python - 解析输入标记

Question

我正在尝试解析表单的标记-

!TAG1 VAL1=0.88 VALARRAY=0. 0. 0.8 !TAG2 VAL2=0.998 !END !END'  

就标记而言，我知道这是一种相当糟糕的表示不带引号的真实向量的方法。但它是在我正在处理的旧代码中解析的，我不想更改“标准”输入格式。
我已经实现了一个 do while 循环来解析它 - 程序逐字遍历字符串(单词=不包含空格)和两个计数器 - 一个坚持具有最后一个 =< 的单词位置 ，第二个寻找下一个包含 = 的单词。对于一个可以咀嚼每个 VAR=VALUE 对的Pythonic 迭代器有什么想法吗？

EDIT1:这是我的解决方案，尽管我经过多次迭代才找到它。因此它的可读性不是很好!

s1='!TAG1 VAL1=0.88 VALARRAY=0. 0. 0.8 !TAG1 VAL2=0.998 !END !END'
list=[]
word=''
for s in s1.split():
    if (s[0]=='!'):
        if word : list.append(word)
        list.append(s) 
        word=''
    else :
        if '=' in s:
            if word : list.append(word)
            word=s
        else:
            word=(word+" "+s).strip()
if word: list.append(word)

print s1
print list

输出是-

!TAG1 VAL1=0.88 VALARRAY=0. 0. 0.8 !TAG1 VAL2=0.998 !END !END
['!TAG1', 'VAL1=0.88', 'VALARRAY=0. 0. 0.8', '!TAG1', 'VAL2=0.998', '!END', '!END']

希望这有帮助!

Answer 1

说明:

 (?# capture valueless keys)
 !          (?# match !)
 (          (?# start capturing group)
  \S+       (?# match non-whitespace characters)
 )          (?# end capturing group)
|           (?# OR)
 (?# capture key/value pairs)
 (          (?# start capturing group)
  \S+?      (?# lazily match non-whitespace)
 )          (?# end capturing group)
 =          (?# match literal =)
 (          (?# start capturing group)
  [^=]+?    (?# lazily match anything but =)
 )          (?# end capturing group)
 (?# values have a loose definition, so we need to lookahead for a delimiter)
 (?=        (?# start lookahead)
  \s*       (?# match optional whitespace)
  (?:       (?# start non-capturing group)
    \S+?=   (?# match another key)
   |        (?# OR)
    !\S+    (?# match another key w/o value)
   |        (?# OR)
    $       (?# match end of the string)
  )         (?# end non-capturing group)
 )          (?# end lookahead)

Regex101

<小时/>

可视化:

Debuggex

<小时/>

注释:

您的无值键 (!TAG) 将位于第一个捕获组中，键/值对 (VAL1=0.88) 将位于第二/第三个捕获组中分别捕获组。无值键很简单，只需匹配 !，然后捕获任何非空白字符 (\S = [^\r\n\t\f ])。键/值对更困难，我们从非空白字符开始，然后是 =，然后是任何非 = (OP 提到的没问题)。但是，我们需要一种方法来阻止这些值继续到字符串末尾。因此，我们将其设为惰性匹配，然后向前查找空格，后跟:另一个键/值、另一个无值键或字符串末尾。

<小时/>

我们不要忘记缩小版本；)

!(\S+)|(\S+?)=([^=]+?)(?=\s*(?:\S+?=|!\S+|$))