Erhalten hierarchische Struktur von Python-String

Question

Ich versuche, eine hierarchische Struktur von Abschnitten, Unterabschnitten, Unterunterabschnitte in einer Wikipedia-Seite zu erhalten.

Ich habe eine Zeichenfolge wie folgt:

mystr = 'a = b = = c = == d == == e == === f === === g === ==== h ==== === i === == j == == k == = l =' 

In diesem Fall wird der Seitenname ist ‚a‘ und die Struktur folgt

= b = 
= c = 
    == d == 
    == e == 
    === f === 
    === g === 
     ==== h ==== 
    === i === 
    == j == 
    == k == 
= l = 

Die Gleichheitszeichen Indikatoren Abschnitt oder Unter sind Abschnitt und so weiter. Ich brauche eine Python-Liste mit allen relationalen hierarchischen Strukturen wie folgt zu erhalten:

mylist = ['a', 'a/b', 'a/c', 'a/c/d', 'a/c/e', 'a/c/e/f', 'a/c/e/g', 
      'a/c/e/g/h', 'a/c/e/i', 'a/c/j', 'a/c/k', 'a/l'] 

Bisher habe ich in der Lage gewesen, indem Sie diese in den Abschnitten, Unterabschnitten und so weiter zu finden:

sections = re.findall(r' = (.*?)\ =', mystr) 
subsections = re.findall(r' == (.*?)\ ==', mystr) 
... 

Aber ich weiß nicht, wie ich von hier fortfahren soll, um die gewünschte Liste zu bekommen.

Answer 1

Sie können es wie folgt tun:
- die erste Funktion analysiert die Zeichenfolge, und liefert Token (Level, Name) wie (0, 'a'), (1, 'b')
- die zweite Man baut den Baum von dort.

import re 

def tokens(string): 
    # The root name doesn't respect the '= name =' convention, 
    # so we cut the string on the first " = " and yield the root name 
    root_end = string.index(' = ') 
    root, rest = string[:root_end], string[root_end:] 
    yield 0, root 

    # We use a regex for the next tokens, who consist of the following groups: 
    # - any number of "=" followed by 0 or more spaces, 
    # - the name, not containing any = 
    # - and again, the first group of "=..." 

    tokens_re = re.compile(r'(=+ ?)([^=]+)\1') 
    # findall will return a list: 
    # [('= ', 'b '), ('= ', 'c '), ('== ', 'd '), ('== ', 'e '), ('=== ', 'f '), ...] 
    for token in tokens_re.findall(rest): 
     level = token[0].count('=') 
     name = token[1].strip() 
     yield level, name 


def tree(token_list):  
    out = [] 
    # We keep track of the current position in the hierarchy: 
    hierarchy = [] 
    for token in token_list: 
     level, name = token 
     # We cut the hierarchy below the level of our token 
     hierarchy = hierarchy[:level] 
     # and append the current one 
     hierarchy.append(name) 
     out.append('/'.join(hierarchy)) 
    return out 


mystr = 'a = b = = c = == d == == e == === f === === g === ==== h ==== === i === == j == == k == = l =' 
out = tree(tokens(mystr)) 
# Check that this is your expected output 
assert out == ['a', 'a/b', 'a/c', 'a/c/d', 'a/c/e', 'a/c/e/f', 'a/c/e/g', 
      'a/c/e/g/h', 'a/c/e/i', 'a/c/j', 'a/c/k', 'a/l'] 

print(out) 
# ['a', 'a/b', 'a/c', 'a/c/d', 'a/c/e', 'a/c/e/f', 'a/c/e/g', 'a/c/e/g/h', 'a/c/e/i', 'a/c/j', 'a/c/k', 'a/l']