7.4 规整字符串提取数据的神器

image0

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？

你不防可以尝试一下，写出来的代码应该和我想象的一样，没有一丝美感而言。

我来给你展示一下，我是怎么做的？

image1

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 的结果只有两种结果：

  1. 没有匹配上，parse 的值为None

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

  1. 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

Outpu t

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

Decim al

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)

datet ime

t e

RFC2822 e-mail format date/time e.g. Mon, 20 Jan 1972 10:21:36 +1000

datet ime

t g

Global (day/month) format date/time e.g. 20/1/1972 10:21:36 AM +1:00

datet ime

t a

US (month/day) format date/time e.g. 1/20/1972 10:21:36 PM +10:30

datet ime

t c

ctime() format date/time e.g. Sun Sep 16 01:03:52 1973

datet ime

t h

HTTP log format date/time e.g. 21/Nov/2011:00:07:11 +0000

datet ime

t s

Linux system log format date/time e.g. Nov 9 03:37:44

datet ime

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，会做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。

image2