使用 pyparsing 解析 xdot 绘制属性

Question

PyParsing 新手。我正在尝试解决如何解析 xdot 文件中的绘图（和类似）属性。有许多项目的后续元素的数量在开始时以整数形式给出 - 类似于 NetStrings。我查看了一些示例代码来处理类似网络字符串的构造，但它似乎对我不起作用。

以下是一些示例：

3个点的多边形（P后面的3表示跟随的点数）：
P 3 811 190 815 180 806 185应该解析为'P', [[811, 190], [815, 180], [806, 185]]

具有 2 个点的多边形：
P 2 811 190 815 180 806 185 应解析为 'P', [[811, 190], [815, 180]]（末尾带有未解析的文本）

笔填充颜色（C后面的4表示'-'后面要消耗的字符数）：
C 4 -blue应该解析为'C', 'blue'

---

更新信息：
我认为我在没有更多上下文的情况下将这些示例放在自己的行中是一种误导。这是一个真实的例子：

S 5 -solid S 15 -setlinewidth(1) c 5 -black C 5 -black P 3 690 181 680 179 687 187

请参阅http://www.graphviz.org/doc/info/output.html#d:xdot 了解实际规格。

请注意，文本字段中可能存在大量空格 - 上面的 setlinewidth(1) 可以是“abcd efgh hijk”，只要它正好是 15 个字符，就应该与“S”标签链接。在“P”标签之后应该正好有 7 个数字（初始计数器 + 3 对），其他任何东西都应该引发解析错误，因为后面可能有更多标签（在同一行上），但数字本身不是有效。

希望这能让事情变得更清楚一些。

Answer 1

嗯，这就是我最后想出的，使用scanString。

int_ = Word(nums).setParseAction(lambda t: int(t[0]))
float_ = Combine(Word(nums) + Optional('.' + ZeroOrMore(Word(nums, exact=1)))).setParseAction(lambda t: float(t[0]))
point = Group(int_ * 2 ).setParseAction(lambda t: tuple(t[0]))
ellipse = ((Literal('E') ^ 'e') + point + int_ + int_).setResultsName('ellipse')
n_points_start =  (Word('PpLBb', exact=1) + int_).setResultsName('n_points')
text_start = ((('T' + point + int_*3 ) ^ ('F' + float_ + int_) ^ (Word('CcS') + int_) ) + '-').setResultsName('text')
xdot_attr_parser = ellipse ^ n_points_start ^ text_start

def parse_xdot_extended_attributes(data):
    results = []
    while True:
        try:
            tokens, start, end = xdot_attr_parser.scanString(data, maxMatches = 1).next()
            data = data[end:]
            name = tokens.getName()
            if name == 'n_points':
                number_to_get = int(tokens[-1])
                points, start, end = (point * number_to_get).scanString(data, maxMatches = 1).next()
                result = tokens[:1]
                result.append(points[:])
                results.append(result)
                data = data[end:]
            elif name == 'text':
                number_to_get = int(tokens[-2])
                text, data = data[:number_to_get], data[number_to_get:]
                result = tokens[:-2]
                result.append(text)
                results.append(result)
            else:
                results.append(tokens)
        except StopIteration:
            break
    return results

Answer 2

针对 OP 的编辑，下面的答案不再完整。

我将尝试在这里找到您问题的核心，而忽略更精细的细节。希望它能让你在语法的其余部分走上正轨。考虑到这两行，基本上你是在问：

P 3 811 190 815 180 806 185
P 2 811 190 815 180 806 185

如何解析数据，以便在第二行中只读取两个点？就个人而言，我会阅读所有的数据并进行后解析。如果您为结果命名，您可以让自己的工作变得无比轻松。例如：

from pyparsing import *

EOL = LineEnd().suppress()

number = Word(nums).setParseAction(lambda x: int(x[0]))
point_pair = Group(number + number)

poly_flag  = Group(Literal("P") + number("length"))("flag")
poly_type  = poly_flag + Group(OneOrMore(point_pair))("data")

xdot_line = Group(poly_type) + EOL
grammar   = OneOrMore(xdot_line)

请注意，我们有一个 data, flag 和 length 名称，稍后会派上用场。让我们解析和处理字符串：

S = "P 3 811 190 815 180 806 185\nP 2 811 190 815 180 806 185\n"
P = grammar.parseString(S)

for line in P:
    L = line["flag"]["length"]  
    while len(line["data"]) > L: 
        line["data"].pop()

给出有用且结构化的结果：

[['P', 3], [[811, 190], [815, 180], [806, 185]]]
[['P', 2], [[811, 190], [815, 180]]]

扩展语法

从这里，您可以一个接一个地独立构建语法片段。每次添加新类型时，将其添加到xdot_line，即

xdot_line = Group(poly_type | pen_fill_type) + EOL