如何组织我的pyparsing函数？

Question

我正在用Python和pyparsing来解析一个文件（这个文件是PSAT在Matlab中的报告文件，但这不是重点）。这是我目前的代码。我觉得它有点乱，想请教一下怎么改进。特别是，我应该怎么组织我的语法定义，用pyparsing来写？

我是不是应该把所有的语法定义放在一个函数里？如果这样的话，这个函数会变得非常庞大。如果不这样做，那我该怎么拆分呢？目前我是按照文件的不同部分来分的。是不是值得为了只调用一次的功能而写很多函数呢？这两种方式我都觉得不太对劲。

我是不是应该把所有的输入和输出代码放在一个单独的文件里，而不是和其他类的函数放在一起？这样可以让这个类的目的更加清晰。

我也想知道有没有更简单的方法来解析文件，做一些基本检查，然后把数据存储在一个类里。我发现我花了很多时间在这上面。

（如果大家同意，我也会接受“这样就够了”或者“用X代替pyparsing”的回答）

Answer 1

我觉得你可以选择用一个大方法来创建解析器，或者像现在这样分步骤进行，都是可以的。

我注意到你定义了一些很有用的辅助工具，比如 slit（我猜是“抑制字面量”），stringtolits 和 decimaltable。这些看起来不错。

我喜欢你使用结果名称，这样能大大增强你解析后代码的健壮性。我建议你使用在 pyparsing 1.4.7 中新增的快捷方式，这样你可以把

busname.setResultsName("bus1")

替换成

busname("bus1")

这样可以让你的代码看起来更简洁。

我建议你回头看看你的解析动作，看看哪里用数字索引来访问单个标记，然后改成使用结果名称。比如这里有一个例子，GetStats 返回 (ngroup + sgroup).setParseAction(self.process_stats)。process_stats 中有类似这样的引用：

self.num_load = tokens[0]["loads"]
self.num_generator = tokens[0]["generators"]
self.num_transformer = tokens[0]["transformers"]
self.num_line = tokens[0]["lines"]
self.num_bus = tokens[0]["buses"]
self.power_rate = tokens[1]["rate"]

我喜欢你把值和统计数据进行了分组，但可以给它们起个名字，比如“network”和“soln”。这样你可以把这个解析动作的代码写成（我也把它转换成了我觉得更易读的对象属性表示法，而不是字典元素表示法）：

self.num_load = tokens.network.loads
self.num_generator = tokens.network.generators
self.num_transformer = tokens.network.transformers
self.num_line = tokens.network.lines
self.num_bus = tokens.network.buses
self.power_rate = tokens.soln.rate

还有一个风格问题：为什么有时候你使用显式的 And 构造函数，而不是用 '+' 操作符呢？

busdef = And([busname.setResultsName("bus1"),
            busname.setResultsName("bus2"),
            integer.setResultsName("linenum"),
            decimaltable("pf qf pl ql".split())])

这同样可以写成：

busdef = (busname("bus1") + busname("bus2") + 
            integer("linenum") + 
            decimaltable("pf qf pl ql".split()))

总体来说，我觉得这个文件的复杂度大致是这样的。我有一个类似的格式（可惜是专有的，不能分享），我也是像你这样分块构建代码，但用一个大方法，像这样：

def parser():
    header = Group(...)
    inputsummary = Group(...)
    jobstats = Group(...)
    measurements = Group(...)
    return header("hdr") + inputsummary("inputs") + jobstats("stats") + measurements("meas")

在像这样的一个大型解析器中，Group 构造特别有帮助，可以为解析数据的每个部分的结果名称建立一种命名空间。