PyParsing解析代码块时，如何仅提取模块名及.obs前缀的参数

看起来你已经走对了大半路，问题出在没有对参数做针对性过滤——你的当前parser会匹配所有参数，而不是只保留.obs开头的。下面给你两种可行的实现思路，都能精准得到你想要的结果：

方法一：解析时直接过滤并保留目标参数 #

这种方法在定义parser时就区分“需要保留的obs参数”和“需要跳过的其他参数”，解析后直接得到目标结果，不用二次处理：

from pyparsing import Word, alphanums, Suppress, ZeroOrMore, Optional, identifier

# 定义基础标识符（字母、数字、下划线）
basic_identifier = Word(alphanums + '_')

# 定义需要保留的obs参数名：必须以.obs开头
obs_param_name = ('.' + basic_identifier).addCondition(lambda s: s.startswith('.obs'))

# 定义非obs参数：匹配后直接跳过，不保留结果
non_obs_param = Suppress(
    ('.' + basic_identifier).addCondition(lambda s: not s.startswith('.obs'))
    + Suppress('(') + basic_identifier + Suppress(')')
    + Optional(Suppress(','))  # 处理参数后的逗号
)

# 定义obs参数：匹配后保留参数名，处理后续逗号
obs_param = (
    obs_param_name
    + Suppress('(') + basic_identifier + Suppress(')')
    + Optional(Suppress(','))
)

# 模块整体解析规则
module_parser = (
    basic_identifier.setResultsName("module_name")
    + Suppress('(')
    + ZeroOrMore(non_obs_param | obs_param).setResultsName("obs_params")
    + Suppress(')')
    + Suppress(';')
)

# 测试解析
test_text = """abc_module ( .test_test1 ( test_test_real1 ), .abc_test ( abc_test_real ), .obs_test_one ( obs_test_one_real ), .obs_test_two ( obs_test_two_real ) );
cfg_module ( .test_test2 ( test_test_real2 ), .xyz_test ( xyz_test_real ) );
xyz_module ( .test_test2 ( test_test_real2 ), .xyz_test ( xyz_test_real ), .obs_test_three ( obs_test_three_real ), .ahc_test ( ahc_test_real ), .obs_test_four ( obs_test_four_real ) );"""

# 提取所有模块的结果
results = module_parser.searchString(test_text)

# 整理成你需要的格式
parse_result = [[mod.module_name] + list(mod.obs_params) for mod in results]
print(parse_result)

运行这段代码会直接输出你期望的结果：

[['abc_module', '.obs_test_one', '.obs_test_two'], ['cfg_module'], ['xyz_module', '.obs_test_three', '.obs_test_four']]

方法二：先解析所有参数，再二次过滤 #

如果你想保留原有parser的大部分结构，也可以先解析出所有参数，再用Python列表推导式过滤出.obs开头的项：

from pyparsing import Word, alphanums, Suppress, OneOrMore, Optional, identifier

# 基础标识符定义
basic_identifier = Word(alphanums + '_')
keyword = Word(alphanums + '_' + '.')

# 调整原有parser，先捕获所有参数
sub_module_parser = (
    basic_identifier.setResultsName("module_name")
    + Suppress("(")
    + OneOrMore(
        keyword.setResultsName("param", listAllMatches=True)
        + Suppress("(" + keyword + ")")
        + Optional(Suppress(","))
    )
    + Suppress(")")
    + Suppress(";")
)

# 解析文本
test_text = """abc_module ( .test_test1 ( test_test_real1 ), .abc_test ( abc_test_real ), .obs_test_one ( obs_test_one_real ), .obs_test_two ( obs_test_two_real ) );
cfg_module ( .test_test2 ( test_test_real2 ), .xyz_test ( xyz_test_real ) );
xyz_module ( .test_test2 ( test_test_real2 ), .xyz_test ( xyz_test_real ), .obs_test_three ( obs_test_three_real ), .ahc_test ( ahc_test_real ), .obs_test_four ( obs_test_four_real ) );"""

results = sub_module_parser.searchString(test_text)

# 过滤出.obs开头的参数
parse_result = []
for mod in results:
    obs_params = [p for p in mod.param if p.startswith('.obs')]
    parse_result.append([mod.module_name] + obs_params)

print(parse_result)

这种方法更灵活，如果你之后需要处理其他类型的参数，只需要修改过滤条件即可。

关键说明 #

• 避免用skipTo：skipTo是模糊匹配，容易跳过过多内容导致解析错误，针对这种有明确格式的文本，用addCondition做精准过滤更可靠。
• setResultsName的listAllMatches=True：当同一个结果名会匹配多次时，需要加上这个参数才能收集到所有匹配项，否则只会保留最后一个。

内容的提问来源于stack exchange，提问作者Dav7538