简介： 用Python实现简易可拓展的规则引擎 做这个规则引擎的初衷是用来实现一个可序列号为json，容易拓展的条件执行引擎，用在类似工作流的场景中，最终实现的效果希望是这样的： ![] 简单整理下需求 执行结果最终返回=true= or false 支持四则运算，逻辑运算以及自定义函数等

用Python实现简易可拓展的规则引擎

做这个规则引擎的初衷是用来实现一个可序列号为json，容易拓展的条件执行引擎，用在类似工作流的场景中，最终实现的效果希望是这样的：

![]

简单整理下需求

1. 执行结果最终返回=true= or false
2. 支持四则运算，逻辑运算以及自定义函数等
3. 支持多级规则组合，级别理论上无限（Python递归调用深度限制）
4. 序列化成json

实现

json没有条件判断和流程控制，且不可引用对象，是不好序列化规则的，除非用树来保存，但这样又过于臃肿不好阅读。

在苦苦思索的时候，突然灵光一闪~曾经我用过一个自动装机系统--razor,
它使用一种tag语法来匹配机器并打标签，他的语法是这样的：

    ["or",
     ["=", ["fact", "macaddress"], "de:ea:db:ee:f0:00"]
     ["=", ["fact", "macaddress"], "de:ea:db:ee:f0:01"]]

这表示匹配目标机器的Mac地址等于=de:ea:db:ee:f0:00=或=de:ea:db:ee:f0:00=，这种表达既简洁，又足够灵活这种灵活体现在理论上可以无限嵌套，也可以随意自定义操作函数（这里的=、fact）
这灵感来自于古老的=Lisp=，完全可以实现我们的想法~并且简单、好用，还非常非常灵活！就它了！
因此我就使用这种基于=Json Array=的语法来实现我们的规则引擎。
最后实现的语法规则是这样的：

规则语法 基本语法： ["操作符", "参数1", "参数2", ...]

多条判断语句可组合，如:

    ["操作符",
        ["操作符1", "参数1", "参数2", ...],["操作符2", "参数1", "参数2", ...]
    ]
    ["and",
        [">", 0 , 0.05],
        [">", 3, 2]
    ]

*支持的操作符： * 比较运算符：

    =, !=, >, <, >=, <=

逻辑运算符：

    and, or, not, in

四则运算：

    +, -, *, /

数据转换：

    int, str, upper, lower

其他特殊操作符：

    可自定义操作符，例如get，从某http服务获取数据

代码

    class RuleParser(object):
        def __init__(self, rule):
            if isinstance(rule, basestring):
                self.rule = json.loads(rule)
            else:
                self.rule = rule
            self.validate(self.rule)

        class Functions(object):

            ALIAS = {
                '=': 'eq',
                '!=': 'neq',
                '>': 'gt',
                '>=': 'gte',
                '<': 'lt',
                '<=': 'lte',
                'and': 'and_',
                'in': 'in_',
                'or': 'or_',
                'not': 'not_',
                'str': 'str_',
                'int': 'int_',
                '+': 'plus',
                '-': 'minus',
                '*': 'multiply',
                '/': 'divide'
            }

            def eq(self, *args):
                return args[0] == args[1]

            def neq(self, *args):
                return args[0] != args[1]

            def in_(self, *args):
                return args[0] in args[1:]

            def gt(self, *args):
                return args[0] > args[1]

            def gte(self, *args):
                return args[0] >= args[1]

            def lt(self, *args):
                return args[0] < args[1]

            def lte(self, *args):
                return args[0] <= args[1]

            def not_(self, *args):
                return not args[0]

            def or_(self, *args):
                return any(args)

            def and_(self, *args):
                return all(args)

            def int_(self, *args):
                return int(args[0])

            def str_(self, *args):
                return unicode(args[0])

            def upper(self, *args):
                return args[0].upper()

            def lower(self, *args):
                return args[0].lower()

            def plus(self, *args):
                return sum(args)

            def minus(self, *args):
                return args[0] - args[1]

            def multiply(self, *args):
                return args[0] * args[1]

            def divide(self, *args):
                return float(args[0]) / float(args[1])

            def abs(self, *args):
                return abs(args[0])
        @staticmethod
        def validate(rule):
            if not isinstance(rule, list):
                raise RuleEvaluationError('Rule must be a list, got {}'.format(type(rule)))
            if len(rule) < 2:
                raise RuleEvaluationError('Must have at least one argument.')

        def _evaluate(self, rule, fns):
            """
            递归执行list内容
            """
            def _recurse_eval(arg):
                if isinstance(arg, list):
                    return self._evaluate(arg, fns)
                else:
                    return arg

            r = map(_recurse_eval, rule)
            r[0] = self.Functions.ALIAS.get(r[0]) or r[0]
            func = getattr(fns, r[0])
            return func(*r[1:])

        def evaluate(self):
            fns = self.Functions()
            ret = self._evaluate(self.rule, fns)
            if not isinstance(ret, bool):
                logger.warn('In common usage, a rule must return a bool value,'
                            'but get {}, please check the rule to ensure it is true' )
            return ret

解析

这里Functions这个类，就是用来存放操作符方法的，由于有些操作符不是合法的Python变量名，所以需要用ALIAS做一次转换。
当需要添加新的操作，只需在Functions中添加方法即可。由于始终使用array来存储，所以方法接收的参数始终可以用args[n]来访问到，这里没有做异常处理，如果想要更健壮的话可以拓展validate方法，以及在每次调用前检查参数。

整个规则引擎的核心代码其实就是=~evaluate~=这个10行不到的方法，在这里会递归遍历列表，从最里层的列表开始执行，然后层层往外执行，最后执行完毕返回一个Boolean值，当然这里也可以拓展改成允许返回任何值，然后根据返回值来决定后续走向，这便可以成为一个工作流中的条件节点了。

结束语

东西简单粗陋，希望能给大家带来一些帮助或者一些启发~