Python流提取

许多编程语言的标准库都包含“扫描器 API”，用于从文本输入流中提取字符串、数字或其他对象。 （例如，Java 包括Scanner类，C++ 包括istream，C 包括scanf).

Python 中与此等效的是什么？

Python 有一个流接口，即继承自io.IOBase。然而，PythonTextIOBase流接口仅提供面向行输入的设施。后阅读文档 http://docs.python.org/3.3/library/io.html and 在谷歌上搜索 http://www.google.com/#hl=en&tbo=d&sclient=psy-ab&q=python+scanner&oq=python+scanner&gs_l=serp.3..0l3j0i30.2971.4161.0.4365.10.6.0.0.0.2.186.595.5j1.6.0.les;，我在标准 Python 模块中找不到可以让我从文本流中提取整数或将下一个以空格分隔的单词提取为字符串的内容。有没有标准设施可以做到这一点？

没有等效的fscanf或Java的Scanner。最简单的解决方案是要求用户使用换行符分隔输入而不是空格分隔输入，然后您可以逐行读取并将行转换为正确的类型。

如果您希望用户提供更结构化的输入，那么您可能应该为用户输入创建一个解析器。例如，有一些不错的 python 解析库py解析 http://pypi.python.org/pypi/pyparsing。还有一个scanf https://hkn.eecs.berkeley.edu/~dyoo/python/scanf/模块，尽管最后一次更新是 2008 年。

如果您不想有外部依赖项，那么您可以使用正则表达式来匹配输入序列。当然，正则表达式需要处理字符串，但您可以轻松克服分块读取的这一限制。例如，像这样的东西在大多数情况下应该运行良好：

import re


FORMATS_TYPES = {
    'd': int,
    'f': float,
    's': str,
}


FORMATS_REGEXES = {    
    'd': re.compile(r'(?:\s|\b)*([+-]?\d+)(?:\s|\b)*'),
    'f': re.compile(r'(?:\s|\b)*([+-]?\d+\.?\d*)(?:\s|\b)*'),
    's': re.compile(r'\b(\w+)\b'),
}


FORMAT_FIELD_REGEX = re.compile(r'%(s|d|f)')


def scan_input(format_string, stream, max_size=float('+inf'), chunk_size=1024):
    """Scan an input stream and retrieve formatted input."""

    chunk = ''
    format_fields = format_string.split()[::-1]
    while format_fields:
        fields = FORMAT_FIELD_REGEX.findall(format_fields.pop())
        if not chunk:
            chunk = _get_chunk(stream, chunk_size)

        for field in fields:
            field_regex = FORMATS_REGEXES[field]
            match = field_regex.search(chunk)
            length_before = len(chunk)
            while match is None or match.end() >= len(chunk):
                chunk += _get_chunk(stream, chunk_size)
                if not chunk or length_before == len(chunk):
                    if match is None:
                        raise ValueError('Missing fields.')
                    break
            text = match.group(1)
            yield FORMATS_TYPES[field](text)
            chunk = chunk[match.end():]



def _get_chunk(stream, chunk_size):
    try:
        return stream.read(chunk_size)
    except EOFError:
        return ''

用法示例：

>>> s = StringIO('1234 Hello World -13.48 -678 12.45')
>>> for data in scan_input('%d %s %s %f %d %f', s): print repr(data)
...                                                                                            
1234                                                                                           
'Hello'
'World'
-13.48
-678
12.45

您可能需要扩展它，并正确测试它，但它应该会给您一些想法。