不需要用到正則的Python文本解析庫parse

Posted on by

從一段指定的字符串中，取得期望的數據，正常人都會想到正則表達式吧？

寫過正則表達式的人都知道，正則表達式入門不難，寫起來也容易。

但是正則表達式幾乎沒有可讀性可言，維護起來，真的會讓人抓狂，別以為這段正則是你寫的就可以駕馭它，過個一個月你可能就不認識它瞭。

完全可以說，天下苦正則久矣。

1. 真實案例

拿一個最近使用 parse 的真實案例來舉例說明。

下面是 ovs 一個條流表，現在我需要收集提取一個虛擬機（網口）裡有多少流量、多少包流經瞭這條流表。也就是每個 in_port 對應的 n_bytes、n_packets 的值 。

cookie=0x9816da8e872d717d, duration=298506.364s, table=0, n_packets=480, n_bytes=20160, priority=10,ip,in_port="tapbbdf080b-c2" actions=NORMAL

如果是你，你會怎麼做呢？

先以逗號分隔開來，再以等號分隔取出值來？

你不防可以嘗試一下，寫出來的代碼應該和我想象的一樣，沒有一絲美感而言。

我來給你展示一下，我是怎麼做的？

可以看到，我使用瞭一個叫做 parse 的第三方包，是需要自行安裝的

$ python -m pip install parse

從上面這個案例中，你應該能感受到 parse 對於解析規范的字符串，是非常強大的。

2. parse 的結果

parse 的結果隻有兩種結果：

1.沒有匹配上，parse 的值為None

>>> parse("halo", "hello") is None
True
>>>

如果匹配上，parse 的值則 為 Result 實例

>>> parse("hello", "hello world")
>>> parse("hello", "hello")
<Result () {}>
>>>

如果你編寫的解析規則，沒有為字段定義字段名，也就是匿名字段， Result 將是一個 類似 list 的實例，演示如下：

>>> profile = parse("I am {}, {} years old, {}", "I am Jack, 27 years old, male")
>>> profile
<Result ('Jack', '27', 'male') {}>
>>> profile[0]
'Jack'
>>> profile[1]
'27'
>>> profile[2]
'male'

而如果你編寫的解析規則，為字段定義瞭字段名， Result 將是一個 類似 字典 的實例，演示如下：

>>> profile = parse("I am {name}, {age} years old, {gender}", "I am Jack, 27 years old, male")
>>> profile
<Result () {'gender': 'male', 'age': '27', 'name': 'Jack'}>
>>> profile['name']
'Jack'
>>> profile['age']
'27'
>>> profile['gender']
'male'

3. 重復利用 pattern

和使用 re 一樣，parse 同樣支持 pattern 復用。

>>> from parse import compile
>>> 
>>> pattern = compile("I am {}, {} years old, {}")
>>> pattern.parse("I am Jack, 27 years old, male")
<Result ('Jack', '27', 'male') {}>
>>> 
>>> pattern.parse("I am Tom, 26 years old, male")
<Result ('Tom', '26', 'male') {}>

4. 類型轉化

從上面的例子中，你應該能註意到，parse 在獲取年齡的時候，變成瞭一個"27" ，這是一個字符串，有沒有一種辦法，可以在提取的時候就按照我們的類型進行轉換呢？

你可以這樣寫。

>>> from parse import parse
>>> profile = parse("I am {name}, {age:d} years old, {gender}", "I am Jack, 27 years old, male")
>>> profile
<Result () {'gender': 'male', 'age': 27, 'name': 'Jack'}>
>>> type(profile["age"])
<type 'int'>

除瞭將其轉為 整型，還有其他格式嗎？

內置的格式還有很多，比如

匹配時間

>>> parse('Meet at {:tg}', 'Meet at 1/2/2011 11:00 PM')
<Result (datetime.datetime(2011, 2, 1, 23, 0),) {}>

更多類型請參考官方文檔：

Type Characters Matched Output
l Letters (ASCII) str
w Letters, numbers and underscore str
W Not letters, numbers and underscore str
s Whitespace str
S Non-whitespace str
d Digits (effectively integer numbers) int
D Non-digit str
n Numbers with thousands separators (, or .) int
% Percentage (converted to value/100.0) float
f Fixed-point numbers float
F Decimal numbers Decimal
e Floating-point numbers with exponent e.g. 1.1e-10, NAN (all case insensitive) float
g General number format (either d, f or e) float
b Binary numbers int
o Octal numbers int
x Hexadecimal numbers (lower and upper case) int
ti ISO 8601 format date/time e.g. 1972-01-20T10:21:36Z (“T” and “Z” optional) datetime
te RFC2822 e-mail format date/time e.g. Mon, 20 Jan 1972 10:21:36 +1000 datetime
tg Global (day/month) format date/time e.g. 20/1/1972 10:21:36 AM +1:00 datetime
ta US (month/day) format date/time e.g. 1/20/1972 10:21:36 PM +10:30 datetime
tc ctime() format date/time e.g. Sun Sep 16 01:03:52 1973 datetime
th HTTP log format date/time e.g. 21/Nov/2011:00:07:11 +0000 datetime
ts Linux system log format date/time e.g. Nov 9 03:37:44 datetime
tt Time e.g. 10:21:36 PM -5:30 time

5. 提取時去除空格

去除兩邊空格

>>> parse('hello {} , hello python', 'hello     world    , hello python')
<Result ('    world   ',) {}>
>>> 
>>> 
>>> parse('hello {:^} , hello python', 'hello     world    , hello python')
<Result ('world',) {}>

去除左邊空格

>>> parse('hello {:>} , hello python', 'hello     world    , hello python')
<Result ('world   ',) {}>

去除右邊空格

>>> parse('hello {:<} , hello python', 'hello     world    , hello python')
<Result ('    world',) {}>

6. 大小寫敏感開關

Parse 默認是大小寫不敏感的，你寫 hello 和 HELLO 是一樣的。

如果你需要區分大小寫，那可以加個參數，演示如下：

>>> parse('SPAM', 'spam')
<Result () {}>
>>> parse('SPAM', 'spam') is None
False
>>> parse('SPAM', 'spam', case_sensitive=True) is None
True

7. 匹配字符數

精確匹配：指定最大字符數

>>> parse('{:.2}{:.2}', 'hello')  # 字符數不符
>>> 
>>> parse('{:.2}{:.2}', 'hell')   # 字符數相符
<Result ('he', 'll') {}>

模糊匹配：指定最小字符數

>>> parse('{:.2}{:2}', 'hello') 
<Result ('h', 'ello') {}>
>>> 
>>> parse('{:2}{:2}', 'hello') 
<Result ('he', 'llo') {}>

若要在精準/模糊匹配的模式下，再進行格式轉換，可以這樣寫

>>> parse('{:2}{:2}', '1024') 
<Result ('10', '24') {}>
>>> 
>>> 
>>> parse('{:2d}{:2d}', '1024') 
<Result (10, 24) {}>

8. 三個重要屬性

Parse 裡有三個非常重要的屬性

fixed：利用位置提取的匿名字段的元組named：存放有命名的字段的字典spans：存放匹配到字段的位置

下面這段代碼，帶你瞭解他們之間有什麼不同

>>> profile = parse("I am {name}, {age:d} years old, {}", "I am Jack, 27 years old, male")
>>> profile.fixed
('male',)
>>> profile.named
{'age': 27, 'name': 'Jack'}
>>> profile.spans
{0: (25, 29), 'age': (11, 13), 'name': (5, 9)}
>>>

9. 自定義類型的轉換

匹配到的字符串，會做為參數傳入對應的函數

比如我們之前講過的，將字符串轉整型

>>> parse("I am {:d}", "I am 27")
<Result (27,) {}>
>>> type(_[0])
<type 'int'>
>>>

其等價於

>>> def myint(string):
...     return int(string)
... 
>>> 
>>> 
>>> parse("I am {:myint}", "I am 27", dict(myint=myint))
<Result (27,) {}>
>>> type(_[0])
<type 'int'>
>>>

利用它，我們可以定制很多的功能，比如我想把匹配的字符串弄成全大寫

>>> def shouty(string):
...    return string.upper()
...
>>> parse('{:shouty} world', 'hello world', dict(shouty=shouty))
<Result ('HELLO',) {}>
>>>

10 總結一下

parse 庫在字符串解析處理場景中提供的便利，肉眼可見，上手簡單。

在一些簡單的場景中，使用 parse 可比使用 re 去寫正則開發效率不知道高幾個 level，用它寫出來的代碼富有美感，可讀性高，後期維護起代碼來一點壓力也沒有，推薦你使用。

以上就是不需要用到正則的Python文本解析庫parse的詳細內容，更多關於Python文本解析庫parse的資料請關註WalkonNet其它相關文章！

推薦閱讀：