7.4 规整字符串提取数据的神器¶
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？
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
$ 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：
没有匹配上，parse 的值为None
>>> parse("halo", "hello") is None
True
>>>
如果匹配上，parse 的值则 为 Result 实例
>>> 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：
>>> 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：
>>> 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。
>>> 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。
>>> 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
>>> 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 y p e |
Characters Matched |
O utput |
|---|---|---|
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 (all case insensitive) |
float |
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 i |
ISO 8601 format date/time e.g. 1972-01-20T10:21:36Z (“T” and “Z” optional) |
dat etime |
t e |
RFC2822 e-mail format date/time e.g. Mon, 20 Jan 1972 10:21:36 +1000 |
dat etime |
t g |
Global (day/month) format date/time e.g. 20/1/1972 10:21:36 AM +1:00 |
dat etime |
t a |
US (month/day) format date/time e.g. 1/20/1972 10:21:36 PM +10:30 |
dat etime |
t c |
ctime() format date/time e.g. Sun Sep 16 01:03:52 1973 |
dat etime |
t h |
HTTP log format date/time e.g. 21/Nov/2011:00:07:11 +0000 |
dat etime |
t s |
Linux system log format date/time e.g. Nov 9 03:37:44 |
dat etime |
t t |
Time e.g. 10:21:36 PM -5:30 |
time |
5. 提取时去除空格¶
去除两边空格
>>> 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
>>> parse('hello {:>} , hello python', 'hello world , hello python')
<Result ('world ',) {}>
去除右边空格
>>> 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：
>>> 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
>>> 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
>>> 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
>>> 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
>>> 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
>>> parse("I am {:d}", "I am 27")
<Result (27,) {}>
>>> type(_[0])
<type 'int'>
>>>
其等价于
>>> 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
>>> 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。