优雅解析文本键值列表

Question

我正在为基于文本的序列比对/映射（SAM）文件编写一个解析器。其中有一个字段是由多个键值对组成的，这些键值对是一个字母和一个整数（整数在前，字母在后）。我现在的代码可以正常工作，但感觉有点笨重。有没有什么优雅的方式来解析这样的格式呢？谢谢。

输入：

record['cigar_str'] = '6M1I69M1D34M'

期望的输出：

record['cigar'] = [
    {'type':'M', 'length':6},
    {'type':'I', 'length':1},
    {'type':'M', 'length':69},
    {'type':'D', 'length':1},
    {'type':'M', 'length':34}
]

编辑：我现在的做法

cigarettes = re.findall('[\d]{0,}[A-Z]{1}', record['cigar_str'])
for cigarette in cigarettes:
    if cigarette[-1] == 'I':
        errors['ins'] += int(cigarette[:-1])
    ...

Answer 1

我会这样做：

>>> import re
>>> s = '6M1I69M1D34M'
>>> matches = re.findall(r'(\d+)([A-Z]{1})', s)
>>> import pprint
>>> pprint.pprint([{'type':m[1], 'length':int(m[0])} for m in matches])
[{'length': 6, 'type': 'M'},
 {'length': 1, 'type': 'I'},
 {'length': 69, 'type': 'M'},
 {'length': 1, 'type': 'D'},
 {'length': 34, 'type': 'M'}]

这个方法跟你现在的差不多，但它使用了正则表达式的分组功能，可以把匹配到的内容拆分成一个个独立的部分。