PyParsing 查看前瞻和贪婪表达式

Question

我正在用PyParsing写一个查询语言的解析器，但遇到了一些麻烦，我觉得这可能和“前瞻”有关。在这个查询中，有一种子句类型是用来把字符串分成三部分（字段名、操作符、值），其中字段名是一个单词，操作符可以是一个或多个单词，而值可以是一个单词、一个带引号的字符串，或者是一个用括号括起来的这些内容的列表。

我的数据看起来像这样：

author is william
author is 'william shakespeare'
author is not shakespeare
author is in (william,'the bard',shakespeare)

而我目前为这个子句写的解析器是：

fieldname = Word(alphas)

operator = OneOrMore(Word(alphas))

single_value = Word(alphas) ^ QuotedString(quoteChar="'")
list_value = Literal("(") + Group(delimitedList(single_value)) + Literal(")")
value = single_value ^ list_value

clause = fieldname + originalTextFor(operator) + value

显然，这个解析器失败了，因为operator这个部分是贪婪的，它会尽量多地获取内容，结果把value也吃掉了。从阅读其他类似的问题和文档中，我了解到我需要用NotAny或FollowedBy来管理这个前瞻，但我还没能弄明白怎么才能让它正常工作。

Answer 1

这里是一个很好的地方来理解解析器的工作原理。更准确地说，就是让解析器像你一样思考。问问自己，“在‘author is shakespeare’这句话中，怎么知道‘shakespeare’不是操作符的一部分？”你知道‘shakespeare’是值，因为它在查询的最后面，后面没有其他内容。所以，操作符的词不仅仅是字母组成的词，它们是那些后面没有字符串结束的字母词。现在把这种前瞻逻辑加到你对operator的定义中：

operator = OneOrMore(Word(alphas) + ~FollowedBy(StringEnd()))

我觉得这样会让你的解析效果更好。

还有一些其他的小建议：

• 我只在可能产生歧义的情况下使用‘^’操作符，比如当我解析一个可能是整数或十六进制的字符串时。如果我用Word(nums) | Word(hexnums)，那么“123ABC”可能会被错误地处理成仅仅是前面的“123”。通过把‘|’改成‘^’，所有的选择都会被测试，并选择最长的匹配。在我解析十进制或十六进制整数的例子中，我也可以通过先测试Word(hexnums)来反转选择，得到同样的结果。在你的查询语言中，引用字符串和非引用单词值之间没有混淆的可能（一个以'或"开头，另一个则没有），所以没有必要使用‘^’，用‘|’就足够了。对于value = singleValue ^ listValue也是一样。

• 给查询字符串的关键部分添加结果名称，这样后续处理会更方便：

  clause = fieldname("fieldname") + originalTextFor(operator)("operator") + value("value")

  现在你可以通过名称来访问解析后的值，而不是通过解析的位置（当你开始处理更复杂的可选字段时，这会变得棘手且容易出错）：

  queryParts = clause.parseString('author is william')

  print queryParts.fieldname

  print queryParts.operator