Здравствуйте,
помогите найти оптимальное и правильное решение, чтобы распознать в строке text
4 элемента: type, name, teacher, auditory.
Вот моё решение:
text = "lab. Subject name Au. Diachin 511"
word = Word(chars)
number = Word(nums)
dot = Suppress(Literal("."))
class_type = (Literal("pr") | Literal("lab") | Literal("c")) + dot
class_name = OneOrMore(word)
teacher = Word(chars, max=2) + dot + word
auditory = Word(nums, max=3)
lesson = class_type.setResultsName("type") + class_name.setResultsName("name") + teacher.setResultsName("teacher") + auditory.setResultsName("auditory") + StringEnd()
print lesson.lessonParseString(text)
Проблема в том, что шаблон class_name
работает жадно и перехватывает слово у teacher
. То есть в данном примере class_name
захватит 3 слова: "Subject", "name", "Au" и teacher
не проходит, так как его первое слово "Au" было перехвачено.
Правила такие:
<lesson> ::= <class_type> <class_name> <teacher> <auditory>
1. type = <class_type> ::= ("pr" | "lab" | "c") <dot>
2. name = <class_name> ::= <word>+
3. teacher = <teacher> ::= 1{<char>}2 <dot> <word>
4. auditory = <auditory> ::= 3{<num>}3
<word> ::= <char>+
<num> ::= '0'|'1'|'2'|...'8'|'9'
<char> ::= <lower> | <upper>
<lower> ::= 'a'|'b'|...'y'|'z'
<upper> ::= 'A'|'B'|...'Y'|'Z'
Если словами, то получается так:
Текст представляет собой запись из расписания ВУЗа, эта запись должна начинаться с типа предмета type
, за которым слудет имя предмета name
, затем преподаватель teacher
и аудитория, в которой проводится занятие auditory
. Тип предмета может быть одним из вариантов "pr." | "lab." | "c.", а предмет состоит из одого или более слов. Преподаватель состоит из двух частей: первая часть представлена одной или двумя буквами, за которыми следует точка (сокращённое имя), вторая часть представляет слово (фамилия). Последний элемент в записи - Аудитория, в которой проводится занятие (3-х значное число).
В составленной мною грамматике проблема заключается в том, что парсер собирает все подходящие слова из записи, включая имя автора без точки, и когда парсер проверяет шаблон преподавателя он упирается в точку и выдаёт исключение.
re.match(r"(?P<type>(?:pr|lab|c)\.)\s*(?P<name>(?:\w+|\s+)+)\s+(?P<teacher>\w{1,2}\.\s*\w+)\s+(?P<auditory>\d{3})", "lab. Subject name Au. Diachin 511").groupdict()
class_name = OneOrMore(word)
использовать. Можно как я в grako решении: запретитьword
заканчиваться на точку -- это работает, но это хак. Другой описанный по ссылке способ это использовать:class_name = SkipTo(teacher)
. А в чём проблема с regex решением?