Python 中的 sscanf

Question

我正在寻找Python中与sscanf()等效的函数。我想解析 /proc/net/* 文件，在 CI 中可以做这样的事情：

int matches = sscanf(
        buffer,
        "%*d: %64[0-9A-Fa-f]:%X %64[0-9A-Fa-f]:%X %*X %*X:%*X %*X:%*X %*X %*d %*d %ld %*512s\n",
        local_addr, &local_port, rem_addr, &rem_port, &inode);

我一开始想使用 str.split，但是它不会拆分给定的字符，但 sep 字符串作为一个整体：

>>> lines = open("/proc/net/dev").readlines()
>>> for l in lines[2:]:
>>>     cols = l.split(string.whitespace + ":")
>>>     print len(cols)
1

应该返回 17，如上所述。

是否有相当于 sscanf 的 Python（不是 RE），或者标准库中的字符串分割函数可以分割我不知道的任何字符范围？

Answer 1

还有 parse 模块。

parse() 的设计与 format() （Python 2.6 及更高版本中较新的字符串格式化函数）相反。

>>> from parse import parse
>>> parse('{} fish', '1')
>>> parse('{} fish', '1 fish')
<Result ('1',) {}>
>>> parse('{} fish', '2 fish')
<Result ('2',) {}>
>>> parse('{} fish', 'red fish')
<Result ('red',) {}>
>>> parse('{} fish', 'blue fish')
<Result ('blue',) {}>

Answer 2

当我使用 C 语言时，我通常使用 zip 和列表推导式来实现类似 scanf 的行为。像这样：

input = '1 3.0 false hello'
(a, b, c, d) = [t(s) for t,s in zip((int,float,strtobool,str),input.split())]
print (a, b, c, d)

请注意，对于更复杂的格式字符串，您确实需要使用正则表达式：

import re
input = '1:3.0 false,hello'
(a, b, c, d) = [t(s) for t,s in zip((int,float,strtobool,str),re.search('^(\d+):([\d.]+) (\w+),(\w+)
另请注意，您需要为要转换的所有类型提供转换函数。例如，上面我使用了类似的东西：
strtobool = lambda s: {'true': True, 'false': False}[s]

,input).groups())]
print (a, b, c, d)

另请注意，您需要为要转换的所有类型提供转换函数。例如，上面我使用了类似的东西：

Answer 3

Python 没有等效的 sscanf 内置功能，大多数时候，通过直接处理字符串、使用正则表达式或使用解析来解析输入实际上更有意义工具。

可能对翻译 C 最有用，人们已经实现了 sscanf，例如在此模块中：http://hkn.eecs.berkeley.edu/~dyoo/python/scanf/

在这种特殊情况下，如果您只想根据多个分割字符分割数据，re.split 确实是正确的工具。

Answer 4

您可以使用 re 模块分割一系列字符。

>>> import re
>>> r = re.compile('[ \t\n\r:]+')
>>> r.split("abc:def  ghi")
['abc', 'def', 'ghi']

Answer 5

您可以使用命名组<来解析模块re /a>.它不会将子字符串解析为其实际数据类型（例如int），但在解析字符串时非常方便。

给定来自 /proc/net/tcp 的示例行：

line="   0: 00000000:0203 00000000:0000 0A 00000000:00000000 00:00000000 00000000     0        0 335 1 c1674320 300 0 0 0"

使用变量模仿 sscanf 示例的示例可能是：

import re
hex_digit_pattern = r"[\dA-Fa-f]"
pat = r"\d+: " + \
      r"(?P<local_addr>HEX+):(?P<local_port>HEX+) " + \
      r"(?P<rem_addr>HEX+):(?P<rem_port>HEX+) " + \
      r"HEX+ HEX+:HEX+ HEX+:HEX+ HEX+ +\d+ +\d+ " + \
      r"(?P<inode>\d+)"
pat = pat.replace("HEX", hex_digit_pattern)

values = re.search(pat, line).groupdict()

import pprint; pprint values
# prints:
# {'inode': '335',
#  'local_addr': '00000000',
#  'local_port': '0203',
#  'rem_addr': '00000000',
#  'rem_port': '0000'}

Answer 6

有一个 示例关于如何使用 libc 中的 sscanf 的官方 Python 文档：

# import libc
from ctypes import CDLL
if(os.name=="nt"):
    libc = cdll.msvcrt 
else:
    # assuming Unix-like environment
    libc = cdll.LoadLibrary("libc.so.6")
    libc = CDLL("libc.so.6")  # alternative

# allocate vars
i = c_int()
f = c_float()
s = create_string_buffer(b'\000' * 32)

# parse with sscanf
libc.sscanf(b"1 3.14 Hello", "%d %f %s", byref(i), byref(f), s)

# read the parsed values
i.value  # 1
f.value  # 3.14
s.value # b'Hello'

Answer 7

您可以将“：”转为空格，然后进行 split.eg

>>> f=open("/proc/net/dev")
>>> for line in f:
...     line=line.replace(":"," ").split()
...     print len(line)

不需要正则表达式（对于本例）

Answer 8

您可以安装 pandas 并使用 pandas.read_fwf 用于固定宽度格式文件。使用 /proc/net/arp 的示例：

In [230]: df = pandas.read_fwf("/proc/net/arp")

In [231]: print(df)
       IP address HW type Flags         HW address Mask Device
0   141.38.28.115     0x1   0x2  84:2b:2b:ad:e1:f4    *   eth0
1   141.38.28.203     0x1   0x2  c4:34:6b:5b:e4:7d    *   eth0
2   141.38.28.140     0x1   0x2  00:19:99:ce:00:19    *   eth0
3   141.38.28.202     0x1   0x2  90:1b:0e:14:a1:e3    *   eth0
4    141.38.28.17     0x1   0x2  90:1b:0e:1a:4b:41    *   eth0
5    141.38.28.60     0x1   0x2  00:19:99:cc:aa:58    *   eth0
6   141.38.28.233     0x1   0x2  90:1b:0e:8d:7a:c9    *   eth0
7    141.38.28.55     0x1   0x2  00:19:99:cc:ab:00    *   eth0
8   141.38.28.224     0x1   0x2  90:1b:0e:8d:7a:e2    *   eth0
9   141.38.28.148     0x1   0x0  4c:52:62:a8:08:2c    *   eth0
10  141.38.28.179     0x1   0x2  90:1b:0e:1a:4b:50    *   eth0

In [232]: df["HW address"]
Out[232]:
0     84:2b:2b:ad:e1:f4
1     c4:34:6b:5b:e4:7d
2     00:19:99:ce:00:19
3     90:1b:0e:14:a1:e3
4     90:1b:0e:1a:4b:41
5     00:19:99:cc:aa:58
6     90:1b:0e:8d:7a:c9
7     00:19:99:cc:ab:00
8     90:1b:0e:8d:7a:e2
9     4c:52:62:a8:08:2c
10    90:1b:0e:1a:4b:50

In [233]: df["HW address"][5]
Out[233]: '00:19:99:cc:aa:58'

默认情况下，它会尝试自动找出格式，但是您可以提供一些选项以获得更明确的说明（请参阅 文档）。 pandas 中还有其他 IO 例程，它们对于其他文件格式。

Answer 9

如果分隔符是“：”，则可以按“：”进行拆分，然后在字符串上使用 x.strip() 来删除任何前导或尾随空格。 int() 将忽略空格。