基于文本的键值列表的优雅解析

Question

我正在为基于文本的序列比对/映射（SAM）文件编写解析器。 字段之一是键值对的串联列表，该键值对包括一个字母字符和一个整数（整数排在最前面）。 我有工作代码，但是感觉有点笨拙。 解析这样的格式的优雅模式是什么？ 谢谢。

输入：

record['cigar_str'] = '6M1I69M1D34M'

所需的输出：

record['cigar'] = [
    {'type':'M', 'length':6},
    {'type':'I', 'length':1},
    {'type':'M', 'length':69},
    {'type':'D', 'length':1},
    {'type':'M', 'length':34}
]

编辑：我当前的方法

cigarettes = re.findall('[\d]{0,}[A-Z]{1}', record['cigar_str'])
for cigarette in cigarettes:
    if cigarette[-1] == 'I':
        errors['ins'] += int(cigarette[:-1])
    ...

Answer 1

这是我要做的：

>>> import re
>>> s = '6M1I69M1D34M'
>>> matches = re.findall(r'(\d+)([A-Z]{1})', s)
>>> import pprint
>>> pprint.pprint([{'type':m[1], 'length':int(m[0])} for m in matches])
[{'length': 6, 'type': 'M'},
 {'length': 1, 'type': 'I'},
 {'length': 69, 'type': 'M'},
 {'length': 1, 'type': 'D'},
 {'length': 34, 'type': 'M'}]

它与您所拥有的非常相似，但是它使用正则表达式组来找出比赛的各个组成部分。