python - 使用停止标记解析字符串

Question

假设解析器接受字母 a、b 和 c 以及三者的任意组合。我想使用满足以下条件的子字符串调用函数:

1. 子字符串以 a 开头
2. 子字符串在遇到 abc 之前终止
3. 子字符串不以 abc 开头

例如我们有以下字符串:

bb cc ab bc cb bc abc bca bbb acc cbc ccc abc

我想使用字符串 ab bc cb 和 acc cbc ccc 调用该函数

我尝试按如下方式实现:

import pyparsing as pp

x = pp.OneOrMore(pp.Word("abc") + ~pp.Literal("abc"))
x.addCondition(lambda tokens: tokens[0] != "abc")
x.addCondition(lambda tokens: tokens[0][0] == "a")
x.addParseAction(lambda tokens: print("x)", tokens))  # Print action for debugging

y = pp.Word("abc")
y.addParseAction(lambda tokens: print("y)", tokens))

text = pp.OneOrMore(x ^ y)
text.parseString("bb cc ab bc cb bc abc bca bbb acc cbc ccc abc")

但由于某种原因，这很快就停止了 1 个单词，这是输出:

y) ['bb']
y) ['cc']
x) ['ab', 'bc', 'bc']
y) ['cb']
y) ['abc']
y) ['bca']
y) ['bbb']
x) ['acc', 'cbc']
y) ['ccc']
y) ['abc']

此外，如果 abc 停止标记是不同字符串的列表，所有这些字符串都将用作停止标记，我该如何解析它？

所以类似:

stopStrings = ["abc", "bca"]
x = pp.OneOrMore(pp.Word("abc") + ~pp.OneOf(stopStrings))
...

希望这能够清楚地说明并感谢您的帮助!

Answer 1

这可能接近您想要的。我不明白你的第三个条件。

• token 的定义坚持它不是是stop_tokens之一，而是一个Word 由集合 {a,b,c} 中的任意字母组成。
• 识别 token 后，setParseAction 会发送一个请求，要求在其第一个字符为“a”时显示该 token 。
• 整个解析器只是任意数量的token，后跟任意数量的stop_token。每个 stop_token 在此上下文中都被抑制。同时，如果识别出 stop_token，则会发出一条消息，表明已看到该 token 。

代码:

import pyparsing as pp

def report_a(s):
    try:
        if s[0][0]=='a':
            print (s[0], "begins with 'a'")
    except:
        pass

def report(s):
    print ('stop token encountered')

stop_tokens = pp.Or([pp.Literal('abc'), pp.Literal('bca')])
token = pp.NotAny(stop_tokens) + pp.Word('abc').setParseAction(lambda s: report_a(s))
parser = pp.ZeroOrMore(token) + pp.ZeroOrMore(stop_tokens).setParseAction(lambda s: report(s)).suppress()

text = 'bb cc ab bc cb bc abc bca bbb acc cbc ccc abc'

print (parser.parseString(text))

结果:

ab begins with 'a'
stop token encountered
['bb', 'cc', 'ab', 'bc', 'cb', 'bc']