Python以编程方式解析复杂字符串

我不确定这是否可以通过编程实现。我已经尝试了在SO上找到的各种例子，但专家可能会看一看，然后很快说“别浪费时间”

有点老套的解决方案：通过跟踪和错误操作字符串 观察：描述值对由

，

分隔

那么，让我们试着在这些分线器处拆分线：

line=“连接=带连接器的电缆，M12x1外螺纹，4针，0.30
m、 版本=背景灯，尺寸=43 x 9.5 x 64.5 mm，额定工作电压
老化Ue DC=24 V，最大电流消耗=208 mA，工作模式=正常，材料=铝
um阳极氧化，黑色玻璃PMMA，照明面积=25 x 25 mm，灯型=LED红色
光，波长=617 nm，照度（0.1 m）=350勒克斯，光束角度=40°x 40°，
环境温度=-10…55°C，认证/一致性=CE；EAC；WEEE，IP等级=IP
54"
行。拆分（“，”）

是否有任何逗号（

，

）后面没有空格？让我们检查拆分结果是否仍然包含任何逗号：

>>任何（'，'部分中的部分用于第行中的部分。拆分（'，'））
假的

好的

观察：描述和值由

=

分隔

让我们检查我们标识的所有零件是否都包含

=

：

>>所有（'='在x中表示x在line.split（'，'））
假的

嗯。怎么搞的？让我们看看完整的结果：

>line.split（“，”）
['连接=带连接器的电缆'，
‘M12x1男性’，
“4针”，
“0.30米”，
“版本=背景光”，
'尺寸=43 x 9.5 x 64.5 mm'，
‘额定工作电压Ue DC=24 V’，
“最大电流消耗=208 mA”，
‘工作模式=正常’，
“材料=阳极氧化铝”，
“黑色玻璃聚甲基丙烯酸甲酯”，
“照明面积=25 x 25 mm”，
“灯类型=LED红灯”，
“波长=617纳米”，
‘照度（0.1米）=350勒克斯’，
“光束角度=40°x 40°”，
“环境温度=-10…55℃”，
“批准/符合性=CE；EAC；WEEE”，
“IP等级=IP54”]

Aha：似乎有些值包含

，

：

• 带连接器的电缆，M12x1外螺纹，4针，0.30米

• 铝阳极氧化，黑色玻璃PMMA

这些也被分开了

让我们简单地重新加入其中：

fake_parts=line.split（'，'））
实部=[]
对于假冒零件中的零件：
如果部分“=”：
实数部分。附加（部分）
其他：
实部[-1]+=f'，{part}'

看起来怎么样

>>真实零件
['连接=带连接器的电缆，M12x1外螺纹，4针，0.30米'，
“版本=背景光”，
'尺寸=43 x 9.5 x 64.5 mm'，
‘额定工作电压Ue DC=24 V’，
“最大电流消耗=208 mA”，
‘工作模式=正常’，
“材料=铝阳极氧化，黑色玻璃PMMA”，
“照明面积=25 x 25 mm”，
“灯类型=LED红灯”，
“波长=617纳米”，
‘照度（0.1米）=350勒克斯’，
“光束角度=40°x 40°”，
“环境温度=-10…55℃”，
“批准/符合性=CE；EAC；WEEE”，
“IP等级=IP54”]
>>>全部（部分中的“=”表示部分中的真实部分）
真的

好多了

所有部件现在是否只包含一个

=

？让我们试着把它们分开：

>all（len（part.split（'='））==2（对于真实零件中的零件）
真的

好。这样，我们就可以组成一本字典：

>>从集合导入订单数据
>>>OrderedDict（零件分割（'='）用于实零件中的零件）
订购的DICT（[（“连接”，“带连接器的电缆，M12x1插头，4针，0.30米”），
（“版本”、“背景光”），
（‘尺寸’，‘43 x 9.5 x 64.5毫米’，
（‘额定工作电压Ue DC’，‘24 V’），
（“最大电流消耗”，“208 mA”），
（‘工作模式’、‘正常’），
（“材料”，“阳极氧化铝，黑色玻璃PMMA”），
（‘照明面积’，‘25 x 25 mm’），
（“灯型”、“LED红灯”），
（‘波长’，‘617纳米’），
（‘照度（0.1米）’‘350勒克斯’），
（“光束角度”，“40°x 40°”），
（‘环境温度’，‘-10…55°C’），
（“批准/符合性”、“CE；EAC；WEEE”），
（“IP等级”，“IP54”））

或者干脆

>>dict（实际零件中零件的零件分割（'='））
{‘环境温度’：‘-10…55°C’，
“批准/符合性”：“CE；EAC；WEEE”，
“光束角度”：“40°x 40°”，
‘连接’：‘带连接器的电缆，M12x1外螺纹，4针，0.30米’，
“电流消耗最大值：”“208 mA”，
“尺寸”：“43 x 9.5 x 64.5毫米”，
‘IP等级’：‘IP54’，
“照明面积”：“25 x 25 mm”，
‘照度（0.1米）’‘350勒克斯’，
“灯光类型”：“LED红灯”，
“材料”：“铝阳极氧化，黑色玻璃PMMA”，
“工作模式”：“正常”，
‘额定工作电压Ue DC’：‘24 V’，
“版本”：“背景光”，
‘波长’：‘617纳米’

现在，这可能是你可以处理的事情。然而，这种方法是脆弱的：

• 如果某些描述还包含

  ，

  ，会发生什么
• 如果描述或值包含

  =

  ，会发生什么
• 如果格式包含特定的转义序列，该怎么办

正确的解决方案：使用解析器 要根据一组复杂（或不太复杂）的规则正确解释编码为文本的数据，请使用解析器库。有关选项，请参见例如

---

但这需要您指定控制编码的确切规则集（称为“语法”），从而也知道这些规则。通过查看编码的数据，这些规则是否以及在多大程度上可以派生出来，取决于这些数据。

如果你能想出一个明确的算法来解析数据，那么你很可能可以编写一个Python程序来做同样的事；在尝试了几个“明确的算法”后，我失败了，尽管我是个新手。一个图案会跳到训练有素的眼睛上吗？我感谢@das-g给它一次机会……它更近了。谢谢你的帮助；看起来我的长数据集太不可靠了。我发现在描述里面有一些“，”