Python - Разбор разметки с множественным выбором

Question

Рассмотрите этот текст:

Хотите, чтобы ответы на ваши вопросы отправлялись вам по электронной почте?

Я собираюсь предложить несколько вариантов на несколькослова, помечая их так:

Хотели бы вы [получить] | [имея] | g [чтобы получить] ответы на ваши вопросы, отправленные [до] | g [к] | [на] вы по электронной почте?

Варианты заключены в скобки и разделены трубами
Хорошему выбору предшествует g

Я бы хотел разобрать это предложение, чтобы получить текст, отформатированный так:

Вы хотели бы ___ ответы на ваши вопросы, отправленные __ вам по электронной почте?

Со списком вроде:

[
  [
    {"to get":0},
    {"having":0},
    {"to have":1},
  ],
  [
    {"up to":0},
    {"to":1},
    {"on":0},
  ],
]

Мой дизайн разметки в порядке?
Как отразить предложение, чтобы получить нужный результат и создать список?

edit : необходим пользовательский язык разметки

Answer 1

Я бы добавил несколько скобок для группировки {} и вывел бы не список списков, а список диктов.

Код:

import re

s = 'Would you like {[to get]|[having]|g[to have]} responses to your questions sent {[up to]|g[to]|[on]} you via email ?'

def variants_to_dict(variants):
    dct = {}
    for is_good, s in variants:
        dct[s] = 1 if is_good == 'g' else 0
    return dct

def question_to_choices(s):
    choices_re = re.compile(r'{[^}]+}')
    variants_re = re.compile(r'''\|?(g?)
                                 \[
                                    ([^\]]+)
                                 \]
                                ''', re.VERBOSE)
    choices_list = []
    for choices in choices_re.findall(s):
        choices_list.append(variants_to_dict(variants_re.findall(choices)))

    return choices_re.sub('___', s), choices_list

question, choices = question_to_choices(s)
print question
print choices

Выход:

Would you like ___ responses to your questions sent ___ you via email ?
[{'to have': 1, 'to get': 0, 'having': 0}, {'to': 1, 'up to': 0, 'on': 0}]

Answer 2

Я также предложу свое решение:

Хотите, чтобы {получили | имея | + иметь} ответы на ваши вопросы, отправленные {до | + на | на} вам по электронной почте?

def extract_choices(text):
    choices = []

    def callback(match):
        variants = match.group().strip('{}')
        choices.append(dict(
            (v.lstrip('+'), v.startswith('+'))
            for v in variants.split('|')
        ))
        return '___'

    text = re.sub('{.*?}', callback, text)

    return text, choices

Давайте попробуем:

>>> t = 'Would you like {to get|having|+to have} responses to your questions    sent {up to|+to|on} you via email?'
>>> pprint.pprint(extract_choices(t))
... ('Would you like ___ responses to your questions sent ___ you via email?',
... [{'having': False, 'to get': False, 'to have': True},
...  {'on': False, 'to': True, 'up to': False}])

Answer 3

Реализация грубого анализа с использованием регулярных выражений:

import re
s = "Would you like [to get]|[having]|g[to have] responses to your questions sent [up to]|g[to]|[on] you via email ?"   # pattern string

choice_groups = re.compile(r"((?:g?\[[^\]]+\]\|?)+)")  # regex to get choice groups
choices = re.compile(r"(g?)\[([^\]]+)\]")  # regex to extract choices within each group

# now, use the regexes to parse the string:
groups = choice_groups.findall(s)
# returns: ['[to get]|[having]|g[to have]', '[up to]|g[to]|[on]']

# parse each group to extract possible choices, along with if they are good
group_choices = [choices.findall(group) for group in groups]
# will contain [[('', 'to get'), ('', 'having'), ('g', 'to have')], [('', 'up to'), ('g', 'to'), ('', 'on')]]

# finally, substitute each choice group to form a template
template = choice_groups.sub('___', s)
# template is "Would you like ___ responses to your questions sent ___ you via email ?"

Разбор этого в соответствии с вашим форматом теперь должен быть довольно простым. Удачи:)

Answer 4

Я также думаю, что для этой задачи xml гораздо более уместен, потому что уже есть много доступных инструментов, которые сделают разбор гораздо проще и менее подвержены ошибкам.

В любом случае, если вы решите использовать свойдизайн, я бы сделал что-то вроде этого:

import re

question_str = ("Would you like [to get]|[having]|g[to have] "
                "responses to your questions sent "
                "[up to]|g[to]|[on] you via email ?")

def option_to_dict(option_str):
     if option_str.startswith('g'):
          name = option_str.lstrip('g')
          value = 1
     else:
          name = option_str
          value = 0
     name = name.strip('[]')
     return {name: value}

regex = re.compile('g?\[[^]]+\](\|g?\[[^]]+\])*')

options = [[option_to_dict(option_str)
            for option_str in match.group(0).split('|')]
           for match in regex.finditer(question_str)]
print options

question = regex.sub('___', question_str)
print question

Пример вывода:

[[{'to get': 0}, {'having': 0}, {'to have': 1}], [{'up to': 0}, {'to': 1}, {'on': 0}]]
Would you like ___ responses to your questions sent ___ you via email ?

Примечание: Что касается дизайна, я думаю, что было бы лучше иметь метку, чтобы установить начало/ конец всего набора параметров (не один для отдельных параметров).