PyParsing：这是正确使用 setParseAction() 吗？答案

【问题标题】：PyParsing: Is this correct use of setParseAction()?PyParsing：这是正确使用 setParseAction() 吗？
【发布时间】：2011-02-25 19:54:16
【问题描述】：

我有这样的字符串：

"MSE 2110, 3030, 4102"

我想输出：

[("MSE", 2110), ("MSE", 3030), ("MSE", 4102)]

这是我的做法，虽然我还没有完全明白：

def makeCourseList(str, location, tokens):
    print "before: %s" % tokens

    for index, course_number in enumerate(tokens[1:]):
        tokens[index + 1] = (tokens[0][0], course_number)

    print "after: %s" % tokens

course = Group(DEPT_CODE + COURSE_NUMBER) # .setResultsName("Course")

course_data = (course + ZeroOrMore(Suppress(',') + COURSE_NUMBER)).setParseAction(makeCourseList)

这个输出：

>>> course.parseString("CS 2110")
([(['CS', 2110], {})], {})
>>> course_data.parseString("CS 2110, 4301, 2123, 1110")
before: [['CS', 2110], 4301, 2123, 1110]
after: [['CS', 2110], ('CS', 4301), ('CS', 2123), ('CS', 1110)]
([(['CS', 2110], {}), ('CS', 4301), ('CS', 2123), ('CS', 1110)], {})

这是正确的做法吗，还是我完全不行了？

此外，的输出也不完全正确 - 我希望 course_data 发出一个格式相同的 course 符号列表。现在，第一门课程与其他课程不同。（它有一个{}，而其他没有。）

【问题讨论】：

我认为你应该接受答案。

标签： python parsing nlp pyparsing

【解决方案1】：

此解决方案在解析时记住部门，并在找到数字时发出 (dept,coursenum) 元组。

from pyparsing import Suppress,Word,ZeroOrMore,alphas,nums,delimitedList

data = '''\
MSE 2110, 3030, 4102
CSE 1000, 2000, 3000
'''

def memorize(t):
    memorize.dept = t[0]

def token(t):
    return (memorize.dept,int(t[0]))

course = Suppress(Word(alphas).setParseAction(memorize))
number = Word(nums).setParseAction(token)
line = course + delimitedList(number)
lines = ZeroOrMore(line)

print lines.parseString(data)

输出：

[('MSE', 2110), ('MSE', 3030), ('MSE', 4102), ('CSE', 1000), ('CSE', 2000), ('CSE', 3000)]

【讨论】：

【解决方案2】：

这是正确的做法吗？我完全关闭了？

这是一种方法，当然还有其他方法（例如，将两个绑定方法用作解析操作 - 因此方法所属的实例可以保持状态 - 一个用于部门代码，另一个用于课程编号)。

parseString 调用的返回值更难遵从你的意愿（尽管我确信足够的黑魔法会做到这一点，我期待 Paul McGuire 解释如何；-)，所以为什么不去约束-方法路线如...：

from pyparsing import *

DEPT_CODE = Regex(r'[A-Z]{2,}').setResultsName("DeptCode")
COURSE_NUMBER = Regex(r'[0-9]{4}').setResultsName("CourseNumber")

class MyParse(object):
  def __init__(self):
      self.result = None

  def makeCourseList(self, str, location, tokens):
      print "before: %s" % tokens

      dept = tokens[0][0]
      newtokens = [(dept, tokens[0][1])]
      newtokens.extend((dept, tok) for tok in tokens[1:])

      print "after: %s" % newtokens
      self.result = newtokens

course = Group(DEPT_CODE + COURSE_NUMBER).setResultsName("Course")

inst = MyParse()
course_data = (course + ZeroOrMore(Suppress(',') + COURSE_NUMBER)
    ).setParseAction(inst.makeCourseList)
ignore = course_data.parseString("CS 2110, 4301, 2123, 1110")
print inst.result

这会发出：

before: [['CS', '2110'], '4301', '2123', '1110']
after: [('CS', '2110'), ('CS', '4301'), ('CS', '2123'), ('CS', '1110')]
[('CS', '2110'), ('CS', '4301'), ('CS', '2123'), ('CS', '1110')]

如果我正确阅读了您的规格，这似乎是您所需要的。

【讨论】：

【解决方案3】：

data = '''\
MSE 2110, 3030, 4102
CSE 1000, 2000, 3000'''

def get_courses(data):
    for row in data.splitlines():
        department, *numbers = row.replace(",", "").split()
        for number in numbers:
            yield department, number

这将为课程代码提供一个生成器。如果需要，可以使用list() 制作列表，也可以直接对其进行迭代。

【讨论】：

【解决方案4】：

当然，每个人都喜欢PyParsing。对于像这种拆分这样简单的东西来说，理解起来要容易得多：

data = '''\
MSE 2110, 3030, 4102
CSE 1000, 2000, 3000'''

all = []
for row in data.split('\n'):
        klass,num_l = row.split(' ',1)
        all.extend((klass,int(num)) for num in num_l.split(','))

【讨论】：