设计一个模块来解析文本文件

Question

我真的不相信通用文本文件解析器 - 尤其是那些文件是为人类读者而设计的。像HTML和网络日志这样的文件可以通过美丽的肥皂或正则表达式很好地处理。但人类可读的文本文件仍然是一个棘手的问题。

只是我愿意手动编码一个文本文件解析器，剪裁我遇到的每种不同的格式。我仍然想看看是否有可能有一个更好的程序结构，使我能够在3个月的时间内了解程序逻辑。也为了让它可读。

今天，我得到了一个问题，从文件中提取时间戳：

"As of 12:30:45, ..." 
"Between 1:12:00 and 3:10:45, ..." 
"During this time from 3:44:50 to 4:20:55 we have ..." 

解析很简单。我在每一行的不同位置都有时间戳。但我认为应该如何设计模块/功能，方式如下：（1）每行格式将单独处理，（2）如何分支到相关功能。例如，我可以像下面每一行代码分析器：

def parse_as(s): 
    return s.split(' ')[2], s.split(' ')[2] # returning the second same as the first for the case that only one time stamp is found 

def parse_between(s): 
    return s.split(' ')[2], s.split(' ')[4] 

def parse_during(s): 
    return s.split(' ')[4], s.split(' ')[6] 

这可以帮助我有关于已经由程序处理的格式，快速的想法。如果我遇到另一种新格式，我总是可以添加一个新功能。

但是，我仍然没有一个优雅的方式来分支到相关的功能。

# open file 
for l in f.readline(): 
    s = l.split(' ') 
    if s == 'As': 
     ts1, ts2 = parse_as(l) 
    else: 
     if s == 'Between': 
      ts1, ts2 = parse_between(l) 
     else: 
      if s == 'During': 
      ts1, ts2 = parse_during(l) 
      else: 
      print 'error!' 
    # process ts1 and ts2 

这不是我想要维护的东西。

有什么建议吗？曾经有人认为装饰者可能会帮助我，但我无法自己把它整理出来。感谢任何人都可以指出我正确的方向。

Answer 1

考虑使用字典映射的：

dmap = { 
    'As': parse_as, 
    'Between': parse_between, 
    'During': parse_during 
} 

然后你只需要使用这样的：

dmap = { 
    'As': parse_as, 
    'Between': parse_between, 
    'During': parse_during 
} 

for l in f.readline(): 
    s = l.split(' ') 
    p = dmap.get(s, None) 
    if p is None: 
     print('error') 
    else: 
     ts1, ts2 = p(l) 
     #continue to process 

很多更容易维护。如果你有新的功能，你只需要把它与它的关键字添加到dmap在一起：

dmap = { 
    'As': parse_as, 
    'Between': parse_between, 
    'During': parse_during, 
    'After': parse_after, 
    'Before': parse_before 
    #and so on 
} 

Answer 2

什么

start_with = ["As", "Between", "During"] 
parsers = [parse_as, parse_between, parse_during] 


for l in f.readlines(): 
    match_found = False 

    for start, f in zip(start_with, parsers): 
     if l.startswith(start): 
      ts1, ts2 = f(l.split(' ')) 
      match_found = True 
      break 

    if not match_found: 
     raise NotImplementedError('Not found!') 

或用字典为提到伊恩：

rules = { 
    "As": parse_as, 
    "Between": parse_between, 
    "During": parse_during 
} 

for l in f.readlines(): 
    match_found = False 

    for start, f in rules.items(): 
     if l.startswith(start): 
      ts1, ts2 = f(l.split(' ')) 
      match_found = True 
      break 

    if not match_found: 
     raise NotImplementedError('Not found!') 

Answer 3

为什么不使用正则表达式？

import re 

# open file 
with open('datafile.txt') as f: 
    for line in f: 
     ts_vals = re.findall(r'(\d+:\d\d:\d\d)', line) 
     # process ts1 and ts2 

因此ts_vals将与所提供的实施例的任一个或两个单元的明细表。