Хорошо, поэтому я задал кучу меньших вопросов об этом проекте, но у меня все еще нет уверенности в дизайнах, которые я придумываю, поэтому я собираюсь задать вопрос по более широкому масштаб.
Я разбираю предварительные описания каталога курсов. Описания почти всегда следуют определенной форме, что заставляет меня думать, что я могу разобрать большинство из них.
Из текста, я хотел бы создать график, конечно, необходимых отношений. (Эта часть будет простой, после анализа данных.)
Некоторые входы и выходы выборки:
"CS 2110" => ("CS", 2110) # 0
"CS 2110 and INFO 3300" => [("CS", 2110), ("INFO", 3300)] # 1
"CS 2110, INFO 3300" => [("CS", 2110), ("INFO", 3300)] # 1
"CS 2110, 3300, 3140" => [("CS", 2110), ("CS", 3300), ("CS", 3140)] # 1
"CS 2110 or INFO 3300" => [[("CS", 2110)], [("INFO", 3300)]] # 2
"MATH 2210, 2230, 2310, or 2940" => [[("MATH", 2210), ("MATH", 2230), ("MATH", 2310)], [("MATH", 2940)]] # 3
-
Если все описание является только курсом, оно выводится напрямую.
-
Если курсы объединены ( "и" ), все они выводятся в том же списке
-
Если курс отключен ( "или" ), они находятся в отдельных списках
-
Здесь мы имеем как "и" , так и "или".
Одно предостережение, которое облегчает его: кажется, что вложение "и" / "или" фраз никогда не бывает больше, чем показано в примере 3.
Каков наилучший способ сделать это? Я начал с PLY, но я не мог понять, как разрешить конфликты уменьшения/уменьшения. Преимущество PLY заключается в том, что легко манипулировать тем, что генерирует каждое правило разбора:
def p_course(p):
'course : DEPT_CODE COURSE_NUMBER'
p[0] = (p[1], int(p[2]))
С PyParse менее ясным, как изменить вывод parseString()
. Я рассматривал возможность создания идеи @Alex Martelli о сохранении состояния в объекте и создании выходных данных, но я не уверен точно, как это лучше всего сделать.
def addCourse(self, str, location, tokens):
self.result.append((tokens[0][0], tokens[0][1]))
def makeCourseList(self, str, location, tokens):
dept = tokens[0][0]
new_tokens = [(dept, tokens[0][1])]
new_tokens.extend((dept, tok) for tok in tokens[1:])
self.result.append(new_tokens)
Например, для обработки "или" случаев:
def __init__(self):
self.result = []
# ...
self.statement = (course_data + Optional(OR_CONJ + course_data)).setParseAction(self.disjunctionCourses)
def disjunctionCourses(self, str, location, tokens):
if len(tokens) == 1:
return tokens
print "disjunction tokens: %s" % tokens
Как disjunctionCourses()
знает, какие меньшие фразы должны отключаться? Все, что он получает, это токены, но то, что было проанализировано до сих пор, хранится в result
, поэтому как функция может определить, какие данные в result
соответствуют элементам token
? Я предполагаю, что я мог бы выполнить поиск по токенам, а затем найти элемент result
с теми же данными, но это кажется запутанным...
Кроме того, существует много описаний, которые включают в себя текст, например:
"CS 2110 or permission of instructor"
"INFO 3140 or equivalent experience"
"PYSCH 2210 and sophomore standing"
Но не критично, что я разбираю этот текст.
Какой лучший способ подойти к этой проблеме?