[英]matching multiline text with pyparsing
我正在使用pyparsing api提取給定輸入文本的內容,這些文本通常具有以下結構。
Key1 : Value1 \n
Key2 : Value2 \n
. : . \n
. : . \n
. : . \n
Keyn : . \n
在某些情況下,給定鍵的值可能會很長,因此會被寫入多行中。
Key_k : Value_k value_k value_k
value_k value_k value_k
當我有一些帶有長值的鍵時,例如上面的示例,我總是只有第一行中的內容。
這是為我的pyparsing定義的BNF:
keyName = Word(pp.alphanums + '_')
unitDef = Suppress('(') + Word(alphanums + '^*/-._') + Suppress(')')
paramValueDef = SkipTo('*' | lineEnd)
paramDef = keyName('name') + pp.Optional(unitDef)('unit') + pp.Suppress(":" + pp.empty) + paramValueDef('value')
當鍵和值寫在同一行中時,我會得到很好的結果。
任何幫助都將受到歡迎,並在此先感謝您。
保羅在船上發表評論時,我知道我的回答肯定是次優的。 但是我喜歡嘗試使用pyparsing可以解決的問題。
一種實現方法是說“值”是沒有空格的空格,而“鍵”是空格。 因此,我定義了一個稱為key_ending
的語法元素。
我希望將鍵和值分組到結果中; 因此,我使用Group
。
>>> import pyparsing as pp
>>> key_name = pp.Word(pp.alphanums+'_')
>>> key_ending = pp.ZeroOrMore(' ') + ':'
>>> key = key_name + key_ending
>>> value = pp.Word(pp.alphanums) + pp.NotAny(key_ending)
>>> values = pp.OneOrMore(value)
>>> param = pp.Group(key + values)
>>> param_stream = pp.OneOrMore(param)
>>> lines = '''\
... key1 : value1
... key2 : value1 value2
... key3: value1
... key4 : value2
... value3 value4
... '''
此行表明解析已成功。
>>> param_stream.parseString(lines)
([(['key1', ':', 'value1'], {}), (['key2', ':', 'value1', 'value2'], {}), (['key3', ':', 'value1'], {}), (['key4', ':', 'value2', 'value3', 'value4'], {})], {})
我再次進行解析,這次捕獲它,以便可以顯示它的各個位。
>>> r = param_stream.parseString(lines)
>>> for param in r.asList():
... param[0], param[2:]
...
('key1', ['value1'])
('key2', ['value1', 'value2'])
('key3', ['value1'])
('key4', ['value2', 'value3', 'value4'])
完成此操作后,我想到可以使用pyparsing的FollowedBy,並且內置了用於查找鍵值對的函數。
我嘗試以下示例時有任何結果:
From: Blabla bhlkf <Blabla.bhlkf@atghg.tele2.com>
Sent: 2014-01-22 14:21:31
To: "support@atghg.com" <support@atghg.com>
Subject: Blablablabla bla bla Subject
Case request: STL Cas Hours (JKLM, KJH 1 24x7 EPLi
Loc)
Request Type: Support (HTL)
Product: TGHLKI HS+ / BLOS V. 9.9.x.x
Product Instance State: In Service
DSLAM address: HGJLKM
Problem Description: All usershoud be in nkowns
that the first line should be also extracted
Ticket Priority: 3 = Very import request
Contact Name: Blabla
Contact phone: +0187 87652 99883
Alternate phone: +012 7890 877343 1 9009 35
Tele2UTA Ticket ID: HGFDL5666
Service Agreement: 7543864
Contact Company: FAX2
xlfswott01> users -l | grep 001.14.06
616804042 001.14.060/0001 001:14:060/ 2044K/ 252K ATM 0.0.0.0
1:14:60-0.100-T-066048 0:07:31 0:00:00
616804043 001.14.060/0001 001:14:060/ 2044K/ 252K ATM 0.0.0.0
1:14:60-8.35-T-066048 0:07:32 0:00:00
616804044 001.14.060/0001 001:14:060/ 2044K/ 252K ATM 0.0.0.0
1:14:60-8.40-T-066048 0:07:32 0:00:00
616804054 001.14.064/0001 001:14:064/ 2044K/ 252K ATM 0.0.0.0
1:14:64-0.100-T-066050 0:07:20 0:00:00
616804055 001.14.064/0001 001:14:064/ 2044K/ 252K ATM 0.0.0.0
1:14:64-8.35-T-066050 0:07:20 0:00:00
616804056 001.14.064/0001 001:14:064/ 2044K/ 252K ATM 0.0.0.0
1:14:64-8.40-T-066050 0:07:21 0:00:00
616804057 001.14.065/0001 001:14:065/ 2044K/ 252K ATM 0.0.0.0
1:14:65-0.100-T-067398 0:07:22 0:00:00
616804058 001.14.065/0001 001:14:065/ 2044K/ 252K ATM 0.0.0.0
1:14:65-8.35-T-067398 0:07:25 0:00:00
616804059 001.14.065/0001 001:14:065/ 2044K/ 252K ATM 0.0.0.0
1:14:65-8.40-T-067398 0:07:26 0:00:00
<end user list> 3053 active user(s)
<grep> Found 9 line(s) matching search criteria
xlfswott01> users -l | grep 001.14.05
616804031 001.14.054/0001 001:14:054/ 6997K/ 903K ATM 0.0.0.0
1:14:54-0.100-T-004048 0:08:14 0:00:00
616804032 001.14.054/0001 001:14:054/ 6997K/ 903K ATM 0.0.0.0
1:14:54-8.35-T-004048 0:08:15 0:00:00
616804033 001.14.054/0001 001:14:054/ 6997K/ 903K ATM 0.0.0.0
1:14:54-8.40-T-004048 0:08:16 0:00:00616804034 001.14.055/0001
001:14:055/ 7997K/ 903K ATM 0.0.0.0 1:14:55-0.100-T-065997 0:08:17
0:00:00
616804035 001.14.055/0001 001:14:055/ 7997K/ 903K ATM 0.0.0.0
1:14:55-8.35-T-065997 0:08:17 0:00:00
616804036 001.14.055/0001 001:14:055/ 7997K/ 903K ATM 0.0.0.0
1:14:55-8.40-T-065997 0:08:20 0:00:00
616804037 001.14.057/0001 001:14:057/ 2044K/ 252K ATM 0.0.0.0
1:14:57-0.100-T-071069 0:08:20 0:00:00
616804038 001.14.057/0001 001:14:057/ 2044K/ 252K ATM 0.0.0.0
1:14:57-8.35-T-071069 0:08:22 0:00:00
616804039 001.14.057/0001 001:14:057/ 2044K/ 252K ATM 0.0.0.0
1:14:57-8.40-T-071069 0:08:23 0:00:00
616804040 001.14.059/0001 001:14:059/ 2044K/ 252K ATM 0.0.0.0
1:14:59-0.100-T-155435 0:08:23 0:00:00
616804041 001.14.059/0001 001:14:059/ 2044K/ 252K ATM 0.0.0.0
1:14:59-8.40-T-155435 0:08:24 0:00:00
616804048 001.14.050/0001 001:14:050/ 2044K/ 252K ATM 0.0.0.0
1:14:50-0.100-T-064163 0:08:09 0:00:00
616804049 001.14.050/0001 001:14:050/ 2044K/ 252K ATM 0.0.0.0
1:14:50-8.35-T-064163 0:08:08 0:00:00
616804050 001.14.050/0001 001:14:050/ 2044K/ 252K ATM 0.0.0.0
1:14:50-8.40-T-064163 0:08:10 0:00:00
616804051 001.14.051/0001 001:14:051/ 13M/1047K ATM 0.0.0.0
1:14:51-0.100-T-080123 0:08:10 0:00:00
616804052 001.14.051/0001 001:14:051/ 13M/1047K ATM 0.0.0.0
1:14:51-8.35-T-080123 0:08:10 0:00:00
616804053 001.14.051/0001 001:14:051/ 13M/1047K ATM 0.0.0.0
1:14:51-8.40-T-080123 0:08:13 0:00:00
<end user list> 3050 active user(s)
mit HFDSKJKJR LIKLSS
BLAB HGFDO
COMPANY Telecom
DESEARCH DEVELOPEMENT Network Operation Center (NOC)
Donau-City-Strasse 11, 1220 Wien
service@atgljkfyh.com
******** WICHTIGER HINWEIS ********
balblablablbalbalnbabTele2bmlablablalablaba.
blablablablaba.
******** IMPORTANT NOTICE ********
blablablbalbablabbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbbb.
lablablbalablblb.
值得一提的是,我只想提取與我的第一篇文章中描述的結構相匹配的信息。意思是具有以下形式的數據:
Key : value
key_n: value_n1...
valume_mn
聲明:本站的技術帖子網頁,遵循CC BY-SA 4.0協議,如果您需要轉載,請注明本站網址或者原文地址。任何問題請咨詢:yoyou2525@163.com.