问题描述
我被卡住了几天;我想解析一个包含许多页面的大文档,其中包含如下表格:
Col1 Col2 Col3 Col4
TXT1 TTT Fnam1,LNam1
TXT2 TEE Fnam2,Mnam LNam2
TXT1
TXT5 ART Fnam3,LNam3
TXT6 BGT Fnam4,LNam4
我已经用琶音 (python) 编写了语法,如果所有单元格都不为空,我可以解析表格,但如果有一个或多个空单元格,则所有内容都属于一部分。 任何人都知道如何在不使用歧义语法的情况下做到这一点? 提前致谢
解决方法
感谢@JeffC 通过询问空格数的提示,我找到了解决方案。 这是语法:
from __future__ import print_function,unicode_literals
import os
from arpeggio import ParserPython
from arpeggio import Optional,ZeroOrMore,OneOrMore,EOF,PTNodeVisitor,ParserPython,visit_parse_tree,Combine
from arpeggio.export import PMDOTExporter,PTDOTExporter
from arpeggio import RegExMatch as _
def wsx() : return _(r"[ \t]*")
def ws2() : return _(r"[ \t]{2}")
def ws16() : return _(r"[ \t]{16}")
def code(): return _(r"[a-zA-Z0-9]{2,}")
def col4_title(): return "Col4"
def col3_title(): return "Col3"
def col2_title(): return "Col2"
def col1_title(): return "Col1"
def cell_col4(): return [Combine(wsx,OneOrMore(word,Optional(ws2)),Optional(",",OneOrMore(ws2,word))),wsx]
def cell_col3(): return [code,wsx]
def cell_col2(): return [code,wsx]
def cell_col1(): return [code,wsx]
def team_row(): return ws16,Optional(cell_col1),Optional(ws2),Optional(cell_col2),Optional(cell_col3),Optional(cell_col4),Optional(wsx),nl
def team_table_body(): return wsx,OneOrMore(nl,team_row),def team_table_title(): return "testtab"
def team_table_header(): return wsx,team_table_title,wsx,col1_title,col2_title,col3_title,col4_title,nl
def team_block(): return wsx,team_table_header,team_table_body