最好使用语法或正则表达式解析表格

编程问答 2022-05-16

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
grammargrammarparsingparsingpegpythonregexregexregex