Python 循环函数直到失败的最佳方法?
免责声明:Python 循环函数直到失败的最佳方法?,python,python-2.7,function,loops,Python,Python 2.7,Function,Loops,免责声明: 我可能问的是“错误的方式”——我还是个新手 对于编程,我可能缺少正确的术语和 理解正确地提出问题。对不起,如果我 是的 我知道你不能用正则表达式解析[X]HTML。我不是在分析 信息技术我只是在匹配一个字符串以获得该字符串行的计数 我试过lxml和iter(),以及iterparse(),我试过了。这对我不起作用。我是这样做的 我知道这里的代码效率不高(特别是每次调用函数时编译regex表达式)——我这样重新编写代码是为了提供询问问题所需的“最少代码”,另外,我认为这使我更容易理解我
lxml
和iter()
,以及iterparse()
,我试过了。这对我不起作用。我是这样做的{record\u id:{element\u tag:element\u val,element\u tag:element\u val,…}
形式的字典
由于记录id嵌套在记录本身中,我首先使用记录拆分器来标识
和
(beg
和end
)的计数。我将beg
和end
传递到dic_工厂
,该工厂找到这些位置,对其中嵌套的元素进行处理,然后将“beg”设置为end+1
,并将其传递回记录分割器
功能
我的问题是,是否有更好的方法来实现函数之间的循环,最好是在下,如果
,那么我可以移动更多的常量(例如regex语句)
Code:
# stored as a text file, but here for clarity
list_of_lines = """
<RECORD>
<TITLE>MISS</TITLE>
<NAME>ELIZABETH</NAME>
<SURNAME>II</SURNAME>
<ADDRESS1>1 BUCKINGHAM PALACE</ADDRESS1>
<ADDRESS2>LONDON</ADDRESS2>
<ADDRESS3>GREATER LONDON</ADDRESS3>
<POST_CODE>W1 11A</POST_CODE>
<CASE_NUM>Q1QQ1234</CASE_NUM>
<ID>32145698</ID>
<LAST_UPDATE_DATE>2016-12-12</LAST_UPDATE_DATE>
</RECORD>
<RECORD>
<TITLE>MR</TITLE>
<NAME>PRINCE</NAME>
<SURNAME>PHILLIP</SURNAME>
<ADDRESS1>1 BUCKINGHAM PALACE</ADDRESS1>
<ADDRESS2>LONDON</ADDRESS2>
<ADDRESS3>GREATER LONDON</ADDRESS3>
<POST_CODE>W1 11A</POST_CODE>
<CASE_NUM>K5KK4321</CASE_NUM>
<ID>56987412</ID>
<LAST_UPDATE_DATE>2017-01-16</LAST_UPDATE_DATE>
</RECORD>
<RECORD>
"""
class recordManager:
def __init__(self):
self.r_location = "list_of_lines.txt"
def record_splitter(self, beg):
re_beg_spl = re.compile(".*<RECORD>")
re_end_spl = re.compile(".*(<\\/RECORD>)")
end = None
for count, line in enumerate( open(self.r_location) ):
if count > beg:
if re_end_spl.match(line):
end = count
if not re_end_spl.match(line):
if re_beg_spl.match(line):
beg = count
else:
break
recordManager.dic_factory(self, beg, end)
def dic_factory(self, beg, end):
re_casenum = re.compile(".*<CASE_NUM>(.*)<\\/CASE_NUM>")
re_tag_val = re.compile(".*<(\\w*)>(.*)<.*")
id_ = None
tags = []
vals = []
for count, line in enumerate( open(self.r_location) ):
if beg < count < end:
if re_casenum.match(line):
m = re_casenum.match(line)
id_ = m.group(1)
if re_tag_val.match(line):
m = re_tag_val.match(line)
tags.append( m.group(1) )
vals.append( m.group(2) )
beg = end +1
print {id_ : dict(zip(tags, vals)) }
# {32145698 : {'POST_CODE': 'W1 11A', 'SURNAME': 'II', 'NAME': 'ELIZABETH', 'TITLE': 'MISS', 'ADDRESS1': '1 BUCKINGHAM PALACE', 'ADDRESS2': 'LONDON', 'ADDRESS3': 'GREATER LONDON', 'RECORD_TYPE': '1', 'CASE_NUM': 'Q1QQ1234', 'LAST_UPDATE_DATE': '2016-12-12', 'ID': '32145698'}}
self.record_splitter(beg)
if __name__ == '__main__':
inst_fol = record_manager(file)
recordManager.record_splitter(inst_folder, 0)
这是“从函数内部循环”吗?如果不是,更好的方法是什么;dr:用self.beg替换beg
我的建议是将beg
列为你班上的一个字段。请记住,您使用的每个方法都可以访问self
,这是将此工作组织到一个类中的一部分优势:
所以\uuuu init\uuuu
变成:
def __init__(self):
self.r_location = "list_of_lines.txt"
self.beg = 0
现在,无论你在哪里使用beg
你都把它称为self.beg
例如:
for count, line in enumerate( open(self.r_location) ):
if count > self.beg:
if re_end_spl.match(line):
end = count
if not re_end_spl.match(line):
if re_beg_spl.match(line):
self.beg = count
else:
break
recordManager.dic_factory(self, self.beg, end)
请注意,还有进一步的整合机会:
dic_factory
将beg
作为参数,但它也可以访问对象self
,并且可以简单地从该字段读取beg
。我建议您在同一迭代器上使用嵌套循环,而不是单独的函数。(详情见评论)
类记录管理器:
定义初始化(自):
self.r\u location=“list\u of\u lines.txt”
self.records=[]#也许我们要存储找到的所有记录?
def find_记录(自我):
re_beg_spl=re.compile(“.*”)
re\u end\u spl=re.compile(“”()“”)
re_casenum=re.compile(“.*(.*)”)#将它们移到这里,因为我们正在将两个函数合并为一个函数
re_tag_val=re.compile(.*(*)澄清:您是否在询问如何在\uu main\uuuu
中首次调用后将变量beg
返回到函数记录\u拆分器中?这是正确的-我希望它这样做,直到失败为止(即,直到它处理了列表中的所有行。txt
)如果您的最终目标是将xml放入dict,您可以检查:,,不要像字符串一样解析xml!学习如何使用lxml或xml.etree解析它,然后构建dict。@Ywapom看起来很有趣,我会尝试一下。只要它不尝试将整个文件加载到内存中,它可能会工作。谢谢。@Igle-我已经尝试过lxml(参见免责声明的第3点)。它将整个文件加载到内存中。对我不起作用。使用clear()尝试iterparse()
。对我来说也不起作用。让我试试这个,然后再回来找你。我确信我之前也尝试过类似的方法,但在更改Damn的值时出现了一个问题,这是一个快速、优雅的解决方案,我学到了一些新的东西(嵌套循环)。非常感谢。请你解释一下这一行-标记[match\u elem.group](1) ]=match_elem.group(2)
?@rong是python字典的快速入门。tags
每次启动新记录时都作为空字典启动:tags={}
。然后,我使用标记值的第一组作为键,第二组作为新字典条目的值。基本上,我是以增量方式向输出字典添加值,而不是单独收集键和值,然后在末尾使用dict(zip(标记,val))创建dict
正如您在第一个示例中所做的。
for count, line in enumerate( open(self.r_location) ):
if count > self.beg:
if re_end_spl.match(line):
end = count
if not re_end_spl.match(line):
if re_beg_spl.match(line):
self.beg = count
else:
break
recordManager.dic_factory(self, self.beg, end)
class recordManager:
def __init__(self):
self.r_location = "list_of_lines.txt"
self.records = [] #perhaps we want to store all the records we find?
def find_records(self):
re_beg_spl = re.compile(".*<RECORD>")
re_end_spl = re.compile(".*(<\\/RECORD>)")
re_casenum = re.compile(".*<CASE_NUM>(.*)<\\/CASE_NUM>") #move these up here since we're rolling the two functions into one
re_tag_val = re.compile(".*<(\\w*)>(.*)<.*")
with open(self.r_location) as f: #use the "with open() as f:" idiom to ensure file gets closed when you're done with it
for line in f: #iterating over an open file defaults to line by line and we won't need line number with the nested loop approach
if re_beg_spl.match(line): #start a new record
tags = {} #container for element tags and values
case = '' #case number for this record
for line in f: #re-use iterator for inner loop so lines are consumed (outer loop will pick up where inner loop leaves off)
match_case = re_casenum.match(line)
match_elem = re_tag_val.match(line)
match_end = re_end_spl.match(line)
if match_case:
case = match_case.group(1) #are match groups 1 or 0 indexed? I didn't look it up..
elif match_elem:
tags[match_elem.group(1)] = match_elem.group(2)
elif match_end: #end of a record -- save info and break out of inner loop
caseinfo = {case: tags}
print(caseinfo)
self.records.append(caseinfo)
break