【pyparsing使用指导】基本字符匹配与查找

pyparsing这个库简单来说是简化了正则的使用，可以更“人性”的理解和使用正则。其使用教程在这里 以及这里

pyparsing里主要是写函数的应用，这里主要介绍几个常用的

单词匹配 Literal 和 Word

---

匹配单词, 例子如下

str='hello world!'
pattern=Literal ('hello') # 或者Word ('hello')
try:
    result = pattern.parseString(str)
    print result
except ParseException as pe:
    print "  No match: {0}".format(str(pe))

结果如下：

Word样例

Literal 和Word基本功能一致，都是匹配单词。
区别在于，

• Literal是匹配完整单词，意味着要有空格分隔；而Word不需要匹配上开始就可以。
• Literal匹配是按单词匹配；而Word匹配只要匹配到Word里的字符集合即可。
• Literal功能较为单一，而Word功能更丰富一些。 Word具体介绍看这里

常用标识 nums，alphas，alphasnums， hexnums， alphas8bit， punc8bit， printables

---

• nums
  表示数字
• alphas
  表示字母
  上面的例子可以使用pattern=Word(alphas)来替代
• alphasnums
  表示数字和字母
• hexnums
  表示十六进制
• alphas8bit
  表示ASCII编码的字母
• punc8bit
  表示ASCII编码的非字母
• printables
  表示非空字符的其他任何字符

nums使用例子如下

text='1+2=3'
integer = Word(nums)  # simple unsigned integer
try:
    result1 = integer.parseString(text)
    print result1
except ParseException as pe:
    print "  No match: {0}".format(str(pe))

结果如下

nums结果

但是如果text的第一个字母不是数字的话就会抛出异常，说明这里的解析是“匹配”而不是“查找”

匹配(parseString)与查找(scanString)

---

上面的例子改一下，如果首字母不是数字，那么如何查找出所有的数字呢？

text='a1+2=3'
integer = Word(nums)  # simple unsigned integer
try:
    for tokens, start,end in integer.scanString(text):
        print tokens, start, end
except ParseException as pe:
    print "  No match: {0}".format(str(pe))

结果如下

查找结果

排除大小写敏感 CaselessLiteral

这个不难理解

str='HELLO WORLD!'
pattern=CaselessLiteral('hello')
try:
    result = pattern.parseString(str)
    print result
except ParseException as pe:
    print "  No match: {0}".format(str(pe))

大小写不敏感

排除匹配CharsNotIn

CharsNotIn是设置了一个合集，然后从左向右匹配字符串中不包含这个合集的子集。

text='hello world!'
pattern=CharsNotIn('abc')
try:
    result = pattern.parseString(text)
    print result
except ParseException as pe:
    print "  No match: {0}".format(str(pe))

下面例子中的合集为‘abc’，匹配中的单词不包含这三个字母，如果全匹配

全匹配

text='hello world!'
pattern=CharsNotIn('uvwxyz')
try:
    result = pattern.parseString(text)
    print result
except ParseException as pe:
    print "  No match: {0}".format(str(pe))

由于'hello world!'中包含w，所以要从这里截断

截断