如何解析标记的文本以进行进一步处理？

Question

请参阅Edit-1中更新的输入和输出数据。

我要做的是转向

+ 1
 + 1.1
  + 1.1.1
   - 1.1.1.1
   - 1.1.1.2
 + 1.2
  - 1.2.1
  - 1.2.2
 - 1.3
+ 2
- 3

在python数据结构中，例如

^{pr2}$

我看过许多不同的wiki标记语言、markdown、重组文本等等，但是它们对于我来说都是非常复杂的，因为它们必须包含大量的标记和语法（我只需要其中的“list”部分，但当然要转换成python而不是html）

我还研究了标记器、lexer和解析器，但它们比我需要的复杂得多，而且我可以理解。在

我不知道从哪里开始，希望能在这个问题上提供任何帮助。谢谢

Edit-1：是的，从之前和现在的所需输出来看，行开头的字符很重要，可以看出*表示具有子节点的根节点，+有子节点，-没有子节点（根节点或其他节点），只是与该节点相关的额外信息。*并不重要，可以与+交换（我可以通过其他方式获得根状态）

因此，新的需求将只使用*来表示有或没有子节点的节点，-不能有子节点。我还更改了它，所以关键不是*后面的文本，因为这无疑会在以后更改为实际标题。在

例如

* 1
 * 1.1
 * 1.2
  - Note for 1.2
* 2
* 3
- Note for root

会给予

[{'title': '1', 'children': [{'title': '1.1', 'children': []}, {'title': '1.2', 'children': []}]}, {'title': '2', 'children': [], 'notes': ['Note for 1.2', ]}, {'title': '3', 'children': []}, 'Note for root']

或者，如果您有另一个想法来用python表示大纲，那么就把它提出来。在

Answer 1

堆栈是解析树时非常有用的数据结构。您只需始终保留从最后添加的节点到堆栈根的路径，这样就可以根据缩进的长度找到正确的父节点。类似这样的代码应该适用于分析上一个示例：

import re
line_tokens = re.compile('( *)(\\*|-) (.*)')

def parse_tree(data):
    stack = [{'title': 'Root node', 'children': []}]
    for line in data.split("\n"):
        indent, symbol, content = line_tokens.match(line).groups()        
        while len(indent) + 1 < len(stack):
            stack.pop() # Remove everything up to current parent
        if symbol == '-':
            stack[-1].setdefault('notes', []).append(content)
        elif symbol == '*':
            node = {'title': content, 'children': []}
            stack[-1]['children'].append(node)
            stack.append(node) # Add as the current deepest node
    return stack[0]