本文介绍一种基于递归解析的稳健方法，将形如 div(mul(a,b),c) 的自定义函数字符串准确转换为符合运算优先级的数学表达式，彻底解决多参数、深层嵌套及括号匹配导致的 BODMAS 错误问题。
本文介绍一种基于递归解析的稳健方法，将形如 `div(mul(a,b),c)` 的自定义函数字符串准确转换为符合运算优先级的数学表达式，彻底解决多参数、深层嵌套及括号匹配导致的 bodmas 错误问题。
在数据处理与规则引擎开发中，常需将配置化的函数式字符串（如 mul(div(x,y),z)）动态转译为可读、可执行的数学表达式（如 (x/y)*z）。传统正则迭代替换方案（如按 mul→div→add 顺序逐层替换）极易因嵌套深度增加或多参数函数（如 add(a,b,c)）而破坏括号结构，违反运算优先级（BODMAS），导致语义错误。
根本问题在于：非递归方法无法正确识别「逗号分隔的顶层参数」——例如 mul(div(a,b), add(c,d)) 中的两个参数是 div(a,b) 和 add(c,d)，而非 div(a、b)、add(c 等碎片。因此，必须采用递归下降解析器（Recursive Descent Parser） 思路，逐层剥离最外层操作，并精准切分其参数。
以下为完整、健壮的实现方案：
✅ 核心设计原则
-
递归解析：
parse_expression()处理单个函数调用，对每个参数递归调用自身； -
智能参数分割：
parse_args()通过括号计数（parentheses_count）跳过嵌套子表达式，在外层逗号处切分，确保add(mul(a,b), div(c,d), e)正确拆为三部分； - 无状态、无循环依赖：不依赖全局变量或多次扫描，天然支持任意嵌套深度与参数数量。
✅ 完整代码实现
import re
# 匹配最外层函数：mul(...), div(...), etc.
operation_q = re.compile(r"^(?P<operation>(mul|div|add|sub))\((?P<args>.*)\)$")
# 运算符映射表
mapping = {
"mul": "*",
"div": "/",
"add": "+",
"sub": "-",
}
def parse_args(args_string):
"""
将参数字符串（如 "a, div(b,c), mul(d,e)"）按顶层逗号分割，
自动跳过括号内的逗号，返回参数列表。
"""
if not args_string.strip():
return []
parentheses_count = 0
for i, char in enumerate(args_string):
if char == '(':
parentheses_count += 1
elif char == ')':
parentheses_count -= 1
elif char == ',' and parentheses_count == 0:
# 顶层逗号，分割点
left = args_string[:i].strip()
right = args_string[i+1:].strip()
return [left] + parse_args(right)
# 无顶层逗号 → 整个字符串为单个参数
return [args_string.strip()]
def parse_expression(exp):
"""
递归解析表达式：
- 若匹配函数调用（如 mul(a,b)），提取 operation 和 args；
- 对每个 args 递归调用 parse_expression；
- 拼接为 (arg1 op arg2 op ... argN) 形式（sub/add 支持多参数连算）
"""
match = operation_q.match(exp.strip())
if not match:
return exp.strip() # 基础变量或数字，直接返回
op_name = match.group("operation")
args_str = match.group("args")
args = parse_args(args_str)
# 递归解析每个参数
parsed_args = [parse_expression(arg) for arg in args]
# 构建运算符连接的表达式（注意：add/sub 默认左结合，如 a+b+c；mul/div 同理）
op_symbol = mapping[op_name]
joined = f" {op_symbol} ".join(parsed_args)
return f"({joined})"
# ✅ 使用示例
if __name__ == "__main__":
# 示例 1：原始问题中的复杂嵌套
expr1 = "div(mul(mul(div(baseline_year,transaction_year),mstr),spnd_val),1000)"
print("输入:", expr1)
print("输出:", parse_expression(expr1))
# 输出: ((((baseline_year / transaction_year) * mstr) * spnd_val) / 1000)
# 示例 2：多参数函数（add/sub/mul/div 均支持 ≥2 参数）
expr2 = "add(sub(o,p,q), div(p,q,r), mul(c,d,e))"
print("\n输入:", expr2)
print("输出:", parse_expression(expr2))
# 输出: ((o - p - q) + (p / q / r) + (c * d * e))
# 示例 3：混合嵌套与变量
expr3 = "mul(add(x, y), div(z, sub(a, b)))"
print("\n输入:", expr3)
print("输出:", parse_expression(expr3))
# 输出: ((x + y) * (z / (a - b)))⚠️ 注意事项与扩展建议
-
运算符结合性：当前
add/sub/mul/div均按左结合处理（a-b-c → (a-b)-c），符合常规数学直觉。若需右结合（如幂运算），需单独定制逻辑。 -
空格与格式：输入字符串中多余空格会被自动清理，但建议预处理（如
exp.replace(' ', '')）以提升鲁棒性。 -
错误处理：生产环境应增加异常捕获（如未闭合括号、未知函数名），可抛出
ValueError并附带位置信息。 -
性能优化：对海量表达式批量处理时，可缓存
parse_args结果或使用lru_cache加速重复子表达式解析。 -
扩展新函数：只需在
mapping字典中添加键值对（如"pow": "**"），并确保operation_q正则覆盖该函数名即可。
该方案摒弃了脆弱的“顺序替换”范式，以清晰的递归结构和括号感知分割，从根本上保障了语法正确性与数学等价性，是构建规则引擎、动态公式计算模块的理想基础组件。
立即学习“Python免费学习笔记（深入）”；
