如何用pyparsing在语法中表示可选组件？药物剂量解析问题

问题核心在于两点：

1. 介词与药物名称规则重叠：你定义的preposition是任意字母组成的单词，和chemical的匹配规则高度重叠，导致无介词时解析器会把药物名称误判为介词，进而因找不到后续chemical报错。
2. 未限定介词范围：没有明确哪些单词是介词，而是匹配所有字母单词，这是规则冲突的根源。

下面是修正后的实现代码：

import pyparsing as pp

# 定义数字和单位，支持连写（如10mg）或空格分隔（如10 mg）
dose_num = pp.Word(pp.nums)
unit = pp.Word(pp.alphas)
# 合并数字与单位为剂量部分，同时保留拆分结果
dose = dose_num + unit
# 限定介词为常见的特定词汇，避免与药物名称混淆
prepositions = pp.oneOf(["of", "for", "with"])
# 药物名称限定为字母组成（可根据需求扩展，比如支持连字符、空格等）
drug_name = pp.Word(pp.alphas)

# 构建解析器：剂量 + 可选介词 + 药物名称
dosage_parser = dose + pp.Optional(prepositions) + drug_name

# 测试不同输入
print(dosage_parser.parseString('10mg of aspirin'))  # ['10', 'mg', 'of', 'aspirin']
print(dosage_parser.parseString('10 mg aspirin'))    # ['10', 'mg', 'aspirin']
print(dosage_parser.parseString('10mg aspirin'))     # ['10', 'mg', 'aspirin']

如果需要直接提取合并后的完整剂量（如"10mg"）和药物名称，可以给解析器分组并设置结果名称：

import pyparsing as pp

dose_num = pp.Word(pp.nums)
unit = pp.Word(pp.alphas)
# 合并数字与单位为完整剂量字符串，支持数字和单位间有空格
dose = pp.Combine(dose_num + pp.Optional(pp.White()) + unit).setResultsName("dose")
prepositions = pp.oneOf(["of", "for", "with"])
drug_name = pp.Word(pp.alphas).setResultsName("drug")

dosage_parser = dose + pp.Optional(prepositions) + drug_name

# 提取结构化结果
result1 = dosage_parser.parseString('10mg of aspirin')
print(f"剂量: {result1.dose}, 药物名称: {result1.drug}")  # 剂量: 10mg, 药物名称: aspirin

result2 = dosage_parser.parseString('10 mg aspirin')
print(f"剂量: {result2.dose}, 药物名称: {result2.drug}")  # 剂量: 10mg, 药物名称: aspirin

关键修改说明 #

• 限定介词范围：用pp.oneOf指定具体介词列表，彻底解决规则冲突问题，让解析器能明确区分介词和药物名称。
• 优化剂量匹配：通过pp.Combine合并数字与单位，同时保留对空格分隔场景的支持，方便后续直接使用完整剂量值。
• 结构化结果提取：使用setResultsName给解析结果命名，无需手动处理列表下标，更直观地获取剂量和药物名称。

内容的提问来源于stack exchange，提问作者mac389