7.4 规整字符串提取数据的神器
============================

.. image:: http://image.iswbm.com/20200804124133.png

从一段指定的字符串中，取得期望的数据，正常人都会想到正则表达式吧？

写过正则表达式的人都知道，正则表达式入门不难，写起来也容易。

但是正则表达式几乎没有可读性可言，维护起来，真的会让人抓狂，别以为这段正则是你写的就可以驾驭它，过个一个月你可能就不认识它了。

今天给你介绍一个好东西，可以让你在某些场景下摆脱正则的噩梦，那就是
Python 中一个非常冷门的库 – parse 。

1. 真实案例
-----------

拿一个最近使用 parse 的真实案例来举例说明。

下面是 ovs
一个条流表，现在我需要收集提取一个虚拟机（网口）里有多少流量、多少包流经了这条流表。也就是每个
in_port 对应的 n_bytes、n_packets 的值 。

::

   cookie=0x9816da8e872d717d, duration=298506.364s, table=0, n_packets=480, n_bytes=20160, priority=10,ip,in_port="tapbbdf080b-c2" actions=NORMAL

如果是你，你会怎么做呢？

先以逗号分隔开来，再以等号分隔取出值来？

你不妨可以尝试一下，写出来的代码应该和我想象的一样，没有一丝美感可言。

我来给你展示一下，我是怎么做的？

.. image:: http://image.iswbm.com/image-20200903214325849.png

可以看到，我使用了一个叫做 parse 的第三方包，是需要自行安装的

.. code:: shell

   $ python -m pip install parse

从上面这个案例中，你应该能感受到 parse
对于解析规范的字符串，是非常强大的。

2. parse 的结果
---------------

parse 的结果只有两种：

1. 没有匹配上，parse 的值为None

.. code:: python

   >>> parse("halo", "hello") is None
   True
   >>>

2. 如果匹配上，parse 的值则 为 Result 实例

.. code:: python

   >>> parse("hello", "hello world")
   >>> parse("hello", "hello")
   <Result () {}>
   >>> 

如果你编写的解析规则，没有为字段定义字段名，也就是匿名字段， Result
将是一个 类似 list 的实例，演示如下：

.. code:: python

   >>> profile = parse("I am {}, {} years old, {}", "I am Jack, 27 years old, male")
   >>> profile
   <Result ('Jack', '27', 'male') {}>
   >>> profile[0]
   'Jack'
   >>> profile[1]
   '27'
   >>> profile[2]
   'male'

而如果你编写的解析规则，为字段定义了字段名， Result 将是一个 类似 字典
的实例，演示如下：

.. code:: python

   >>> profile = parse("I am {name}, {age} years old, {gender}", "I am Jack, 27 years old, male")
   >>> profile
   <Result () {'gender': 'male', 'age': '27', 'name': 'Jack'}>
   >>> profile['name']
   'Jack'
   >>> profile['age']
   '27'
   >>> profile['gender']
   'male'

3. 重复利用 pattern
-------------------

和使用 re 一样，parse 同样支持 pattern 复用。

.. code:: python

   >>> from parse import compile
   >>> 
   >>> pattern = compile("I am {}, {} years old, {}")
   >>> pattern.parse("I am Jack, 27 years old, male")
   <Result ('Jack', '27', 'male') {}>
   >>> 
   >>> pattern.parse("I am Tom, 26 years old, male")
   <Result ('Tom', '26', 'male') {}>

4. 类型转化
-----------

从上面的例子中，你应该能注意到，parse
在获取年龄的时候，变成了一个\ ``"27"``
，这是一个字符串，有没有一种办法，可以在提取的时候就按照我们的类型进行转换呢？

你可以这样写。

.. code:: python

   >>> from parse import parse
   >>> profile = parse("I am {name}, {age:d} years old, {gender}", "I am Jack, 27 years old, male")
   >>> profile
   <Result () {'gender': 'male', 'age': 27, 'name': 'Jack'}>
   >>> type(profile["age"])
   <type 'int'>

除了将其转为 整型，还有其他格式吗？

内置的格式还有很多，比如

匹配时间

.. code:: python

   >>> parse('Meet at {:tg}', 'Meet at 1/2/2011 11:00 PM')
   <Result (datetime.datetime(2011, 2, 1, 23, 0),) {}>

更多类型请参考官方文档：

+---+-----------------------------------------------------------+-------+
| T | Characters Matched                                        | O     |
| y |                                                           | utput |
| p |                                                           |       |
| e |                                                           |       |
+===+===========================================================+=======+
| l | Letters (ASCII)                                           | str   |
+---+-----------------------------------------------------------+-------+
| w | Letters, numbers and underscore                           | str   |
+---+-----------------------------------------------------------+-------+
| W | Not letters, numbers and underscore                       | str   |
+---+-----------------------------------------------------------+-------+
| s | Whitespace                                                | str   |
+---+-----------------------------------------------------------+-------+
| S | Non-whitespace                                            | str   |
+---+-----------------------------------------------------------+-------+
| d | Digits (effectively integer numbers)                      | int   |
+---+-----------------------------------------------------------+-------+
| D | Non-digit                                                 | str   |
+---+-----------------------------------------------------------+-------+
| n | Numbers with thousands separators (, or .)                | int   |
+---+-----------------------------------------------------------+-------+
| % | Percentage (converted to value/100.0)                     | float |
+---+-----------------------------------------------------------+-------+
| f | Fixed-point numbers                                       | float |
+---+-----------------------------------------------------------+-------+
| F | Decimal numbers                                           | De    |
|   |                                                           | cimal |
+---+-----------------------------------------------------------+-------+
| e | Floating-point numbers with exponent e.g. 1.1e-10, NAN    | float |
|   | (all case insensitive)                                    |       |
+---+-----------------------------------------------------------+-------+
| g | General number format (either d, f or e)                  | float |
+---+-----------------------------------------------------------+-------+
| b | Binary numbers                                            | int   |
+---+-----------------------------------------------------------+-------+
| o | Octal numbers                                             | int   |
+---+-----------------------------------------------------------+-------+
| x | Hexadecimal numbers (lower and upper case)                | int   |
+---+-----------------------------------------------------------+-------+
| t | ISO 8601 format date/time e.g. 1972-01-20T10:21:36Z (“T”  | dat   |
| i | and “Z” optional)                                         | etime |
+---+-----------------------------------------------------------+-------+
| t | RFC2822 e-mail format date/time e.g. Mon, 20 Jan 1972     | dat   |
| e | 10:21:36 +1000                                            | etime |
+---+-----------------------------------------------------------+-------+
| t | Global (day/month) format date/time e.g. 20/1/1972        | dat   |
| g | 10:21:36 AM +1:00                                         | etime |
+---+-----------------------------------------------------------+-------+
| t | US (month/day) format date/time e.g. 1/20/1972 10:21:36   | dat   |
| a | PM +10:30                                                 | etime |
+---+-----------------------------------------------------------+-------+
| t | ctime() format date/time e.g. Sun Sep 16 01:03:52 1973    | dat   |
| c |                                                           | etime |
+---+-----------------------------------------------------------+-------+
| t | HTTP log format date/time e.g. 21/Nov/2011:00:07:11 +0000 | dat   |
| h |                                                           | etime |
+---+-----------------------------------------------------------+-------+
| t | Linux system log format date/time e.g. Nov 9 03:37:44     | dat   |
| s |                                                           | etime |
+---+-----------------------------------------------------------+-------+
| t | Time e.g. 10:21:36 PM -5:30                               | time  |
| t |                                                           |       |
+---+-----------------------------------------------------------+-------+

5. 提取时去除空格
-----------------

去除两边空格

.. code:: python

   >>> parse('hello {} , hello python', 'hello     world    , hello python')
   <Result ('    world   ',) {}>
   >>> 
   >>> 
   >>> parse('hello {:^} , hello python', 'hello     world    , hello python')
   <Result ('world',) {}>

去除左边空格

.. code:: python

   >>> parse('hello {:>} , hello python', 'hello     world    , hello python')
   <Result ('world   ',) {}>

去除右边空格

.. code:: python

   >>> parse('hello {:<} , hello python', 'hello     world    , hello python')
   <Result ('    world',) {}>

6. 大小写敏感开关
-----------------

Parse 默认是大小写不敏感的，你写 hello 和 HELLO 是一样的。

如果你需要区分大小写，那可以加个参数，演示如下：

.. code:: python

   >>> parse('SPAM', 'spam')
   <Result () {}>
   >>> parse('SPAM', 'spam') is None
   False
   >>> parse('SPAM', 'spam', case_sensitive=True) is None
   True

7. 匹配字符数
-------------

精确匹配：指定最大字符数

.. code:: python

   >>> parse('{:.2}{:.2}', 'hello')  # 字符数不符
   >>> 
   >>> parse('{:.2}{:.2}', 'hell')   # 字符数相符
   <Result ('he', 'll') {}>

模糊匹配：指定最小字符数

.. code:: python

   >>> parse('{:.2}{:2}', 'hello') 
   <Result ('h', 'ello') {}>
   >>> 
   >>> parse('{:2}{:2}', 'hello') 
   <Result ('he', 'llo') {}>

若要在精准/模糊匹配的模式下，再进行格式转换，可以这样写

.. code:: python

   >>> parse('{:2}{:2}', '1024') 
   <Result ('10', '24') {}>
   >>> 
   >>> 
   >>> parse('{:2d}{:2d}', '1024') 
   <Result (10, 24) {}>

8. 三个重要属性
---------------

Parse 里有三个非常重要的属性

-  fixed：利用位置提取的匿名字段的元组
-  named：存放有命名的字段的字典
-  spans：存放匹配到字段的位置

下面这段代码，带你了解他们之间有什么不同

.. code:: python

   >>> profile = parse("I am {name}, {age:d} years old, {}", "I am Jack, 27 years old, male")
   >>> profile.fixed
   ('male',)
   >>> profile.named
   {'age': 27, 'name': 'Jack'}
   >>> profile.spans
   {0: (25, 29), 'age': (11, 13), 'name': (5, 9)}
   >>> 

9. 自定义类型的转换
-------------------

匹配到的字符串，会作为参数传入对应的函数

比如我们之前讲过的，将字符串转整型

.. code:: python

   >>> parse("I am {:d}", "I am 27")
   <Result (27,) {}>
   >>> type(_[0])
   <type 'int'>
   >>> 

其等价于

.. code:: python

   >>> def myint(string):
   ...     return int(string)
   ... 
   >>> 
   >>> 
   >>> parse("I am {:myint}", "I am 27", dict(myint=myint))
   <Result (27,) {}>
   >>> type(_[0])
   <type 'int'>
   >>>

利用它，我们可以定制很多的功能，比如我想把匹配的字符串弄成全大写

.. code:: python

   >>> def shouty(string):
   ...    return string.upper()
   ...
   >>> parse('{:shouty} world', 'hello world', dict(shouty=shouty))
   <Result ('HELLO',) {}>
   >>>

10. 总结一下
------------

parse 库在字符串解析处理场景中提供的便利，肉眼可见，上手简单。

在一些简单的场景中，使用 parse 可比使用 re 去写正则开发效率不知道高几个
level，用它写出来的代码富有美感，可读性高，后期维护起代码来一点压力也没有，推荐你使用。