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
• 支持多级规则组合，级别理论上无限（Python递归调用深度限制）
• 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~


出处：https://www.cnblogs.com/xxpythonxx/p/10530235.html