Python PLY：非法字符'+'；

我正在使用ply开发python解析器，我必须以以下形式解析输入：

VAR VAR1 001 
+000 000 000 000

其中，代码将创建一个名为VAR 1的变量，然后将值0赋给它

我为实例编写的正则表达式是：

t_INST = r'[\+|-]0[ ][0-9][0-9][0-9][ ][0-9][0-9][0-9][ ][0-9][0-9][0-9][ ][0-9][0-9][0-9]'

但是，在运行我的程序时，PLY会打印以下内容：

Illegal character '+'

---

复制机如下所示：

import ply.lex as lex

tokens = ['INST']
t_INST = r'[+-]0[ ](\d{3}[ ]){3}\d{3}';
t_ignore  = ' \t'
def t_error(t):
    print("Illegal character '%s'" % t.value[0])
    t.lexer.skip(1)

lexer = lex.lex()

def parse(input_string):
    ret = []
    lexer.input (input_string)
    while True:
        tok = lexer.token()
        if not tok:
            break      # No more input
        ret.append((tok.type, tok.value))
    return ret

print parse("+0 000 000 000")

---

您不必在字符类中转义

+

。您可以使用：

t_INST = r'[+|-]0[ ][0-9][0-9][0-9][ ][0-9][0-9][0-9][ ][0-9][0-9][0-9][ ][0-9][0-9][0-9]'
   this-----^

无论如何，您可以这样缩短正则表达式：

t_INST = r'[+|-]0[ ][0-9]{3}[ ][0-9]{3}[ ][0-9]{3}[ ][0-9]{3}'

甚至：

t_INST = r'[+|-]0[ ]([0-9]{3}[ ]){3}[0-9]{3}'

还注意到您使用了

[+-]

，这是一个字符类，不适用于替换，因此您必须将其更改为

[+-]

因此，最后一个正则表达式（使用

\d

作为

[0-9]

的快捷方式）是：

t_INST = r'[+-]0[ ](\d{3}[ ]){3}\d{3}'

顺便说一句，您的示例文本显示：

+000 000 000 000

但您使用的正则表达式与此匹配：

+0 000 000 000 000

因此，如果要匹配的数据是

+000

，则必须将正则表达式更改为：

t_INST = r'[+-](\d{3}[ ]){3}\d{3}'

该行：

print parse("+0 000 000 000")

与您声明的输入格式不匹配

VAR VAR1 001 
+000 000 000 000

如果实际数据的格式与

+0 000 000

相同，则实际需要：

t_INST = r'[+-]0\s(?:\d{3}\s){2}\d{3}'

---

…其输出为：

[（'INST'，'+0 000'）]

您应该使用\d表示字符，还应该使用{}表示重复序列：[\+-]（？：\d{3}\s？{4}为什么使用反斜杠？您可能希望在正常的上下文中这样做，但在角色类中没有意义。实际上，除非

|

是有效的第一个字符，否则您可能也希望

[+-]

，而不是

[+-]

。顺便说一句，将您的复制器（同时尽可能保持最小）扩展到完整且可验证的程度会有所帮助，如中所示。现在，有人需要做相当多的工作来重现这个bug。请在问题中提供我的解析器的MVCE。或者至少在没有广告的地方（如果你使用的是adblock，你可能没有注意到pastebin.com上到处都是广告）；这是一个很好的选择。这是我在回答中给出的正则表达式，使用

\s

作为快捷方式和非捕获组。这听起来更像是对我问题的评论。此外，对于OP的测试数据，您使用了

{2}

，并且应该是

{3}

，不，它确实应该是

{2}

。他们的评论对实际使用的数据格式具有误导性。（这就是为什么我花了大量的时间强迫他们提供一个真正的复制者，而不是直接写一个答案）…这里的问题（即，我选择写一个竞争性答案而不是评论这个答案的不良行为）你写了一个答案，但实际上没有一个真正的复制者，这可能会造成他们的问题，因此没有保证你真的知道OP的问题是什么。即使

re.compile（r'[\+\-]].match（'+'）

不起作用，我也同意有充分的理由进行推测，但事实并非如此：最初的代码很糟糕，但（可测试！）没有在最初给出的任何理由上被破坏……事实上，

re.compile（r'[\+-]0[\+]0-9][0-9][0-9][0-9][0-9][0-9][0-9][0-9][0-9][0-9][0-9][0-9][0-9][0-9]'）。匹配（'+0 000'）

返回匹配项。