制表符格式的嵌套字符串到嵌套列表〜Python

Question

大家好 ，在设法通过使用Beautiful Soup抓取来获取一些数据之后……我想格式化该数据，以便可以轻松地将其导出为CSV和JSON。

我的问题是，如何翻译此内容 ：

Heading :
    Subheading :

AnotherHeading : 
    AnotherSubheading :
        Somedata

Heading :
    Subheading :

AnotherHeading : 
    AnotherSubheading :
        Somedata

变成这个 ：

[
['Heading',['Subheading']],
['AnotherHeading',['AnotherSubheading',['Somedata']]],
['Heading',['Subheading']],
['AnotherHeading',['AnotherSubheading',['Somedata']]]
]

为了清楚起见缩进

热烈的感谢，感谢您对任何救援尝试的感谢 ！

到目前为止，我们得到了帮助：

def parse(data):
  stack = [[]]
  levels = [0]
  current = stack[0]
  for line in data.splitlines():
    indent = len(line)-len(line.lstrip())
    if indent > levels[-1]:
      levels.append(indent)
      stack.append([])
      current.append(stack[-1])
      current = stack[-1]
    elif indent < levels[-1]:
      stack.pop()
      current = stack[-1]
      levels.pop()
    current.append(line.strip().rstrip(':'))
  return stack

该代码的问题是它返回...

[
'Heading ', 
['Subheading '], 
'AnotherHeading ', 
['AnotherSubheading ', ['Somedata'], 'Heading ', 'Subheading '], 'AnotherHeading ', 
['AnotherSubheading ', ['Somedata']]
]

这是一个副本： https : //repl.it/yvM/1

Answer 1

谢谢kirbyfan64sos和SuperBiasedMan

def parse(data):

  currentTab = 0
  currentList = []
  result = [currentList]

  i = 0
  tabCount = 0

  for line in data.splitlines():

    tabCount = len(line)-len(line.lstrip())

    line = line.strip().rstrip(' :')

    if tabCount == currentTab:
        currentList.append(line)

    elif tabCount > currentTab:
        newList = [line]
        currentList.append(newList)
        currentList = newList

    elif tabCount == 0:
        currentList = [line]
        result.append(currentList)

    elif tabCount == 1:
        currentList = [line]
        result[-1].append(currentList)

    currentTab = tabCount

    tabCount = tabCount + 1
    i = i + 1

  print(result)

Answer 2

首先，您要清除不必要的空格，因此您要列出所有包含空格以外的行，并设置主循环的所有默认值。

teststring = [line for line in teststring.split('\n') if line.strip()]
currentTab = 0
currentList = []
result = [currentList]

此方法依赖于列表的可变性，因此将currentList设置为空列表，然后将result设置为[currentList]是重要的步骤，因为我们现在可以追加到currentList 。

for line in teststring:
    i, tabCount = 0, 0

    while line[i] == ' ':
        tabCount += 1
        i += 1
    tabCount /= 8

这是我想到的在每行开头检查制表符的最佳方法。 另外，是的，您会注意到我实际上检查的是空格，而不是制表符。 制表符仅100％无法正常工作，我认为这是因为我没有安装Python 3，所以一直在使用repl.it。 它在Python 2.7上可以很好地工作，但是我不会输入未经验证的代码。 如果您确认使用\\t并删除tabCount /= 8会产生期望的结果，则可以对此进行编辑。

现在，检查行的缩进程度。 如果它与我们的currentTab值相同，则只需追加到currentList 。

    if tabCount == currentTab:
        currentList.append(line.strip())

如果更高，则意味着我们已经进入了更深的列表级别。 我们需要一个嵌套在currentList的新列表。

    elif tabCount > currentTab:
        newList = [line.strip()]
        currentList.append(newList)
        currentList = newList

向后移动比较棘手，因为数据仅包含3个嵌套级别，所以我选择对值0和1进行硬编码（2应该总是导致上述块之一）。 如果没有标签，我们可以将新列表附加到result 。

    elif tabCount == 0:
        currentList = [line.strip()]
        result.append(currentList)

一个选项卡的深层标题几乎相同，除了您应该附加到result[-1] ，因为这是嵌套的最后一个主要标题。

    elif tabCount == 1:
        currentList = [line.strip()]
        result[-1].append(currentList)

最后，确保将currentTab更新为当前的tabCount ，以便下一次迭代正常进行。

    currentTab = tabCount

Answer 3

就像是：

def parse(data):
    stack = [[]]
    levels = [0]
    current = stack[0]
    for line in data.splitlines():
        indent = len(line)-len(line.lstrip())
        if indent > levels[-1]:
            levels.append(indent)
            stack.append([])
            current.append(stack[-1])
            current = stack[-1]
        elif indent < levels[-1]:
            stack.pop()
            current = stack[-1]
            levels.pop()
        current.append(line.strip().rstrip(':'))
    return stack[0]

不过，您的格式看起来很像YAML； 您可能需要研究PyYAML。