本文介绍如何利用 pyparsing 的 IndentedBlock 类精准解析具有嵌套缩进结构的键值对文本（如 key=1, sub=2, foo=bar），避免因语法歧义导致的层级错乱，实现语义正确的树状解析结果。
本文介绍如何利用 pyparsing 的 `indentedblock` 类精准解析具有嵌套缩进结构的键值对文本（如 `key=1`, ` sub=2`, ` foo=bar`），避免因语法歧义导致的层级错乱，实现语义正确的树状解析结果。
在处理类似配置文件或领域特定语言（DSL）时，缩进常用于表达层级关系（如 YAML 或 Python 风格），但 pyparsing 默认忽略空白，无法直接区分“同级缩进”与“子级缩进”。原始尝试中，将 map=1 和 sub=1 均视为可能触发新缩进块的“定义”，导致 int=99 被错误归入 sub=1 的子块后又因后续 sub=2 出现而中断上下文，最终生成混乱的嵌套结构。
核心解决方案是：弃用手工组合 Forward + IndentedBlock 的模糊匹配逻辑，转而使用 IndentedBlock 对齐真实缩进语义——即仅当某行缩进严格大于其父级时，才视为该父级的子内容。IndentedBlock 内置缩进跟踪机制，能自动识别缩进层级变化，无需手动管理递归或负向前瞻。
以下为推荐实现（兼容 pyparsing v3.1+）：
import pyparsing as pp
from pyparsing import common as ppc
from pprint import pprint
data = """\
map=1
sub=1
int=99
foo=bar
sub=2
foo=bar
int=99
bar=qux
"""
# 定义基础元素
EQ = pp.Suppress('=')
key = pp.Word(pp.alphas, pp.alphanums)
value = ppc.number | pp.Word(pp.alphanums)
# 每个键值对作为独立、可命名的组
key_value = pp.Group(key("key") + EQ + value("value"))
# 关键：使用 IndentedBlock 构建层级结构
# recursive=True 允许多层嵌套；grouped=True 自动为每级缩进块包裹为 Group
structure = pp.IndentedBlock(key_value, recursive=True, grouped=True)
parsed = structure.parse_string(data)
pprint(parsed.as_list(), width=32)
输出结果为：
[[['map', 1],
[['sub', 1],
[['int', 99],
['foo', 'bar']],
['sub', 2],
[['foo', 'bar'],
['int', 99],
['bar', 'qux']]]]]
该结构清晰反映语义层级：map=1 是顶层项；其下两个 sub= 条目为同级子项；每个 sub 后续缩进更深的行（如 int=99）才属于其直接子内容。key 和 value 的结果名还支持便捷访问，例如 parsed[0][1][0]["key"] 返回 "sub"。
⚠️ 注意事项：
-
IndentedBlock要求输入文本必须使用空格缩进（不支持 Tab 混合），且缩进需严格递增（如 2→4→6 空格），不可跳变（如 2→6）； - 若需支持 Tab 或混合缩进，应先预处理统一为空格（如
text.replace('\t', ' ')）； -
recursive=True是必需的，否则仅解析一级缩进； - 避免在
IndentedBlock外部再包裹ZeroOrMore或OneOrMore——IndentedBlock已内置重复解析逻辑。
通过 IndentedBlock，我们绕开了传统基于 Forward 和负向断言的复杂消歧逻辑，转而依托 pyparsing 对缩进语义的原生建模，使解析器更鲁棒、可读性更强，也更贴近人类对缩进结构的直觉理解。
