如何在 Python 中解析文本并提取参数值

Question

我有这样的文本文件（它实际上有 10000+ 行）：

Generate placement
Place object 4 at (24,21)
Place object 21 at (89, 4)

Generate movement
At time 10, move object 4 to (3,65) with speed 10
At time 54, move object 21 to (43,6) with speed 4

Generate flux
Set intensity 10, simulation time 5

这是我想从这个文件中得到的：

{
'placement': [{'object_placement': 4, 'location': (24,21)}, 
              {'object_placement': 21, 'location': (89, 4)}],
'movement': [{'time': 10, 'object': 4, 'destination': (3,65), 'speed': 10},
             {'time': 54, 'object': 21, 'destination': (43,6), 'speed': 4}],
'flux': [{'intensity': 10, 'simulation_time': 5}]
}

我在看这个问题，但我不确定在我的情况下是否可以使用模板 class 或 Jinja。

Answer 1

您可以通过在代码中使用一组正则表达式来解析所需格式的数据。 这是一个简单的概念证明。

import re

source = """Generate placement
Place object 4 at (24,21)
Place object 21 at (89, 4)

Generate movement
At time 10, move object 4 to (3,65) with speed 10
At time 54, move object 21 to (43,6) with speed 4

Generate flux
Set intensity 10, simulation time 5"""

results = {
    'placement': [],
    'movement': [],
    'flux': [],
}
state = ""

for line in source.splitlines():
    new_state = re.search("Generate ([a-zA-Z]+)", line)
    if new_state:
        state = new_state.groups()[0]
    else:
        # Parse the appropriate data for the current state
        if state == "placement":
            placement_data = re.search("Place object ([0-9]+) at \(([0-9]+),\s*([0-9]+)\)", line)
            if placement_data:
                placement_groups = placement_data.groups()
                results[state].append({'object_placement':placement_groups[0], 'location': (placement_groups[1],placement_groups[2])})
        elif state == "movement":
            movement_data = re.search("At time ([0-9]+), move object ([0-9]+) to \(([0-9]+),\s*([0-9]+)\) with speed ([0-9]+)", line)
            if movement_data:
                movement_groups = movement_data.groups()
                results[state].append({'time':movement_groups[0], 'object': movement_groups[1], 'destination': (movement_groups[2], movement_groups[3]), 'speed': movement_groups[4]})
        elif state == "flux":
            flux_data = re.search("Set intensity ([0-9]+), simulation time ([0-9]+)", line)
            if flux_data:
                flux_groups = flux_data.groups()
                results[state].append({'intensity': flux_groups[0], 'simulation_time': flux_groups[1]})

print(results)

在上面的示例中， results是 object，其中包括您的解析结果。 我使用了一个正则表达式，它基于您为placement 、 movement和flux描述的每个状态以及这些数据在源文本中的格式。

这个想法是遍历源文本的每一行，首先检查 state 的变化。 如果您不更改状态，那么接下来的文本预计将以您为相应当前 state 描述的方式格式化。 正则表达式对于捕获定义明确的数据格式的特定字段很有用。 最后，使用从正则表达式中捕获的数据来填充存储结果的数据结构。

以下是运行上述代码的结果（格式化）

{
  placement: [
    { object_placement: '4', location: '21' },
    { object_placement: '21', location: '4' }
  ],
  movement: [
    { time: '10', object: '4', destination: '65', speed: '10' },
    { time: '54', object: '21', destination: '6', speed: '4' }
  ],
  flux: [ { intensity: '10', simulation_time: '5' } ]
}

请注意，我没有将解析的数据转换为数字格式，但这可以通过int() function 轻松完成。 我将把它作为一个练习留给 OP 来实施。