И все же sscanf в Python — или парсинг простых строк?

Question

[YoungSkipper]

Изучаю питон, пишу небольшую утилитку. Нужно парсить простые строки текстовых данных. Хочется простого, чтобы можно было написать аля такой псевдо код


(full_name, age, coof1, coof2) = «Name Surname 25 1/2».sscanf("{str} {int} {int}/{int}")

(coof1,coof2) = «1/2».sscanf("{int}/{int}")

(date, place) = «8:30 Place».sscanf("{datetime} {str}")


Ну и если не парситься, то как-то получать ошибку — мол не сматчилось…


Есть что-то подобное?


Если нет, то как все же правильно делать, как я понимаю есть следующие варианты


1. Использовать модуль, который эмулирует sscanf — не фиги не декларативно и не функционально как-то :)

2. Использовать регэкспы — нужно синтаксис вспоминать, и так-то много кода, создать регэксп, скомпилять, использовать

3. Что-то еще?

Answer 1

[leventov]

import re

def scan_compile(pattern):
    pattern = pattern.replace('{str}', '(.+?)')
    return re.compile(pattern.replace('{int}', '(\d+)'))

def scan_match(r, s):
    match = r.match(s)
    return [int(g) if g.isdigit() else g
            for g in match.groups()]

>>> from scan_match import *
>>> r = scan_compile("{str} {int} {int}/{int}")
>>> scan_match(r, 'Mary Rose Jesus 12 24/32')
['Mary Rose Jesus', 12, 24, 32]

Comments

[leventov]

Для «времени» в формате часы: минуты еще по строчке в каждую функцию придется добавить… Конечно можно заморочиться, раздать всем группам имена типа «int_1», «datetime_2» еще с пяток типов, а при разборе все это учитывать. Тут как всегда: или простота, или гибкость.

Answer 2

[Павел Тысляцкий]

Можете глянуть в сторону pyparsing и похожих утилит по парсингу тескта (синтаксическим анализаторам).

Comments

[YoungSkipper]

Посмотрел, еще так же нашел — www.acooke.org/lepl/
Нужно будет посмотреть как описание грамматики будет выглядеть — насколько громоздко, а так вариант :)

Answer 3

[Sergey Lerg]

split()?

Comments

[YoungSkipper]

Если бы небыло строк которые могут содержать пробелы «Mary Rose Jesus» — это тоже name и surname — то можно было конечно, ибо тут можно красиво сделать типа

(a, b, c, d) = [t(s) for t,s in zip((int,float,bool,str),data.split())]

Но увы, хочет чтобы строка была именно сторой. Да и плюс как проверять то что сматчилось верно? Писать дикое услови split_result[5] == "/"?

Answer 4

[YoungSkipper]

О! Регексы, но в красиво обвернуто. Собственно библиотеки которые эмулируют sscanf делают примерно тоже самое, напрмер — code.activestate.com/recipes/502213-simple-scanf-implementation/

Answer 5

[YoungSkipper]

Но в целом что-то такое подойдет, все свое — легче контролировать если что… Только открытый вопрос что делать со сложными типа данных — типа float или datetime.
Для float он из примера можно взять — ""([-+]?(?:\d+(?:\.\d*)?|\.\d+)(?:[eE][-+]?\d+)?)" — но жесть же :)
Да и с int проблема — такой вариант если в строке будет 0xAB уже не подойдет — в моем конкретно случае это не нужно… Но как бы потом не забыть, а то маленькие утилитки разрастаться имеют тенденцию :)