阅读文本的算法或模式

对于这些类型的任务,我将使用pyparsing,因为它具有完整lr解析器的功能,但没有难以定义的语法和非常好的辅助函数。代码也很容易阅读。

from pyparsing import *

aaa ="""    This is example text that could be many lines long...
             another line

    Location 1
    Product 1     Product 2     Product 3
    $20.99        $21.99        $33.79

    stuff in here you want to ignore

    Location 2
    Product 1     Product 2     Product 3
    $24.99        $22.88        $35.59 """

result = SkipTo("Location").suppress() \  
# in place of "location" could be any type of match like a re.
         + OneOrMore(Word(alphas) + Word(nums)) \
         + OneOrMore(Word(nums+"$.")) \

all_results = OneOrMore(Group(result))

parsed = all_results.parseString(aaa)

for block in parsed:
    print block

这将返回一个列表列表。

['Location', '1', 'Product', '1', 'Product', '2', 'Product', '3', '$20.99', '$21.99', '$33.79']
['Location', '2', 'Product', '1', 'Product', '2', 'Product', '3', '$24.99', '$22.88', '$35.59']

我不知道在其他语言中是否有对等词。

您已经为文本文件提供了两个模式示例。

类似于:AWK、sed、grep和bash脚本。

第一个样本中有一个模式,

1. 部分以关键字开头 Location [数字]
   • 第二行有描述产品名称的列
   • 第三行有列,列中有产品的价格

每个部分可以有不同数量的产品。
每个文件可以有不同数量的节。
产品和价格始终在某个部分的指定行上。
空格分隔标识 (product,price) 列关联。

收集到的数据可能会被纳入数据库。

我知道我会在这里使用正则表达式。三个或四个表达式可以驱动每种电子邮件格式的解析逻辑。