夜雨聆风
多层继承 | 文档解析器层次
"""任务：实现多层继承的文档处理器场景：基础处理器 -> 文本处理器 -> 特定格式处理器"""import osimport refrom abc import ABC, abstractmethodclass BaseProcessor:"""基础处理器"""def validate(self, filepath: str) -> bool:"""验证文件存在"""if not os.path.exists(filepath):raise FileNotFoundError(f'文件不存在: {filepath}')return True@abstractmethoddef process(self, filepath: str):"""抽象方法：子类必须实现"""passdef get_file_info(self, filepath: str) -> dict:"""获取文件信息"""return {'path': filepath,'size': os.path.getsize(filepath) if os.path.exists(filepath) else 0,'name': os.path.basename(filepath)}class TextProcessor(BaseProcessor):"""文本处理器（中间层）"""def clean_text(self, text: str) -> str:"""清洗文本"""text = re.sub(r'[ \t]+', ' ', text)return text.strip()def process(self, filepath):"""实现基础处理流程"""self.validate(filepath)try:with open(filepath, 'r', encoding='utf-8')as f:text = f.read()except:text = f'模拟读取 {filepath}'return self.clean_text(text)class MarkdownProcessor(TextProcessor):"""Markdown处理器"""def extract_headings(self, text):"""提取标题"""headings = re.findall(r'^#+\s+(.+)$', text, re.MULTILINE)return headingsdef extract_code_blocks(self, text: str) -> list:"""提取代码块"""import recode_blocks = re.findall(r'```[\w]*\n(.*?)```', text, re.DOTALL)return code_blocksdef process(self, filepath):"""重写处理逻辑"""cleaned_text = super().process(filepath)# 额外处理headings = self.extract_headings(cleaned_text)code_blocks = self.extract_code_blocks(cleaned_text)# 获取文件信息（调用祖父类方法）file_info = self.get_file_info(filepath)return {'text': cleaned_text,'headings': headings,'code_blocks': code_blocks,'file_info': file_info}print("=== 测试多层继承 ===\n")# 创建测试文件with open('test.md', 'w', encoding='utf-8') as f:f.write("""# 标题1这是一段文本。## 标题2更多内容。```python""")processor = MarkdownProcessor()assert isinstance(processor, MarkdownProcessor)assert isinstance(processor, TextProcessor)assert isinstance(processor, BaseProcessor)result = processor.process('test.md')print(f"提取的标题: {result['headings']}")print(f"代码块数: {len(result['code_blocks'])}")print(f"文件信息: {result['file_info']}")assert len(result['headings']) == 2assert result['headings'][0] == '标题1'os.remove('test.md')print("\n多层继承测试通过\n")
一、场景
这是一个多层级文档解析系统的基础架构原型，可用于博客文章解析、文档自动生成目录、代码片段提取工具、解析 MD 文件等。
二、个人理解/最初卡在哪里
1、重写的 process 方法：
def process(self, filepath):cleaned_text = super().process(filepath) # 调用父类的处理headings = self.extract_headings(cleaned_text) # 提取标题code_blocks = self.extract_code_blocks(cleaned_text) # 提取代码块file_info = self.get_file_info(filepath) # 文件信息return {'text': cleaned_text,'headings': headings,'code_blocks': code_blocks,'file_info': file_info}
白话流程：
-
super().process先调用爸爸 TextProcessor 读取文件 + 清洗文本
-
self.extract_headings自己（MarkdownProcessor）提取标题
-
self.extract_code_blocks 自己提取代码块
-
self.get_file_info 调用爷爷 BaseProcessor 获取文件信息
-
return 一个大字典把所有结果打包返回
一句话总结：先用父类把文本读好洗好，再额外加工标题、代码块，最后一起返回。
2、正则解释
headings = re.findall(r'^#+\s+(.+)$', text, re.MULTILINE)提取 Markdown 标题，把所有 # 标题 这种行的标题文字提取出来。
-
^ = 一行的开头
-
#+ = 匹配 1 个或多个 #
-
\s+ = 匹配空格
-
(.+) = 捕获标题文字（我们要的内容）
-
$ = 一行的结尾
-
re.MULTILINE = 让 ^ 和 $ 按行匹配
code_blocks = re.findall(r'```[\w]*\n(.*?)```', text, re.DOTALL)提取 Markdown 代码块，提取出所有 … 之间的代码。
-
` = 反引号（代码块符号）
-
“` = 匹配三个反引号
-
[\w]* = 匹配语言名，如 python，后面的* = 匹配 0 个或多个
-
\n = 换行
-
(.*?) = 捕获代码内容
-
“` = 匹配结束的三个反引号
-
re.DOTALL = 让 . 可以匹配换行
^ 有两个意思：
用在 [ ] 里面 = 取反
[^0-9] → 不是数字的字符用在正则开头 = 匹配一行的开头
^#+\s+ → 一行开头是 # 号三、代码中的关键洞察
这是三层继承：Base → Text → Markdown，上层提供基础功能，下层扩展功能。
-
爷爷：验证、文件信息（所有处理器都能用）
-
爸爸：文本读取、清洗（所有文本文件都能用）
-
儿子：MD 专属解析（只给 MD 用）
不用改父类，直接写子类就能新增功能。
四、关键代码/可复用片段
文件验证
def validate(self, filepath: str) -> bool:if not os.path.exists(filepath):raise FileNotFoundError(f'文件不存在: {filepath}')return True
文件信息
def get_file_info(self, filepath: str) -> dict:return {'path': filepath,'size': os.path.getsize(filepath),'name': os.path.basename(filepath)}
super () 调用父类（继承必备）
cleaned_text = super().process(filepath)