Python流提取

许多编程语言的标准库包括“扫描仪API”,用于从文本输入流中提取字符串,数字或其他对象. (例如,Java包括Scanner类,C包括istream,C包括scanf).

Python中的等价物是什么？

Python有一个流接口,即从io.IOBase继承的类.但是,Python TextIOBase流接口仅提供面向行的输入的工具.在reading the documentation和searching on Google之后,我找不到标准python模块中的某些东西,例如,它可以从文本流中提取整数,或者将下一个以空格分隔的单词作为字符串提取.有没有标准设施可以做到这一点？

最佳答案

没有相应的fscanf或Java的扫描仪.最简单的解决方案是要求用户使用换行分隔输入而不是空格分隔输入,然后可以逐行读取并将行转换为正确的类型.

如果您希望用户提供更多结构化输入,那么您可能应该为用户输入创建解析器.有一些很好的python解析库,例如pyparsing.还有一个scanf模块,即使最后一次更新是2008年.

如果您不想拥有外部依赖项,则可以使用正则表达式来匹配输入序列.当然正则表达式需要处理字符串,但你可以很容易地克服这个限制读取块.例如,这样的事情在大多数情况下应该运作良好：

import re


FORMATS_TYPES = {
    'd': int,'f': float,'s': str,}


FORMATS_REGEXES = {    
    'd': re.compile(r'(?:\s|\b)*([+-]?\d+)(?:\s|\b)*'),'f': re.compile(r'(?:\s|\b)*([+-]?\d+\.?\d*)(?:\s|\b)*'),'s': re.compile(r'\b(\w+)\b'),}


FORMAT_FIELD_REGEX = re.compile(r'%(s|d|f)')


def scan_input(format_string,stream,max_size=float('+inf'),chunk_size=1024):
    """Scan an input stream and retrieve formatted input."""

    chunk = ''
    format_fields = format_string.split()[::-1]
    while format_fields:
        fields = FORMAT_FIELD_REGEX.findall(format_fields.pop())
        if not chunk:
            chunk = _get_chunk(stream,chunk_size)

        for field in fields:
            field_regex = FORMATS_REGEXES[field]
            match = field_regex.search(chunk)
            length_before = len(chunk)
            while match is None or match.end() >= len(chunk):
                chunk += _get_chunk(stream,chunk_size)
                if not chunk or length_before == len(chunk):
                    if match is None:
                        raise ValueError('Missing fields.')
                    break
            text = match.group(1)
            yield FORMATS_TYPES[field](text)
            chunk = chunk[match.end():]



def _get_chunk(stream,chunk_size):
    try:
        return stream.read(chunk_size)
    except EOFError:
        return ''

用法示例：

>>> s = StringIO('1234 Hello World -13.48 -678 12.45')
>>> for data in scan_input('%d %s %s %f %d %f',s): print repr(data)
...                                                                                            
1234                                                                                           
'Hello'
'World'
-13.48
-678
12.45

您可能需要对此进行扩展,并对其进行正确测试,但它应该会给您一些想法.