Итак, я задал кучу мелких вопросов об этом проекте, но у меня все еще нет большой уверенности в дизайне, который я придумываю, поэтому я собираюсь задать более широкий вопрос.
Я анализирую предварительные описания для каталога курсов. Описания почти всегда следуют определенной форме, что заставляет меня думать, что я могу разобрать большинство из них.
Из текста хотелось бы сгенерировать график конечно предпосылочных отношений. (Эта часть будет легкой после того, как я проанализирую данные.)
Некоторые примеры входных и выходных данных:
"CS 2110" => ("CS", 2110) # 0
"CS 2110 and INFO 3300" => [("CS", 2110), ("INFO", 3300)] # 1
"CS 2110, INFO 3300" => [("CS", 2110), ("INFO", 3300)] # 1
"CS 2110, 3300, 3140" => [("CS", 2110), ("CS", 3300), ("CS", 3140)] # 1
"CS 2110 or INFO 3300" => [[("CS", 2110)], [("INFO", 3300)]] # 2
"MATH 2210, 2230, 2310, or 2940" => [[("MATH", 2210), ("MATH", 2230), ("MATH", 2310)], [("MATH", 2940)]] # 3
Если все описание представляет собой только курс, оно выводится напрямую.
Если курсы объединены ("и"), все они выводятся в одном списке.
Если курсы разъединены ("или"), они находятся в отдельных списках
Здесь есть и «и», и «или».
Одно предостережение, которое упрощает задачу: кажется, что вложенность фраз "и"/"или" никогда не бывает больше, чем показано в примере 3.
Как лучше всего это сделать? Я начал с PLY, но не мог понять, как разрешить конфликты уменьшения/уменьшения. Преимущество PLY в том, что легко манипулировать тем, что генерирует каждое правило синтаксического анализа:
def p_course(p):
'course : DEPT_CODE COURSE_NUMBER'
p[0] = (p[1], int(p[2]))
С PyParse менее понятно, как изменить вывод parseString()
. Я рассматривал возможность использования идеи @Alex Martelli о сохранении состояния в объекте и создании из него вывода, но я не уверен, как именно это лучше всего сделать.
def addCourse(self, str, location, tokens):
self.result.append((tokens[0][0], tokens[0][1]))
def makeCourseList(self, str, location, tokens):
dept = tokens[0][0]
new_tokens = [(dept, tokens[0][1])]
new_tokens.extend((dept, tok) for tok in tokens[1:])
self.result.append(new_tokens)
Например, для обработки случаев «или»:
def __init__(self):
self.result = []
# ...
self.statement = (course_data + Optional(OR_CONJ + course_data)).setParseAction(self.disjunctionCourses)
def disjunctionCourses(self, str, location, tokens):
if len(tokens) == 1:
return tokens
print "disjunction tokens: %s" % tokens
Как disjunctionCourses()
узнает, какие более мелкие фразы нужно отделить? Все, что она получает, — это токены, но то, что было проанализировано до сих пор, хранится в result
, так как же функция может определить, какие данные в result
соответствуют каким элементам token
? Думаю, я мог бы просмотреть токены, а затем найти элемент result
с теми же данными, но это кажется запутанным...
Кроме того, существует множество описаний, содержащих разный текст, например:
"CS 2110 or permission of instructor"
"INFO 3140 or equivalent experience"
"PYSCH 2210 and sophomore standing"
Но не критично, что я разбираю этот текст.
Как лучше решить эту проблему?