python 使用命名組合解析結構化文字

有時候我們拿到的資料是以文字的形式逐條列出，而在輸出文字時為了增加可讀性，可能會將資料元素的描述資訊寫入進去，這樣的結構化資料方便人工識別，但是對於資料的二次利用遠不如csv,json等結構化資料好用，為了提取其中有用的資訊，可以使用python正則庫中命名組合的方法來處理。

官方文件裡對命名組合的說明：

(?p…)命名組合）類似正則組合，但是匹配到的子串組在外部是通過定義的 name 來獲取的。組合名必須是有效的python識別符號，並且每個組合名只能用乙個正規表示式定義，只能定義一次。乙個符號組合同樣是乙個數字組合，就像這個組合沒有被命名一樣。

命名組合可以在三種上下文中引用。如果樣式是(?p['"]).*?(?p=quote)（也就是說，匹配單引號或者雙引號括起來的字串)：

引用組合"quote"的上下文

引用方法

在正則式自身內

(?p=quote)

\1處理匹配物件 m

m.group('quote')

m.end('quote')`

傳遞到re.sub()裡的 repl 引數中

\g\g<1>

\(?p=name)反向引用乙個命名組合；它匹配前面那個叫 name 的命名組中匹配到的串同樣的字串。

但具體怎麼用呢？文件裡並沒有給出例項，這裡結合乙個具體的例子來說明一下用法：

例如對於下面的結構化字串文字：

student(name="john", age=18, grade=grade(subject="english", mark=90))

如果想要拿到學生的各項資訊，使用字串查詢會非常麻煩，而且不具有通用性，因此考慮使用python中的命名組合方式來提取。首先分析該字串文字的結構，乙個student由三個屬性組成：姓名name, 年齡age，學科成績grade，其中grade屬性本身也是乙個結構化的文字資料，由兩部分組成：學科subject和分數mark。

為了使我們的文字解析正規表示式具有更高的復用性，我們為該條字串定義兩組命名組合student_re和grade_re:

import re
grade_re = r'grade[(]subject="(?p.*)", mark=(?p\d+)[)]'
student_re = r'student[(]name="(?p.*)", age=(?p\d+), grade=[)]'.format(grade=grade_re)

使用上述字串進行測試，提取字串中我們想要的屬性字段資料：

match = re.match(student_re, test_str)
if match:
print(match.group('name'))
print(match.group('subject'))

輸出：

john

english

結果符合我們的需要。因此我們只需要根據字串的結構特徵，將各字段的屬性名稱編寫成正則命名組合，就能對任意形式的結構化字串方便地進行提取了！

python 使用命名組合解析結構化文字

Python使用xpath解析帶命名空間的XML

mysql使用命名管道命名管道

使用命名空間標準

python 使用命名組合解析結構化文字

Python使用xpath解析帶命名空間的XML

mysql使用命名管道 命名管道

使用命名空間標準

相關推薦

mysql使用命名管道命名管道