这部分内容我觉得一般情况下用不到,只有在高级字符解析,有特定需求的时候才可能有用,所以并没有花太多时间去揣摩。
中文版原文链接在此:字符串令牌解析
假如我们有这样一段字符串s='jack + me = money ?' 在这个字符串中,像jack,me,money这些就是一类词语,姑且称作名词,像+,=,?这样的那就是标点符号了,当然还有我们无处不在的whitespace了。
令牌解析的目的是什么呢?我的理解里是在字符串解析的过程中标注出你需要的东东。下面开始来正经的了。
>>>s='jack + me =money '
#定制匹配模式,设置你的需求
>>>import re
>>>NAME=r'(?P<NAME>[a-zA-Z_][a-zA-Z_0-9]*)'
>>>PLUS=r'(?P<PLUS>\+)'
>>>EQ=r'(?P<EQ>=)'
>>>WS=r'(?P<WS>\s+)'
>>>your_pat=re.compile('|'.join([NAME,PLUS,EQ,WS]))
到这里,要隆重登场的是模式对象差点被人忘记的scanner,调用scanner方法,返回一个scanner对象,在这个对象上一次次的调用match()来验证我爱不爱你,爱你就匹配出成功,否则,滚蛋吧。
>>>scanner=your_pat.scanner(s)
>>>scanner.match() #you can see match='jack'
<_sre.SRE_Match object; span=(0, 4), match='jack'>
>>>scanner.match()
<_sre.SRE_Match object; span=(4, 5), match=' '>
>>>scanner.match()
<_sre.SRE_Match object; span=(5, 6), match='+'>
>>>scanner.match()
<_sre.SRE_Match object; span=(6, 7), match=' '>
>>>scanner.match()
<_sre.SRE_Match object; span=(7, 9), match='me'>
>>>scanner.match()
<_sre.SRE_Match object; span=(9, 10), match=' '>
>>>scanner.match()
<_sre.SRE_Match object; span=(10, 11), match='='>
>>>scanner.match()
<_sre.SRE_Match object; span=(11, 12), match=' '>
>>>scanner.match()
<_sre.SRE_Match object; span=(12, 17), match='money'>
>>>scanner.match()
<_sre.SRE_Match object; span=(17, 18), match=' '>
>>>scanner.match()
>>>
#经过一连串的match,终于匹配完成,每match一次,吐出一个匹配的字符串
#显示一下粗暴的展示令牌方法,WS出现了,表示匹配到了一串(n>=1)空格
>>> _.lastgroup,_.group()
('WS', ' ')
```
显然,上面的方法太特么累了,每次match()吐一个,幸好我们有生成器这玩意儿:
from collections import namedtuple
def generate_tokens(pat,text):
Token=namedtuple('Token',['type','value'])
scanner=pat.scanner(text)
for item in iter(scanner.match,None):
yield Token(item.lastgroup,item.group())
上面这几行代码有几行需要解释解释:
1.namedtuple这方法是从collections库中导入的,它是python2.6开始出现的一个工厂函数,它的作用是:
Returns a new tuple subclass named typename. The new subclass is used to create tuple-like objects that have fields accessible by attribute lookup as well as being indexable and iterable.
参考:namedtuple
2.iter,手动迭代,第一个参数表示可以进行迭代调用的对象,第二个参数表示停止标志,在这里,一直迭代调用scanner.match方法,直到返回None停止调用。
3.yield生成器返回函数,类似return,但是yield返回之后程序不会结束,而是继续回来执行
接下来就可以办事了:
>>>for item in generate_tokens(your_pat,s):
print(item)
('NAME', 'jack')
('WS', ' ')
('PLUS', '+')
('WS', ' ')
('NAME', 'me')
('WS', ' ')
('EQ', '=')
('WS', ' ')
('NAME', 'money')
('WS', ' ')