一个文本解析的问题请教

V2EX = way to explore

V2EX 是一个关于分享和探索的地方

现在注册

已注册用户请登录

推荐学习书目

› Learn Python the Hard Way

Python Sites

› PyPI - Python Package Index

› http://diveintopython.org/toc/index.html

› Pocoo

值得关注的项目

› PyPy

› Celery

› Jinja2

› Read the Docs

› gevent

› pyenv

› virtualenv

› Stackless Python

› Beautiful Soup

› 结巴中文分词

› Green Unicorn

› Sentry

› Shovel

› Pyflakes

› pytest

Python 编程

› pep8 Checker

Styles

› PEP 8

› Google Python Style Guide

› Code Style from The Hitchhiker's Guide

这是一个创建于 411 天前的主题，其中的信息可能已经有所发展或是发生改变。

有一个文章模板，基本就是目录，内容，树状格式，章节之间的关系用 json 定义

章节 1
    内容
    章节 1.1
        内容
        章节 1.1.1
           。。。
    章节 1.2
        内容
章节 2
    。。。

基于这个模板的文章，某些章节和内容都可能缺失

想把这个文章按照章节模板转化成这样的 json

章节 1                      内容
章节 1/章节 1.1              内容
章节 1/章节 1.1/章节 1.1.1    内容
章节 1/章节 1.2              内容

怎么设置匹配方案

注意到，章节和内容在形式上没有区别，章节是字符串表示，而内容可能是字符串也可能是字符串数组。

章节

内容

字符

模板

3 条回复 • 2023-09-26 14:14:13 +08:00

coderluan

2023-09-25 14:02:42 +08:00

得先找到一个办法去区分章节和内容吧，然后遍历内容，向前获取章节就行了。

如果没办法区分章节和内容，而章节和内容又都可能缺失，你这个就相当于，内容内容内容，没办法知道是内容/内容内容，还是内容内容/内容。

opengps

2023-09-25 14:04:13 +08:00

如果可以确认所有末节点的内容是单行的，那么 tab 就是你的识别符了

NoOneNoBody

2023-09-26 14:14:13 +08:00

json -> nested dict -> xpath ，后面这步网上有，搜一下能找到，基本上就是 key 递归