Как подобрать примитивный парсер?

Question

[Вова]

Всем привет!
У меня есть задача, и я не понимаю, как её лучше всего решить.

Есть некоторая строка.
Например:
<img src="some.jpg">

Я хочу разбить её на части. Руками это делать не хочется, ибо на 100500 реализации становится просто скучно. Использовать регулярки тоже не хочется (во-первых, я их не знаю, а во вторых, они слишком монструозные).
А хочется какой-нибудь магии.
Например, парсера, который бы мог принять на вход строку вида:
"<%s=\"%s\">"
и мою строку, и отдал бы на выходе два значения.

Я знаю, что обратная задача решается в printf.
А вот где бы взять такой scanf, да ещё и в Python-е...

И есть ли в живой природе вообще хоть один сканер/парсер, который бы нормально принимал строку, которая очень похожа на ожидаемую входную, и только вместо параметров (которые оттуда надо выковырять) стоят спецификаторы?

Comments

[Anton Kuzmichev]

которая очень похожа на ожидаемую входную

Вообще, судя по примеру строки, вам нужен обычный html-парсер, которые обычно весьма толерантны к допускаемым ошибкам в разметке.

Answer 1

[Владимир Куц]

Парсер xml, либо html вам в помощь

>>> import xml.etree.ElementTree as ET
>>> root = ET.fromstring('<img src="some.jpg"></img>')
>>> root
<Element 'img' at 0x104bd5458>
>>> root.get('src')
'some.jpg'
>>> root.tag
'img'

Хочется велосипедов - сделайте сами магию:

>>> def some_magic(patt, str_in):
...     import re
...     patt = patt.replace('%s', '(.*)')
...     res = re.match(patt, str_in)
...     return res.groups()
... 
>>>
>>> print(some_magic('<%s=\"%s\">', '<img src="some.jpg">')) 
('img src', 'some.jpg')

Comments

[Вова]

Это было то, с чего я начал.
Уже не хочу :)

[Владимир Куц]

Дополнил ответ

[Иван Корюков]

Владимир Куц, (.*) вроде должен сожрать всё до конца строки. Лучше сделать несколько более определённых постановок, типа: %tag - ([\w-_]+), %quoted - ([^"]+) и т.д.

[Вова]

(upd)
Владимир Куц, Спасибо, конвертер %s в регулярку - кажется достаточно красивым решением.

Про etree - я от него сознательно отказался. Потому что он лажает.
Например, у меня он отдаёт пустую строку, если внутри xml тега встретился какой-то другой тег О_О

[Владимир Куц]

Иван Корюков, конечно можно сделать лучше. Я просто привел решение "в лоб". По сути это то чего хочет топикстартер - синтаксический сахар для регулярных выражений.

[Вова]

(upd)
Иван Корюков, Эмммм. Я не очень люблю, когда окружающие лучше меня знают, чего я хочу, ну да ладно. Иногда они даже угадывают (хотя бы потому, что они уже бегали по граблям, а я - нет!) :)

Попробую пояснить, что не так в данном случае.

Очень абстрактный пример:
задача: получить на вход два числа, вычислить их сумму, вывести результат
что предполагают окружающие: наверное ему нужен интерпретатор, а то вдруг ему не только сложение понадобиться, точно, расскажу ка я ему про yacc...

В результате исходная задача разрастается из одного scanf и одного printf в ахапку модулей, которые могут абсолютно всё, но абсолютно не используются. А потом оказывается, что это ещё и поддерживать нужно.
Я не против общих решений. Но иногда нужно что-то мелкое и примитивное. И совсем не нужен over engineering.

Итого: я понимаю, что есть регулярки. Но моя задача слегка иная: найти готовое решение, которое умеет сравнить шаблон со строкой. И чтобы это шаблон читался. Мной. Не компом :)

Сравни пару строк:
Антон Б: p = '<{}="{}">'
твоя: /<([\w-_]+)\s+src="([^"]+)">/
Какая читабельней?

[Вова]

Парни, извините, я в кнопках "ответить" запутался ;))

Answer 2

[Антон Б]

Есть простой модуль parse.

import parse
s = '<img src="some.jpg">'
p = '<{}="{}">'
parse.parse(p, s)

На выходе получите список найденных подстрок.

Comments

[Вова]

Спасибо!

Answer 3

[Иван Корюков]

Вы хотите регулярные выражения, но не хотите регулярные выражения потому что они сложные.
Ок, просто не используйте все возможности регулярных выражений.
Ваш пример можно описать регуляркой вот так: /<([\w-_]+)\s+src="([^"]+)">/

Comments

[Вова]

Эммм. Я точно знаю, что мои входные строки будут состоять из знаков препинания и подстрок. Зачем мне использовать невнятные регулярки там, где достаточно просто написать %s??

[Иван Корюков]

Вова, как раз таки %s менее внятно чем ([\w-_]+), т.к. во втором случае мы явно указываем что хотим найти. Причина по которой вы не хотите использовать регулярки звучит довольно смешно, можно провести аналогию с желанием иметь волшебную кнопку, которая делает вам программу, т.к. писать руками долго и выглядит он сложно.