Python:解析文本文件并创建树结构

Question

解析像这样的纯文本树结构的最佳方法是什么：

node1:
    node1
    node2:
        node1
node2:
    node1
    node2
    node3:
        node1:
            node1
        node2:
            node1
            node2

并将其转换为树形结构(带有列表或字典)？

有没有python库可以帮我解析？

Answer 1

rson库可以做到这一点，除非您可能必须对解析器进行子类化，以允许在单个结构中混合使用数组和字典样式的元素。

编辑实际上，这可能有点困难，但rsonlite包将(某种程度上)对您的数据按原样工作。

rsonlite是一个小的、单模块的包，只有300行，相同的源代码适用于Python2和Python3。

下面是一个示例，它显示了数据的3种不同输出。第一个输出是rsonlite.dumps()提供的内容，第二个输出是稍高级别的rsonlite.simpleparse()提供的内容，第三个输出从simpleparse获取结果并通过自定义fixup()函数运行它们，以创建一个纯嵌套字典数据结构，其中任何缺少的值都被简单地设置为None，并且检查并剥离所有冒号字符。

from rsonlite import loads, simpleparse


mystring = '''
node1:
    node1
    node2:
        node1
node2:
    node1
    node2
    node3:
        node1:
            node1
        node2:
            node1
            node2
'''

def fixup(node):
    if isinstance(node, str):
        return node
    elif isinstance(node, dict):
        for key in node:
            assert key.endswith(':'), key
        return dict((key[:-1], fixup(value)) for key, value in node.items())
    else:
        assert isinstance(node, (list, str))
        result = {}
        for item in node:
            if isinstance(item, str):
                assert not item.endswith(':')
                assert result.setdefault(item, None) is None
            else:
                for key, value in fixup(item).items():
                    assert result.setdefault(key, value) is value
        return result

print('')
print(loads(mystring))
print('')
print(simpleparse(mystring))
print('')
print(fixup(simpleparse(mystring)))
print('')

将给予：

[('node1:'，['node1'，('node2:'，'node1')])，('node2:'，['node1'，'node2'，('node3:'，[('node1:'，'node1')，('node2:'，'node1'，‘node2’)])]

OrderedDict([('node1:'，['node1'，OrderedDict(('node2:'，‘node1’))]，('node2:'，['node1'，'node2'，OrderedDict([('node3:'，'node1')，('node2:'，'node1'，‘node2’))])

{'node1'：无，'node2'：'node1'}，'node2'：{'node1'：无，'node2'：无，'node3'：{'node1'：'node1'，'node2'：{'node1'：无，'node2'：无}

Answer 2

您可以构造一个简单的解析器，该解析器从输入生成有效的python表达式，然后对其求值。我最初的想法是一个简单的递归解析器，但这比我预期的要困难得多，因为他们没有办法知道块是在没有峰值的情况下结束的-这是基于缩进的格式的常见问题。

这将生成元组(block_name、contents)的嵌套列表：

i = 0
r = '['
for l in mystring.split('\n'):
    if not l:
        continue
    cl = l.lstrip(' ')
    ci = (len(l) - len(cl))//4
    if ci > i:           # line indented
        r += '['
    elif ci < i:         # line unindented, can be multiple
        r += '])'*(i-ci) + ','
    if cl[-1] == ':':    # new block
        r += '{("{}":'.format(cl[:-1])
    else:                # new item
        r += '"{}",'.format(cl)
    i = ci
r += ']'+')]'*i
eval(r)

输出：

[('node1', ['node1', ('node2', ['node1'])]),
 ('node2',
  ['node1',
   'node2',
   ('node3', [('node1', ['node1']), ('node2', ['node1', 'node2'])])])]