python - 使用正则表达式进行 Python 分块
问题描述
在 Perl 中,很容易遍历字符串以将其分块为标记:
$key = ".foo[4][5].bar.baz";
@chunks = $key =~ m/\G\[\d+\]|\.[^][.]+/gc;
print "@chunks\n";
#>> output: .foo [4] [5] .bar .baz
# Optional error handling:
die "Malformed key at '" . substr($key, pos($key)) . "'"
if pos($key) != length($key);
如果需要更多控制,可以改为循环:
while ($key =~ m/(\G\[\d+\]|\.[^][.]+)/g) {
push @chunks, $1; # Optionally process each one
}
我想在 Python 中找到一种干净、惯用的方法来做到这一点。到目前为止,我只有这个:
import re
key = ".foo[4][5].bar.baz"
rx = re.compile(r'\[\d+\]|\.[^][.]+')
chunks = []
while True:
m = re.match(rx, key)
if not m:
raise ValueError(f"Malformed key at '{key}'")
chunk = m.group(0)
chunks.append(chunk[1:] if chunk.startswith('.') else int(chunk[1:-1]))
key = key[m.end(0):]
if key == '':
break
print(chunks)
除了它更冗长之外,我不喜欢它,因为我需要在处理它时销毁字符串,因为似乎没有相当于 Perl 的\G
锚点(从最后一场比赛停止的地方开始) . 另一种方法是在每个循环中跟踪我自己在字符串中的匹配位置,但这似乎更加繁琐。
有没有我没找到的成语?我也尝试了一些解决方案,re.finditer()
但它似乎没有办法让每场比赛在前一场比赛的确切结束处开始(例如re.matchiter()
或类似的)。
欢迎提出建议和讨论。
解决方案
概括
正如您所描述的那样,没有直接等效的re.matchiter() 。
想到了两种选择:
- 创建一个不匹配的令牌。
- 编写具有所需行为的自己的生成器。
不匹配令牌
Python 中的常用技术是定义一个MISMATCH包罗万象的标记,并在遇到该标记时引发异常。
这是一个工作示例(我编写并放入Python 文档中以便每个人都可以找到它):
from typing import NamedTuple
import re
class Token(NamedTuple):
type: str
value: str
line: int
column: int
def tokenize(code):
keywords = {'IF', 'THEN', 'ENDIF', 'FOR', 'NEXT', 'GOSUB', 'RETURN'}
token_specification = [
('NUMBER', r'\d+(\.\d*)?'), # Integer or decimal number
('ASSIGN', r':='), # Assignment operator
('END', r';'), # Statement terminator
('ID', r'[A-Za-z]+'), # Identifiers
('OP', r'[+\-*/]'), # Arithmetic operators
('NEWLINE', r'\n'), # Line endings
('SKIP', r'[ \t]+'), # Skip over spaces and tabs
('MISMATCH', r'.'), # Any other character
]
tok_regex = '|'.join('(?P<%s>%s)' % pair for pair in token_specification)
line_num = 1
line_start = 0
for mo in re.finditer(tok_regex, code):
kind = mo.lastgroup
value = mo.group()
column = mo.start() - line_start
if kind == 'NUMBER':
value = float(value) if '.' in value else int(value)
elif kind == 'ID' and value in keywords:
kind = value
elif kind == 'NEWLINE':
line_start = mo.end()
line_num += 1
continue
elif kind == 'SKIP':
continue
elif kind == 'MISMATCH':
raise RuntimeError(f'{value!r} unexpected on line {line_num}')
yield Token(kind, value, line_num, column)
statements = '''
IF quantity THEN
total := total + price * quantity;
tax := price * 0.05;
ENDIF;
'''
for token in tokenize(statements):
print(token)
自定义生成器
另一种选择是编写具有所需行为的自定义生成器。
已编译正则表达式的match()方法允许匹配操作的可选起始位置。使用该工具,编写将match()应用于连续起始位置的自定义生成器并不难:
def itermatch(pattern, string):
p = re.compile(pattern)
pos = 0
while True:
mo = p.match(string, pos)
if mo is None:
break # Or raise exception
yield mo
pos = mo.end()
推荐阅读
- java - 无法仅在此网站上拖放 selenium
- mysql - 将数据从 mysql 迁移到具有多对多关系的 elasticsearch
- ampl - 有没有办法从 Ampl 中的集合中将特定变量设为整数?
- reactjs - 重构 ReactJs App 时的顺序(从测试、打字稿、钩子开始)
- reactjs - 反应中复制文本的问题
- php - 无法发布分钟,小时工作
- python - 为什么 Pycharm 在 typing.py 中打开 MutableMapping 而不是 _collections_abc.py 中的类 MutableMapping 定义
- python - python检查路径后的值是否相同
- vba - 访问 VBA 错误:表达式引用已关闭的对象
- java - 为什么 mongodb java 驱动程序在 ObjectId 中使用随机字节而不是机器 id?