Python 使用CFG解析枚举
我有一个从富文本枚举生成的字符串,例如:Python 使用CFG解析枚举,python,context-free-grammar,pyparsing,Python,Context Free Grammar,Pyparsing,我有一个从富文本枚举生成的字符串,例如: {"Let X denote one of the following:" : {"weight":{}, "height":{}, "depth":{}} , "Y denote": {"color, except": {"white":{}, "blue":{}}}, "pressure":{} } “(1)让X表示以下其中一项:(a)重量(b)高度(c) 深度(2)Y表示(a)颜色,但(i)白色(ii)蓝色(b)压力除外” 我想构建原始结构,例
{"Let X denote one of the following:" : {"weight":{}, "height":{}, "depth":{}} ,
"Y denote": {"color, except": {"white":{}, "blue":{}}}, "pressure":{} }
“(1)让X表示以下其中一项:(a)重量(b)高度(c)
深度(2)Y表示(a)颜色,但(i)白色(ii)蓝色(b)压力除外”
我想构建原始结构,例如:
{"Let X denote one of the following:" : {"weight":{}, "height":{}, "depth":{}} ,
"Y denote": {"color, except": {"white":{}, "blue":{}}}, "pressure":{} }
很明显,这是上下文无关语法,但是我在实现它时遇到了困难pyparsing
编辑
我不是CFG方面的专家,因此我希望BNF的表述是正确的:
假设:
w
相当于任何字符(re.compile(“\w*”)
)l
相当于re.compile(“[a-z]”)
d
相当于're.compile(“\d+”)r
相当于罗马数字(i
,ii
,iii
,…)<E1>::= "(" <d> ")" | <E1> " "
<E2>::= "(" <l> ")" | <E2> " "
<E3>::= "(" <r> ")" | <E3> " "
<L0>::= <w> | <w> <E1> <L1> <L0>
<L1>::= <w> | <w> <E2> <L2> <L1>
<L2>::= <w> | <w> <E3> <L2>
:=”(“”)|“
::= "(" ")" | " "
::= "(" ")" | " "
::= |
::= |
::= |
以下是使用pyparsing表达式的解析器的第一部分:
import pyparsing as pp
LPAR, RPAR = map(pp.Suppress, "()")
COMMA, COLON = map(pp.Literal, ",:")
wd = pp.Word(pp.alphas)
letter = pp.oneOf(list(pp.alphas.lower()))
integer = pp.pyparsing_common.integer
roman = pp.Word('ivx')
e1 = LPAR + integer + RPAR
e2 = LPAR + letter + RPAR
e3 = LPAR + roman + RPAR
根据您的BNF,下一部分可能如下所示:
# predefine levels using Forwards, since they are recursive
lev0 = pp.Forward()
lev1 = pp.Forward()
lev2 = pp.Forward()
lev0 <<= wd | wd + e1 + lev1 + lev0
lev1 <<= wd | wd + e2 + lev2 + lev1
lev2 <<= wd | wd + e3 + lev2
在pyparsing中,您可以更直接地实现这一点:
wd = pp.Word(pp.alphas)
list_of_wd = pp.OneOrMore(wd)
# or using tuple multiplication short-hand
list_of_wd = wd * (1,)
根据您的示例,我将您的BNF级别改写为:
wds = pp.Group(wd*(1,))
lev0 <<= e1 + wds + lev1*(0,)
lev1 <<= e2 + wds + lev2*(0,)
lev2 <<= e3 + wds
expr = lev0()*(1,)
expr.ignore(COMMA | COLON)
我们得到:
(1) Y denote (a) color (b) pressure
[1, ['Y', 'denote'], 'a', ['color'], 'b', ['pressure']]
(1) Let X denote one of the following: (a) weight (b) height (c) depth (2) Y denote (a) color, except (i) white (ii) blue (b) pressure
[1,
['Let', 'X', 'denote', 'one', 'of', 'the', 'following'],
'a',
['weight'],
'b',
['height'],
'c',
['depth'],
2,
['Y', 'denote'],
'a',
['color', 'except'],
'i',
['white'],
'ii',
['blue'],
'b',
['pressure']]
所以它被解析了,从某种意义上说,它通过了整个输入字符串,但我们所做的只是基本的标记化,并没有表示整数/阿尔法/罗马嵌套列表所隐含的任何结构
Pyparsing包含一个分组类来构造结果:
G = pp.Group
wds = G(wd*(1,))
lev0 <<= G(e1 + G(wds + lev1*(0,)))
lev1 <<= G(e2 + G(wds + lev2*(0,)))
lev2 <<= G(e3 + wds)
expr = lev0()*(1,)
expr.ignore(COMMA | COLON)
一个完整的解析器实际上会理解“下面的一个”与“下面的所有”以及元素的包含和排除的概念,但这超出了这个问题的范围。在开始实现任何东西之前,无论是在pyparsing、PLY还是任何其他解析库中,请为表达式编写一个BNF。然后编写一系列从简单到复杂的测试字符串。(从测试字符串开始,然后根据从编写字符串中学到的知识来执行BNF可能更简单。)对照它们测试BNF,并根据需要进行调整。然后开始在pyparsing中实现BNF或者其他任何东西。编辑您的问题以包括BNF,以及您在哪里与pyparsing实现斗争。您好@PaulMcG,我已经编辑了这个问题,以我对
BNF
的最佳理解,请让我知道这是否适用于pyparsing什么表达式应该与您的整体表达式相匹配?没有一个Ln
以E1
开头,这就是测试字符串的开头。另外,省略空格,pyparsing默认跳过空格,所以只需关注可打印的内容。测试字符串还包括冒号和逗号,它们都不包含在BNF中。最后,请列出一系列示例测试字符串,从简单到复杂,并根据您的BNF手动测试它们。
G = pp.Group
wds = G(wd*(1,))
lev0 <<= G(e1 + G(wds + lev1*(0,)))
lev1 <<= G(e2 + G(wds + lev2*(0,)))
lev2 <<= G(e3 + wds)
expr = lev0()*(1,)
expr.ignore(COMMA | COLON)
(1) Y denote (a) color (b) pressure
[[1, [['Y', 'denote'], ['a', [['color']]], ['b', [['pressure']]]]]]
(1) Let X denote one of the following: (a) weight (b) height (c) depth (2) Y denote (a) color, except (i) white (ii) blue (b) pressure
[[1,
[['Let', 'X', 'denote', 'one', 'of', 'the', 'following'],
['a', [['weight']]],
['b', [['height']]],
['c', [['depth']]]]],
[2,
[['Y', 'denote'],
['a', [['color', 'except'], ['i', ['white']], ['ii', ['blue']]]],
['b', [['pressure']]]]]]