用Parsing解析xdot绘制属性

Question

对PyParsing来说是新手。我正在努力解决如何解析xdot文件中的绘图(和类似的)属性。有许多项在开始时将下列元素的数目作为整数给出--有点类似于NetStrings。我看过一些处理netstring (如构造)的示例代码，但它似乎不适合我。

以下是一些样本：

3点多边形(P后面的3表示以下点数)：

P 3 811 190 815 180 806 185应该解析为'P', [[811, 190], [815, 180], [806, 185]]

多边形有2分：

P 2 811 190 815 180 806 185应该解析为'P', [[811, 190], [815, 180]] (末尾是未解析的文本)

钢笔填充颜色(C后面的4个表示消费“-”之后的字符数)：

C 4 -blue应该解析为'C', 'blue'

更新信息：

我认为我在没有更多上下文的情况下，把这些例子放在自己的台词上是误导人的。下面是一个真实的例子：

S 5 -solid S 15 -setlinewidth(1) c 5 -black C 5 -black P 3 690 181 680 179 687 187

有关实际规范，请参见http://www.graphviz.org/doc/info/output.html#d:xdot。

注意，文本字段中可能有重要的空格在'P‘标签后面应该正好有7个数字(初始计数器+3对)，其他任何东西都会引发解析错误，因为后面可能会有更多的标记(同一行)，但是数字本身是无效的。

希望这能让事情变得更清楚。

Answer 1

好吧，这就是我最后想出来的，使用scanString。

int_ = Word(nums).setParseAction(lambda t: int(t[0]))
float_ = Combine(Word(nums) + Optional('.' + ZeroOrMore(Word(nums, exact=1)))).setParseAction(lambda t: float(t[0]))
point = Group(int_ * 2 ).setParseAction(lambda t: tuple(t[0]))
ellipse = ((Literal('E') ^ 'e') + point + int_ + int_).setResultsName('ellipse')
n_points_start =  (Word('PpLBb', exact=1) + int_).setResultsName('n_points')
text_start = ((('T' + point + int_*3 ) ^ ('F' + float_ + int_) ^ (Word('CcS') + int_) ) + '-').setResultsName('text')
xdot_attr_parser = ellipse ^ n_points_start ^ text_start

def parse_xdot_extended_attributes(data):
    results = []
    while True:
        try:
            tokens, start, end = xdot_attr_parser.scanString(data, maxMatches = 1).next()
            data = data[end:]
            name = tokens.getName()
            if name == 'n_points':
                number_to_get = int(tokens[-1])
                points, start, end = (point * number_to_get).scanString(data, maxMatches = 1).next()
                result = tokens[:1]
                result.append(points[:])
                results.append(result)
                data = data[end:]
            elif name == 'text':
                number_to_get = int(tokens[-2])
                text, data = data[:number_to_get], data[number_to_get:]
                result = tokens[:-2]
                result.append(text)
                results.append(result)
            else:
                results.append(tokens)
        except StopIteration:
            break
    return results

Answer 2

作为对OP编辑的响应，下面的答案已经不完整了.

我将试着在这里讨论你问题的核心，忽略更详细的细节。希望它能让你走上正确的轨道，掌握你的其他语法。从本质上讲，考虑到这两句话，你是在问：

P 3 811 190 815 180 806 185
P 2 811 190 815 180 806 185

如何解析数据，以便在第二行中只读取两个点？就我个人而言，我会阅读所有的数据和分析后。如果您将结果命名为，那么您可以极大地简化您自己的工作。例如：

from pyparsing import *

EOL = LineEnd().suppress()

number = Word(nums).setParseAction(lambda x: int(x[0]))
point_pair = Group(number + number)

poly_flag  = Group(Literal("P") + number("length"))("flag")
poly_type  = poly_flag + Group(OneOrMore(point_pair))("data")

xdot_line = Group(poly_type) + EOL
grammar   = OneOrMore(xdot_line)

请注意，我们有一个data, flag和length名称，这将在以后派上用场。让我们解析和处理字符串：

S = "P 3 811 190 815 180 806 185\nP 2 811 190 815 180 806 185\n"
P = grammar.parseString(S)

for line in P:
    L = line["flag"]["length"]  
    while len(line["data"]) > L: 
        line["data"].pop()

给出有用和有条理的结果：

[['P', 3], [[811, 190], [815, 180], [806, 185]]]
[['P', 2], [[811, 190], [815, 180]]]

扩展语法

从这里开始，你可以一个一个地独立地构建语法片段。每次添加新类型时，都将其添加到xdot_line中，即

xdot_line = Group(poly_type | pen_fill_type) + EOL