使用 pyparsing 在多行上捕获块

Question

正在尝试分析多行文档中的多项选择。想要捕获每个关键字之间的所有行。这是一个例子：

Keyword 1: CAPTURE THIS TEXT
Keyword 2: CAPTURE THIS TEXT

Keyword 3:
CAPTURE THIS TEXT
CAPTURE THIS TEXT
CAPTURE THIS TEXT

Keyword 4

我可能也有

Keyword 1: CAPTURE THIS TEXT
           CAPTURE THIS TEXT
Keyword 2: CAPTURE THIS TEXT

Keyword 3:
CAPTURE THIS TEXT
CAPTURE THIS TEXT
CAPTURE THIS TEXT
CAPTURE THIS TEXT

Keyword 4

我的代码看起来像

from pyparsing import *

EOL = LineEnd().suppress()
line = OneOrMore(Group(SkipTo(LineEnd()) + EOL))

KEYWORD_CAPTURE_AREA = Keyword("Keyword 1:").suppress() + line + Keyword("Keyword 2:").suppress() + line \
                    + Keyword("Keyword 3:").suppress() + line + Keyword("Keyword 4").suppress()

当前方法 returns 如果我的结果跨越多行，则没有结果。假设应该有一个直接的解决方案 - 只是还没有找到它。

Answer 1

一定要pyparsing吗？

如果没有，您可以使用拆分，例如

f = open('sample.txt')
values = []
for text in f.read().split('Keyword '):
    values.append(text[2:])
print(values)

>> ['', ' CAPTURE THIS TEXT\n           CAPTURE THIS TEXT\n', ' CAPTURE THIS TEXT\n\n', '\nCAPTURE THIS TEXT\nCAPTURE THIS TEXT\nCAPTURE THIS TEXT\nCAPTURE THIS TEXT\n\n', '']

Answer 2

要学习 pyparsing 的概念是每个子表达式独立运行，不知道任何包含或跟随的表达式。因此，当您的 line 要匹配一个或多个 "skip to the end of the current line" 时，它不知道在看到下一个 "Keyword" 字符串时应该停止，因此它可以预见地读取到字符串。然后，当解析器继续寻找 "Keyword 2:" 时，它已经超过了那个点，因此引发异常。

您需要告诉 OneOrMore 如果它在行的开头找到 "Keyword" 就应该停止解析，即使这通常会匹配重复的表达式。如果在一行的开头发现单词 "Keyword" ，则块结尾的合理检测可能是。（您可以使其更详细并匹配 "Keyword" + integer + ":" 以使其真正防弹。）我们称其为 "start_of_block_marker":

start_of_block_marker = LineStart() + "Keyword"

要告诉 OneOrMore 这表示其重复的停止条件，请将此表达式作为 stopOn 参数传递：

line = OneOrMore(Group(SkipTo(LineEnd()) + EOL), 
                 stopOn=LineStart() + "Keyword")

现在这将解析您的所有字符串，但您在 OneOrMore 中进行分组，而我认为您确实希望将所有子字符串放在一个组中。此外，2 和 3 之间的空行会创建一个额外的空行。这是行的改进版本：

line = Optional(EOL) + Group(OneOrMore(SkipTo(LineEnd()) + EOL,
                             stopOn=LineStart() + "Keyword"))

我将你的两个测试字符串放在一个列表中，然后将其作为参数 runTests():

text1 = """\
Keyword 1: CAPTURE THIS TEXT
           CAPTURE THIS TEXT
Keyword 2: CAPTURE THIS TEXT

Keyword 3:
CAPTURE THIS TEXT
CAPTURE THIS TEXT
CAPTURE THIS TEXT
CAPTURE THIS TEXT

Keyword 4"""

text2 = """\
Keyword 1: CAPTURE THIS TEXT
Keyword 2: CAPTURE THIS TEXT

Keyword 3:
CAPTURE THIS TEXT
CAPTURE THIS TEXT
CAPTURE THIS TEXT

Keyword 4
"""
KEYWORD_CAPTURE_AREA.runTests(tests)

打印（回显每个测试，然后打印解析结果）：

Keyword 1: CAPTURE THIS TEXT
           CAPTURE THIS TEXT
Keyword 2: CAPTURE THIS TEXT

Keyword 3:
CAPTURE THIS TEXT
CAPTURE THIS TEXT
CAPTURE THIS TEXT
CAPTURE THIS TEXT

Keyword 4
[['CAPTURE THIS TEXT', 'CAPTURE THIS TEXT'], ['CAPTURE THIS TEXT'], ['CAPTURE THIS TEXT', 'CAPTURE THIS TEXT', 'CAPTURE THIS TEXT', 'CAPTURE THIS TEXT']]
[0]:
  ['CAPTURE THIS TEXT', 'CAPTURE THIS TEXT']
[1]:
  ['CAPTURE THIS TEXT']
[2]:
  ['CAPTURE THIS TEXT', 'CAPTURE THIS TEXT', 'CAPTURE THIS TEXT', 'CAPTURE THIS TEXT']


Keyword 1: CAPTURE THIS TEXT
Keyword 2: CAPTURE THIS TEXT

Keyword 3:
CAPTURE THIS TEXT
CAPTURE THIS TEXT
CAPTURE THIS TEXT

Keyword 4

[['CAPTURE THIS TEXT'], ['CAPTURE THIS TEXT'], ['CAPTURE THIS TEXT', 'CAPTURE THIS TEXT', 'CAPTURE THIS TEXT']]
[0]:
  ['CAPTURE THIS TEXT']
[1]:
  ['CAPTURE THIS TEXT']
[2]:
  ['CAPTURE THIS TEXT', 'CAPTURE THIS TEXT', 'CAPTURE THIS TEXT']

如果结果有错误，runTests()会显示问题行和位置，并给出pyparsing错误信息。

使用 pyparsing 在多行上捕获块

Capturing block over multiple lines using pyparsing

python

pyparsing