删除所有嵌套块，同时通过 python 保留非嵌套块

Question

来源：

[This] is some text with [some [blocks that are nested [in a [variety] of ways]]]

结果文本：

[This] is some text with

我不认为你可以为此做正则表达式，通过查看 堆栈溢出的线程。

有没有一种简单的方法可以做到这一点->或者必须使用 pyparsing （或其他解析库）？

Answer 1

这是一个不需要任何依赖项的简单方法：扫描文本并为您跳过的大括号保留一个计数器。每次看到“[”时递增计数器；每次看到“]”时就递减它。

• 只要计数器为零或一，就将您看到的文本放入输出字符串中。
• 否则，您将处于嵌套块中，因此不要将文本放入输出字符串中。
• 如果计数器没有以零结束，则字符串格式错误；左大括号和右大括号的数量不相等。 （如果它大于零，则有那么多多余的 [；如果它小于零，则有那么多多余的 ]。）

Answer 2

以OP的示例作为规范（必须删除任何包含进一步嵌套块的块），那么...：

import itertools

x = '''[This] is some text with [some [blocks that are nested [in a [variety]
of ways]]] and some [which are not], and [any [with nesting] must go] away.'''

def nonest(txt):
  pieces = []
  d = 0
  level = []
  for c in txt:
    if c == '[': d += 1
    level.append(d)
    if c == ']': d -= 1
  for k, g in itertools.groupby(zip(txt, level), lambda x: x[1]>0):
    block = list(g)
    if max(d for c, d in block) > 1: continue
    pieces.append(''.join(c for c, d in block))
  print ''.join(pieces)

nonest(x)

这会发出

[This] is some text with  and some [which are not], and  away.

在正常时间假设下似乎是所需的结果。

这个想法是在级别中计算一个并行的计数列表“我们此时的嵌套程度”（即，到目前为止我们遇到了多少个打开的和尚未关闭的括号）；然后使用 groupby 将 level 的 zip 与文本分割成具有零嵌套和嵌套 > 的备用块。 0. 对于每个块，然后计算此处的最大嵌套（对于具有零嵌套的块，将保持为零 - 更一般地说，它只是整个块中嵌套级别的最大值），并且如果生成的嵌套 <= 1 ，相应的文本块被保留。请注意，我们需要将组 g 放入列表 block 中，因为我们想要执行两次迭代（一次获得最大嵌套，一次将字符重新加入到一个列表中）文本块）——要在一次传递中完成此操作，我们需要在嵌套循环中保留一些辅助状态，在这种情况下这有点不太方便。

Answer 3

你最好编写一个解析器，特别是如果你使用像 pyparsing 这样的解析器生成器。它将更具可维护性和可扩展性。

事实上 pyparsing 已经为你实现了 解析器，你只需要编写过滤解析器输出的函数。

Answer 4

我花了几遍编写了一个可以与 expression.transformString() 一起使用的解析器表达式，但是我在解析时很难区分嵌套和非嵌套的 []。最后，我必须在 transformString 中打开循环并显式迭代 scanString 生成器。

为了解决是否应该根据原始问题包含[some]的问题，我通过在末尾添加更多“未嵌套”文本来探索这个问题，使用以下字符串：

src = """[This] is some text with [some [blocks that are 
    nested [in a [variety] of ways]] in various places]"""

我的第一个解析器遵循原始问题的引导，并拒绝任何具有任何嵌套的括号表达式。我的第二遍获取任何括号表达式的顶级标记，并将它们返回到括号中 - 我不太喜欢这个解决方案，因为我们丢失了“某些”和“在各个地方”不连续的信息。所以我进行了最后一次处理，并且必须对nestedExpr 的默认行为进行轻微的更改。请参阅下面的代码：

from pyparsing import nestedExpr, ParseResults, CharsNotIn

# 1. scan the source string for nested [] exprs, and take only those that
# do not themselves contain [] exprs
out = []
last = 0
for tokens,start,end in nestedExpr("[","]").scanString(src):
    out.append(src[last:start])
    if not any(isinstance(tok,ParseResults) for tok in tokens[0]):
        out.append(src[start:end])
    last = end
out.append(src[last:])
print "".join(out)


# 2. scan the source string for nested [] exprs, and take only the toplevel 
# tokens from each
out = []
last = 0
for t,s,e in nestedExpr("[","]").scanString(src):
    out.append(src[last:s])
    topLevel = [tok for tok in t[0] if not isinstance(tok,ParseResults)]
    out.append('['+" ".join(topLevel)+']')
    last = e
out.append(src[last:])
print "".join(out)


# 3. scan the source string for nested [] exprs, and take only the toplevel 
# tokens from each, keeping each group separate
out = []
last = 0
for t,s,e in nestedExpr("[","]", CharsNotIn('[]')).scanString(src):
    out.append(src[last:s])
    for tok in t[0]:
        if isinstance(tok,ParseResults): continue
        out.append('['+tok.strip()+']')
    last = e
out.append(src[last:])
print "".join(out)

给予：

[This] is some text with 
[This] is some text with [some in various places]
[This] is some text with [some][in various places]

我希望其中之一接近OP的问题。但如果不出意外，我还得进一步探索nestedExpr 的行为。