python - mutually - sys argv[]

Python, cómo analizar cadenas para que se vean como sys.argv

Question

Me gustaría analizar una cadena como esta:

-o 1  --long "Some long string"  

dentro de esto:

["-o", "1", "--long", ''Some long string'']

o similar.

Esto es diferente de getopt u optparse, que comienza con la entrada analizada sys.argv (como la salida que tengo arriba). ¿Hay una manera estándar de hacer esto? Básicamente, esto es "dividir" al mantener unidas las cuerdas entrelazadas.

Mi mejor función hasta el momento:

import csv
def split_quote(string,quotechar=''"''):
    ''''''

    >>> split_quote(''--blah "Some argument" here'')
    [''--blah'', ''Some argument'', ''here'']

    >>> split_quote("--blah ''Some argument'' here", quotechar="''")
    [''--blah'', ''Some argument'', ''here'']
    ''''''
    s = csv.StringIO(string)
    C = csv.reader(s, delimiter=" ",quotechar=quotechar)
    return list(C)[0]

Answer 1

Antes de shlex.split cuenta de shlex.split , hice lo siguiente:

import sys

_WORD_DIVIDERS = set(('' '', ''/t'', ''/r'', ''/n''))

_QUOTE_CHARS_DICT = {
    ''//':   ''//',
    '' '':    '' '',
    ''"'':    ''"'',
    ''r'':    ''/r'',
    ''n'':    ''/n'',
    ''t'':    ''/t'',
}

def _raise_type_error():
    raise TypeError("Bytes must be decoded to Unicode first")

def parse_to_argv_gen(instring):
    is_in_quotes = False
    instring_iter = iter(instring)
    join_string = instring[0:0]

    c_list = []
    c = '' ''
    while True:
        # Skip whitespace
        try:
            while True:
                if not isinstance(c, str) and sys.version_info[0] >= 3:
                    _raise_type_error()
                if c not in _WORD_DIVIDERS:
                    break
                c = next(instring_iter)
        except StopIteration:
            break
        # Read word
        try:
            while True:
                if not isinstance(c, str) and sys.version_info[0] >= 3:
                    _raise_type_error()
                if not is_in_quotes and c in _WORD_DIVIDERS:
                    break
                if c == ''"'':
                    is_in_quotes = not is_in_quotes
                    c = None
                elif c == ''//':
                    c = next(instring_iter)
                    c = _QUOTE_CHARS_DICT.get(c)
                if c is not None:
                    c_list.append(c)
                c = next(instring_iter)
            yield join_string.join(c_list)
            c_list = []
        except StopIteration:
            yield join_string.join(c_list)
            break

def parse_to_argv(instring):
    return list(parse_to_argv_gen(instring))

Esto funciona con Python 2.xy 3.x. En Python 2.x, funciona directamente con cadenas de bytes y cadenas Unicode. En Python 3.x, solo acepta cadenas [Unicode], no objetos de bytes .

Esto no se comporta exactamente igual que la división de argv de shell; también permite citar caracteres CR, LF y TAB como /r , /n y /t , convirtiéndolos en CR, LF, TAB shlex.split ( shlex.split no Haz eso). Así que escribir mi propia función fue útil para mis necesidades. Supongo que shlex.split es mejor si solo quieres dividir argv estilo shell. Estoy compartiendo este código en caso de que sea útil como línea de base para hacer algo ligeramente diferente.

Answer 2

Creo que quieres el módulo shlex .

>>> import shlex
>>> shlex.split(''-o 1 --long "Some long string"'')
[''-o'', ''1'', ''--long'', ''Some long string'']