python - 用python处理重复结构化的文本文件

Question

我有一个大文本文件，结构如下:

Student = {
        PInfo = {
                ID   = 0001;
            Name.First = "Joe";
            Name.Last = "Burger";
            DOB  = "01/01/2000";
        };
        School = "West High";
        Address = {
            Str1 = "001 Main St.";
            Zip = 12345;
        };
    };
    Student = {
        PInfo = {
            ID   = 0002;
            Name.First = "John";
            Name.Last = "Smith";
            DOB  = "02/02/2002";
        };
        School = "East High";
        Address = {
            Str1 = "001 40nd St.";
            Zip = 12346;
        };
        Club = "Football";
    };
    ....

Student block 共享相同的条目，如“PInfo”、“School”和“Address”，但其中一些可能有其他条目，例如“John Smith”的“Club”信息不包含在“乔·伯格”。 我想做的是获取每个学生的姓名、学校名称和邮政编码并将它们存储在字典中，例如

    {'Joe Burger':{School:'West High', Zip:12345}, 'John Smith':{School:'East High', Zip:12346}, ...}

初学python编程，试着打开文件逐行分析，但是看起来好麻烦。并且真实文件比我上面发布的示例更大更复杂。我想知道是否有更简单的方法来做到这一点。先谢谢了。

Answer 1

要解析文件，您可以定义描述输入格式的语法并使用它来生成解析器。

有many language parsers in Python .例如，您可以使用 Grako它采用 EBNF 变体中的语法作为输入，输出内存 PEG Python 中的解析器。

要安装 Grako，请运行 pip install grako。

这是使用 Grako 风格的 EBNF 语法的格式语法:

(* a file is zero or more records *)
file = { record }* $;
record = name '=' value ';' ;
name = /[A-Z][a-zA-Z0-9.]*/ ;
value = object | integer | string ;
(* an object contains one or more records *)
object = '{' { record }+ '}' ;
integer = /[0-9]+/ ;
string = '"' /[^"]*/ '"';

要生成解析器，将语法保存到文件中，例如 Structured.ebnf 并运行:

$ grako -o structured_parser.py Structured.ebnf

它创建可用于从输入中提取学生信息的structured_pa​​rser模块:

#!/usr/bin/env python
from structured_parser import StructuredParser

class Semantics(object):
    def record(self, ast):
        # record = name '=' value ';' ;
        # value = object | integer | string ;
        return ast[0], ast[2] # name, value
    def object(self, ast):
        # object = '{' { record }+ '}' ;
        return dict(ast[1])
    def integer(self, ast):
        # integer = /[0-9]+/ ;
        return int(ast)
    def string(self, ast):
        # string = '"' /[^"]*/ '"';
        return ast[1]

with open('input.txt') as file:
    text = file.read()
parser = StructuredParser()
ast = parser.parse(text, rule_name='file', semantics=Semantics())
students = [value for name, value in ast if name == 'Student']
d = {'{0[Name.First]} {0[Name.Last]}'.format(s['PInfo']):
     dict(School=s['School'], Zip=s['Address']['Zip'])
     for s in students}
from pprint import pprint
pprint(d)

输出

{'Joe Burger': {'School': u'West High', 'Zip': 12345},
 'John Smith': {'School': u'East High', 'Zip': 12346}}