重要。

我已经用 PyYAML 尝试过这个，但由于语法的复杂性，它不起作用。这可以通过使用 awk, sed 捕获空白来完成吗？

Answer 1

试试这样的awk程序：

/sss:/ { sss = 1; }
/- ccc:/ { ccc = 1; ind = substr($0, 1, index($0, "-")-1); next; } # don't print
$1 == "brr:" && $2 == "'mmm'" {
    if (sss && ccc) {
        print ind "- ddd:";
        print ind "    brr: 'mmm'";
        print ind "    jdk: 'openjdk8'";
        print ind "- ccc:";
        print ind "    brr: 'rel/ccc'";
        sss = 0; ccc = 0;
    }
    next;
}
{ print }

第一条规则用于标记进入sss块，第二条用于标记ccc块，另外记录缩进深度。第三条规则添加新的和修改的数据，根据记录的深度缩进，然后退出sss和ccc块。最终规则打印刚刚读取的行。第二条和第三条规则中的next 语句阻止应用以下所有规则。

Answer 2

仅使用正则表达式解析结构化数据（无论是 YAML、HTML、XML 还是 CSV）仅适用于一小部分可能的情况。使用 YAML 多行标量，以通用方式处理流式和块式等几乎是不可能的。如果不是这样，那么有人已经在 awk 中编写了完整的 YAML 解析器。 （awk 没有问题，只是它不是处理 YAML 的正确工具。

这并不意味着您不能使用正则表达式来查找特定元素，您只需要一些准备：

import sys
import re
import ruamel.yaml

yaml_str = """\
sss:
  - ccc:
      brr: 'mmm'
      jdk: 'openjdk8'
  - bbb:
      brr: 'rel/bbb'
      jdk: 'openjdk8'
  - aaa:
      brr: 'rel/aaa'
      jdk: 'openjdk7'
"""


class Paths:
    def __init__(self, data, sep=':'):
        self._sep = sep
        self._data = data

    def walk(self, data=None, prefix=None):
        if data is None:
            data = self._data
        if prefix is None:
            prefix = []
        if isinstance(data, dict):
            for idx, k in enumerate(data):
                path_list = prefix + [k]
                yield self._sep.join([str(q) for q in path_list]), path_list, idx, data[k]
                for x in self.walk(data[k], path_list):
                    yield x
        elif isinstance(data, list):
            for idx, k in enumerate(data):
                path_list = prefix + [idx]
                yield self._sep.join([str(q) for q in path_list]), path_list, idx, k
                for x in self.walk(k, path_list):
                    yield x

    def set(self, pl, val):
        pl = pl[:]
        d = self._data
        while(len(pl) > 1):
            d = d[pl.pop(0)]
        d[pl[0]] = val

    def insert_in_list(self, pl, idx, val):
        pl = pl[:]
        d = self._data
        while(len(pl) > 1):
            d = d[pl.pop(0)]
        d.insert(idx, val)


data = ruamel.yaml.round_trip_load(yaml_str, preserve_quotes=True)
paths = Paths(data)
pattern = re.compile('sss:.*:c.*:brr$')
# if you are going to insert/delete use list(paths.walk())
for p, pl, idx, val in list(paths.walk()):
    print('path', p)
    if not pattern.match(p):
        continue
    paths.set(pl, ruamel.yaml.scalarstring.SingleQuotedScalarString('rel/ccc'))
    paths.insert_in_list(pl[:-2], idx, {'new': {
        'brr': ruamel.yaml.scalarstring.SingleQuotedScalarString('mmm'),
        'jdk': ruamel.yaml.scalarstring.SingleQuotedScalarString('openjdk8')
        }})

print('----------')

ruamel.yaml.round_trip_dump(data, sys.stdout)

输出是：

path sss
path sss:0
path sss:0:ccc
path sss:0:ccc:brr
path sss:0:ccc:jdk
path sss:1
path sss:1:bbb
path sss:1:bbb:brr
path sss:1:bbb:jdk
path sss:2
path sss:2:aaa
path sss:2:aaa:brr
path sss:2:aaa:jdk
----------
sss:
- new:
    brr: 'mmm'
    jdk: 'openjdk8'
- ccc:
    brr: 'rel/ccc'
    jdk: 'openjdk8'
- bbb:
    brr: 'rel/bbb'
    jdk: 'openjdk8'
- aaa:
    brr: 'rel/aaa'
    jdk: 'openjdk7'

1. “路径”的打印不是必需的，但在这里可以更好地了解正在发生的事情。

2. SingleQuotedScalarString 是获取 YAML 输出中字符串标量周围多余引号所必需的

3. ruamel.yaml 将 YAML 映射加载到其中的 dict 子类支持 Python 2.7 和 Python 3.5 及更高版本的 .insert(index, key, val)，因此您也可以在映射的特定位置插入。