Pyparsing - gdzie kolejność tokenów nieprzewidywalnych

Question

Chcę być w stanie wyciągnąć typ i liczbę liter z fragmentu tekstu, gdzie litery mogą być w dowolnej kolejności. Jest jeszcze kilka innych analiz, nad którymi pracuję, ale ten kawałek mnie zaskoczył!

input -> result 
"abc" -> [['a',1], ['b',1],['c',1]] 
"bbbc" -> [['b',3],['c',1]] 
"cccaa" -> [['a',2],['c',3]] 

Mogę użyć wyszukiwania lub skanowania i powtórzyć dla każdej możliwej litery, ale czy istnieje czysty sposób to zrobić?

To ile mam:

from pyparsing import * 


def handleStuff(string, location, tokens): 

     return [tokens[0][0], len(tokens[0])] 


stype = Word("abc").setParseAction(handleStuff) 
section = ZeroOrMore(stype("stype")) 


print section.parseString("abc").dump() 
print section.parseString("aabcc").dump() 
print section.parseString("bbaaa").dump() 

Answer 1

I nie było jasne, z opisu czy znaki wejściowe mogą być mieszane jak „ababc”, ponieważ we wszystkich przypadków testowych, litery były zawsze grupowane. Jeśli litery są zawsze zgrupowane razem, można użyć tego kodu pyparsing:

def makeExpr(ch): 
    expr = Word(ch).setParseAction(lambda tokens: [ch,len(tokens[0])]) 
    return expr 

expr = Each([Optional(makeExpr(ch)) for ch in "abc"]) 

for t in tests: 
    print t,expr.parseString(t).asList() 

Każdy konstrukt dba o dopasowanie poza kolejnością i Word (ch) obsługuje powtórzenia 1-do-N. Funkcja parsowania zajmuje się przekształceniem sparsowanych tokenów w krotki (znak, policz).

Answer 2

Jedno rozwiązanie:

text = 'sufja srfjhvlasfjkhv lasjfvhslfjkv hlskjfvh slfkjvhslk' 
print([(x,text.count(x)) for x in set(text)]) 

Nie pyparsing zaangażowany, ale wydaje się przesadą.

Answer 3

pyparsing siebie - w Pythonie 3.1, collections.Counter sprawia takie zadania liczenia naprawdę łatwe. Dobra wersja Counter dla Python 2 można znaleźć here.

Answer 4

Podoba mi się Lennart's one-line solution.

Alex mentions another great option jeśli używasz 3.1

Jeszcze innym rozwiązaniem jest collections.defaultdict:

>>> from collections import defaultdict 
>>> mydict = defaultdict(int) 
>>> for c in 'bbbc': 
... mydict[c] += 1 
... 
>>> mydict 
defaultdict(<type 'int'>, {'c': 1, 'b': 3}) 

Answer 5

Jeśli chcesz podejścia czystej pyparsing, to czuje się o prawo:

from pyparsing import * 

# lambda to define expressions 
def makeExpr(ch): 
    expr = Literal(ch).setResultsName(ch, listAllMatches=True) 
    return expr 

expr = OneOrMore(MatchFirst(makeExpr(c) for c in "abc")) 
expr.setParseAction(lambda tokens: [[a,len(b)] for a,b in tokens.items()]) 


tests = """\ 
abc 
bbbc 
cccaa 
""".splitlines() 

for t in tests: 
    print t,expr.parseString(t).asList() 

Reprodukcje :

abc [['a', 1], ['c', 1], ['b', 1]] 
bbbc [['c', 1], ['b', 3]] 
cccaa [['a', 2], ['c', 3]] 

Ale to zaczyna docierać do niejasnego obszaru kodu, ponieważ opiera się na kilku bardziej tajemniczych funkcjach pyparsingu. Ogólnie lubię liczniki częstotliwości, które używają defaultdict (jeszcze nie próbowałem Counter), ponieważ jest całkiem jasne, co robisz.