PyParsing 或语句

Question

这件事其实很简单，但我想要匹配以下两种模式中的一种：

"GET /ligonier-broadcast-media/mp3/rym20110421.mp3 HTTP/1.1"

或者

-

我试过类似这样的代码：

key = Word(alphas + nums + "/" + "-" + "_" + "." + "?" + "=" + "%" + "&")

uri = Or("-" | Group(
                   Suppress("\"") +
                   http_method +
                   key.setResultsName("request_uri") +
                   http_protocol +
                   Suppress("\"")
               )
      )

但似乎没有匹配上。我对如何使用 Or() 不是很确定，也不清楚是否需要用 Group()，或者该怎么做。我知道在 Group() 里面提供的参数如果单独调用是可以工作的，但我真的需要匹配到破折号或者带引号的 URI 字符串，而不是只要其中一个。

日志格式是固定的，我们只能处理已经给我们的内容。任何建议都会非常感谢。

Answer 1

我觉得你想要的是...

from pyparsing import oneOf
# more code here
uri = oneOf(["-", <insert long match expr here>])`
uri.matchString(someStringVar)

Answer 2

一般来说，在pyparsing中，Or、And、MatchFirst和Each这些类很少被直接使用。推荐的做法是用它们对应的运算符来代替。在你的例子中，你同时使用了这两种形式，这反而让事情变得复杂。

这是你表达式的简化版本：

key = Word(alphanums + "/-_.?=%&")
QUOT = Suppress('"')
uri = ("-" | QUOT
             + http_method
             + key("request_uri")
             + http_protocol
             + QUOT
      )

Word的参数是表示允许字符集合的字符串。如果只用一个参数（就像你这样），那么这个字符串就被理解为可以作为Word的一部分的字符集合。如果给出两个字符串，第一个表示允许的起始字符集合，第二个表示允许的主体字符集合（这在定义像变量名这样的东西时很有用，比如在Python中，变量名的起始字符只能是字母和'_'，但主体部分可以包含数字。这可以写成Word(alphas+'_', alphanums+'_')。因为Word的参数只是字符串，所以不需要单独添加"/" + "-" + "_" + ...，只需将它们合并成一个字符串即可。

‘|’运算符用于分隔允许的选择，生成一个MatchFirst表达式。之所以叫MatchFirst，是因为解析器在找到第一个匹配的表达式后就会停止尝试。所以如果用Word(alphas) | Word(nums)来解析字符串“abc”，pyparsing根本不会尝试匹配Word(nums)，因为第一个选择已经匹配了。如果你想匹配字母、字母和数字的组合，或者字母和数字的单词，并且想解析字符串“abc123”，那么这个解析器：

Word(alphas) | Word(nums) | Word(alphanums)

会用前面的Word(alphas)来解析字符串的开头“abc”。我们通常可以通过重新排列选择来解决这样的问题，比如：

Word(alphanums) | Word(alphas) | Word(nums)

但并不是所有情况都能这么简单处理。所以pyparsing也支持Or表达式，用‘^’运算符来定义（我选择这个符号是因为‘^’让我想起了测量长度的绘图工具）。Or表达式会尝试应用所有给定的选择，并选择最长的匹配。因此，你可以把我的小测试例子写成：

Word(alphas) ^ Word(nums) ^ Word(alphanums)

现在pyparsing在匹配“abc”时不会停止，而是会尝试所有的选择，最终选择第三个选择，匹配“abc123”，因为它提供了更长的匹配。

对于你的URI定义，没有必要使用Or匹配。解析器不会把前面的‘-’和引号中的HTTP命令字符串搞混。所以使用MatchFirst（你已经通过‘|’运算符实现了）是完全足够的。

还有一些其他事项：

• 如果可以的话，不要在Python中写"\""。Python支持这两种引号字符就是为了这个原因。用'"'代替。反斜杠是给C程序员和Windows文件名用的。

• expr.setResultsName("name")在pyparsing 1.4.6后简化为expr("name")。这种简化的语法确实提高了你解析器定义的可读性。

• 只有在你想保持结果的一些结构，或者有重复结构且其中有带结果名称的内部表达式时，才使用Group。对于你的解析器来说，这并不是必需的，只会在结果上增加一个额外的列表容器，需要额外的[0]索引来获取解析的数据。

（如果你确实决定要显式调用Or、And等，确保传递一个表达式列表，而不是仅仅把它们作为参数列出给表达式构造器——请参见为什么在我的用例中，pyparsing的有序选择会失败？，了解这样的错误如何搞砸事情，这也是我鼓励使用算术运算符来组合解析器的原因。）