Python pyparsing-使用千个分隔符分析数字

所以我在做一个解析器，我注意到了一个问题。事实上，要分析数字，我有：

从pyparsing导入单词，nums
n=单词（nums）

这适用于没有数千个分隔符的数字。例如，

n.parseString（“1000”，parseAll=True）

返回

（['1000']，{}）

，因此可以工作

但是，当我添加千分隔符时，它不起作用。实际上，

n.parseString（“1000”，parseAll=True）

引发了

pyparsing.ParseException:预期的文本结尾，找到“，”（在字符1处），（第1行，第2列）

---

如何使用千个分隔符解析数字？我不想忽略逗号（例如，

n.parseString（“1,00”，parseAll=True）

应该返回一个错误，因为它不是一个数字）。

当您首先处理字符串时，您可以很好地使用正则表达式来确保它确实是一个数字（包括）。如果是，则替换每个逗号并将其提供给解析器：

import re
from pyparsing import Word, nums
n = Word(nums)

def is_number(number):
    rx = re.compile(r'^-?\d+(?:,\d{3})*$')
    if rx.match(number):
        return number.replace(",", "")
    raise ValueError

try:
    number = is_number("10,000,000")
    print(n.parseString(number, parseAll=True))
except ValueError:
    print("Not a number")

---

例如，

1,00

将导致

不是一个数字

，请参阅上的表达式演示。

我不太理解你所说的“带有数千个分隔符的数字”的意思

在任何情况下，使用pyparsing，您都应该定义要解析的模式

在第一个示例中，pyparse工作得很好，因为您将n定义为一个数字，所以：

n = Word(nums)
print(n.parseString("1000", parseAll=True))
['1000']

因此，如果要解析“1000”或“1,00”，则应将n定义为：

n = Word(nums) + ',' + Word(nums)

print(n.parseString("1,000", parseAll=True))
['1', ',', '000']

print(n.parseString("1,00", parseAll=True))
['1', ',', '00']

---

我还提出了一个正则表达式解决方案，有点晚了：

from pyparsing import Word, nums
import re

n = Word(nums)

def parseNumber(x):
    parseable = re.sub('[,][0-9]{3}', lambda y: y.group()[1:], x)
    return n.parseString(parseable, parseAll=True)

print(parseNumber("1,000,123"))

---

纯pyparsing方法将使用

Combine

包装一系列pyparsing表达式，这些表达式表示您在正则表达式中看到的不同字段：

import pyparsing as pp

int_with_thousands_separators = pp.Combine(pp.Optional("-") 
                                           + pp.Word(pp.nums, max=3)
                                           + ("," + pp.Word(pp.nums, exact=3))[...])

我发现，构建这样的数值表达式会导致解析时间大大降低，因为所有这些独立的部分都是独立解析的，有多个内部函数和方法调用（这在Python中是真正的性能杀手）。因此，您可以使用

Regex

将其替换为表达式：

# more efficient parsing with a Regex
int_with_thousands_separators = pp.Regex(r"-?\d{1,3}(,\d{3})*")

您还可以使用Jan发布的代码，并将编译后的正则表达式传递给正则表达式构造函数

要将解析时间转换为int，请添加一个去掉逗号的解析操作

# add parse action to convert to int, after stripping ','s
int_with_thousands_separators.addParseAction(
    lambda t: int(t[0].replace(",", "")))

我喜欢使用

runTests

检查这样的小表达式-编写一系列测试字符串很容易，输出显示解析结果或带有解析失败位置的带注释的输入字符串。（

将“1,00”

作为故意错误包括在内，以演示运行测试的错误输出）

如果要分析实数，请添加表示尾随小数点和后面数字的片段

real_with_thousands_separators = pp.Combine(pp.Optional("-") 
                                           + pp.Word(pp.nums, max=3)
                                           + ("," + pp.Word(pp.nums, exact=3))[...]
                                           + "." + pp.Word(pp.nums))

# more efficient parsing with a Regex
real_with_thousands_separators = pp.Regex(r"-?\d{1,3}(,\d{3})*\.\d+")

# add parse action to convert to float, after stripping ','s
real_with_thousands_separators.addParseAction(
    lambda t: float(t[0].replace(",", "")))

real_with_thousands_separators.runTests("""\
    # invalid values
    1
    1,00
    1,000
    -3,000,100
    1.

    # valid values
    1.732
    -273.15
    """)

---

那不是我想要的。我不想解析

1,00

，因为它不是一个数字。此外，这只适用于仅带1000分隔符的数字，但不适用于例如

1000000

，因为此数字有2000个分隔符separators@TheOneMusic：很高兴能帮上忙。事实上，我自己从来没有使用过

pyparsing

，我最喜欢的是。如果你去掉“^”和“$”锚点（如果扫描一个较大表达式中的数字，这可能会混淆pyparsing），你可以用这个re来构建一个pyparsing正则表达式，然后把它合并成一个更大的表达式。@PaulMcG:我知道你是

pyparsing

的真正作者。请随意编辑我的答案或自己提供一个答案，以包含您的解决方案。我不想从您那里窃取您的检查点-我始终感谢并鼓励其他人参与到问题中来。我写pyparsing是因为我对正则表达式的理解很糟糕，但就在此后的19年里，我实际上在正则表达式方面做得相当好。@PaulMcG：这不是因为名声，而是因为学习，不是吗。我甚至可以和-15 rep.@Jan一起睡个好觉。在这种情况下，这意味着要提出一个例外。这是一个无效的号码。阅读操作。传递给

runTests

的一些示例字符串（例如

“1,00”

，或不带小数部分的实数）是故意错误，以演示

runTests

错误输出。我已经编辑以显示预期失败的示例字符串。

real_with_thousands_separators = pp.Combine(pp.Optional("-") 
                                           + pp.Word(pp.nums, max=3)
                                           + ("," + pp.Word(pp.nums, exact=3))[...]
                                           + "." + pp.Word(pp.nums))

# more efficient parsing with a Regex
real_with_thousands_separators = pp.Regex(r"-?\d{1,3}(,\d{3})*\.\d+")

# add parse action to convert to float, after stripping ','s
real_with_thousands_separators.addParseAction(
    lambda t: float(t[0].replace(",", "")))

real_with_thousands_separators.runTests("""\
    # invalid values
    1
    1,00
    1,000
    -3,000,100
    1.

    # valid values
    1.732
    -273.15
    """)