将<...>作为"foo bar <hello world>等"中的一个项目的正则表达式(目标：简单的音乐/百合池解析)

Question

我正在使用Python（3）中的re模块，并希望以以下格式替换（re.sub（regex，replace，string））一个字符串

"foo <bar e word> f ga <foo b>" 

至

"#foo <bar e word> #f #ga <foo b>"

甚至

"#foo #<bar e word> #f #ga #<foo b>" 

但我无法在<…>内将单个单词与单词边界隔离开来建筑

帮忙会很好的！

p.S 1

整个故事是一个音乐故事：我有Lilypond格式的字符串（或者更好的是，非常简单的核心格式的子集，只有音符和持续时间），并希望将它们转换为python对int（持续时间）、list（音高字符串）。性能并不重要，所以我可以来回转换它们，用python列表迭代，拆分字符串并再次连接它们等等。但对于上述问题，我没有找到答案。

源字符串

"c'4 d8 < e' g' >16 fis'4 a,, <g, b'> c''1"

应导致

[
(4, ["c'"]),
(8, ["d"]),
(16, ["e'", "g'"]),
(4, ["fis'"]),
(0, ["a,,"]),
(0, ["g", "b'"]),
(1, ["c''"]),
]

基本格式是字符串+数字，如下所示：e4 bes16

• 列出项目
• 字符串可以由多个，至少一个[a-zA-Z]字符组成
• 字符串后面跟零位或多位数字：e bes g4 c16
• 字符串后面跟零个或多个"or"（未组合）：e"bes，f"2 g，，4
• 字符串可以由字符串列表代替，列表限制符为<>：4数字在>后面，不允许有空格

p.S.2

目标不是创建Lilypond解析器。它真的只是非常短的片段吗？没有额外的功能，没有插入注释的扩展。如果这不起作用，我会选择另一种格式（简化），比如ABC。因此，任何与Lilypond有关的事情（"通过Lilypond运行它，让它在Scheme中给出音乐数据，解析它"）或其工具链肯定不是这个问题的答案。软件包甚至没有安装。

Answer 1

我知道您不是在寻找一个通用的解析器，但pyparsing使这个过程非常简单。您的格式似乎与我作为最早的pyparsing示例之一编写的化学公式解析器非常相似。

以下是使用pyparsing:实现的问题

from pyparsing import (Suppress,Word,alphas,nums,Combine,Optional,Regex,Group,
                       OneOrMore)
"""
List item
 -the string can consist of multiple, at least one, [a-zA-Z] chars
 -the string is followed by zero or more digits: e bes g4 c16
 -the string is followed by zero or more ' or , (not combined): 
  e' bes, f'''2 g,,4
 -the string can be substituted by a list of strings, list limiters are <>;
  the number comes behind the >, no space allowed
"""
LT,GT = map(Suppress,"<>")
integer = Word(nums).setParseAction(lambda t:int(t[0]))
note = Combine(Word(alphas) + Optional(Word(',') | Word("'")))
# or equivalent using Regex class
# note = Regex(r"[a-zA-Z]+('+|,+)?")
# define the list format of one or more notes within '<>'s
note_list = Group(LT + OneOrMore(note) + GT)
# each item is a note_list or a note, optionally followed by an integer; if
# no integer is given, default to 0
item = (note_list | Group(note)) + Optional(integer, default=0)
# reformat the parsed data as a (number, note_or_note_list) tuple
item.setParseAction(lambda t: (t[1],t[0].asList()) )
source = "c'4 d8 < e' g' >16 fis'4 a,, <g, b'> c''1"
print OneOrMore(item).parseString(source)

具有此输出：

[(4, ["c'"]), (8, ['d']), (16, ["e'", "g'"]), (4, ["fis'"]), (0, ['a,,']), 
 (0, ['g,', "b'"]), (1, ["c''"])]

Answer 2

您的第一个问题可以这样回答：

>>> import re
>>> t = "foo <bar e word> f ga <foo b>"
>>> t2 = re.sub(r"(^|s+)(?![^<>]*?>)", " #", t).lstrip()
>>> t2
'#foo #<bar e word> #f #ga #<foo b>'

我添加了lstrip()，以删除出现在该模式结果之前的单个空格。如果你想使用你的第一个选项，你可以简单地用<替换#<。

您的第二个问题可以通过以下方式解决，尽管您可能需要考虑像['g,', "b'"]这样的列表中的,。字符串中的逗号应该在那里吗？也许有一个更快的方法。以下只是概念的证明。列表理解可能会取代最后一个元素，尽管它会非常复杂。

>>> s = "c'4 d8 < e' g' >16 fis'4 a,, <g, b'> c''1"
>>> q2 = re.compile(r"(?:<)s*[^>]*s*(?:>)d*|(?<!<)[^ds<>]+d+|(?<!<)[^ds<>]+")
>>> s2 = q2.findall(s)
>>> s3 = [re.sub(r"s*[><]s*", '', x) for x in s2]
>>> s4 = [y.split() if ' ' in y else y for y in s3]
>>> s4
["c'4", 'd8', ["e'", "g'16"], "fis'4", 'a,,', ['g,', "b'"], "c''1"]
>>> q3 = re.compile(r"([^d]+)(d*)")
>>> s = []
>>> for item in s4:
    if type(item) == list:
            lis = []
            for elem in item:
                    lis.append(q3.search(elem).group(1))
                    if q3.search(elem).group(2) != '':
                            num = q3.search(elem).group(2)
            if q3.search(elem).group(2) != '':
                    s.append((num, lis))
            else:
                    s.append((0, lis))
    else:
            if q3.search(item).group(2) != '':
                    s.append((q3.search(item).group(2), [q3.search(item).group(1)]))
            else:
                    s.append((0, [q3.search(item).group(1)]))

>>> s
[('4', ["c'"]), ('8', ['d']), ('16', ["e'", "g'"]), ('4', ["fis'"]), (0, ['a,,']), (0, ['g,', "b'"]), ('1', ["c''"])]