Question

有没有一种方便的方法来使用Scala的解析器组合器来解析缩进很重要的语言？（例如Python）

Answer 1

假设我们有一个非常简单的语言，这是一个有效的程序

block
  inside
  the
  block

我们希望将其解析为List[String]，其中每个行内的一行String。

我们首先定义一个采用最小缩进级别的方法，并为具有该缩进级别的行返回解析器。

def line(minIndent:Int):Parser[String] = 
  repN(minIndent + 1,"\\s".r) ~ ".*".r ^^ {case s ~ r => s.mkString + r}

然后我们通过在行之间用适当的分隔符重复行解析器来定义具有最小缩进级别的块。

def lines(minIndent:Int):Parser[List[String]] =
  rep1sep(line(minIndent), "[\n\r]|(\n\r)".r)

现在我们可以为我们的小语言定义一个解析器：

val block:Parser[List[String]] =
  (("\\s*".r <~ "block\\n".r) ^^ { _.size }) >> lines

它首先确定当前缩进级别，然后将其作为最小值传递给行解析器。我们来测试一下：

val s =
"""block
    inside
    the
    block
outside
the
block"""

println(block(new CharSequenceReader(s)))

我们得到了

[4.10] parsed: List(    inside,     the,     block)

要编译所有这些，您需要这些导入

import scala.util.parsing.combinator.RegexParsers
import scala.util.parsing.input.CharSequenceReader

你需要将所有内容放入一个扩展RegexParsers的对象

object MyParsers extends RegexParsers {
  override def skipWhitespace = false
  ....

Answer 2

据我所知，不，Scala解析器组合器不支持这种开箱即用的东西。你当然可以通过以有意义的方式解析空格来实现它，但是你会遇到一些问题，因为你需要某种形式的状态机来跟踪压痕堆栈。

我建议做一个预处理步骤。这是一个小预处理器，它将标记添加到单独的缩进块中：

object Preprocessor {

    val BlockStartToken = "{"
    val BlockEndToken = "}"

    val TabSize = 4 //how many spaces does a tab take

    def preProcess(text: String): String = {
        val lines = text.split('\n').toList.filterNot(_.forall(isWhiteChar))
        val processedLines = BlockStartToken :: insertTokens(lines, List(0))
        processedLines.mkString("\n")
    }

    def insertTokens(lines: List[String], stack: List[Int]): List[String] = lines match {
        case List() => List.fill(stack.length) { BlockEndToken } //closing all opened blocks
        case line :: rest => {
            (computeIndentation(line), stack) match {
                case (indentation, top :: stackRest) if indentation > top => {
                    BlockStartToken :: line :: insertTokens(rest,  indentation :: stack)
                }
                case (indentation, top :: stackRest) if indentation == top =>
                    line :: insertTokens(rest, stack)
                case (indentation, top :: stackRest) if indentation < top => {
                    BlockEndToken :: insertTokens(lines, stackRest)
                }
                case _ => throw new IllegalStateException("Invalid algorithm")
            }
        }
    }


    private def computeIndentation(line: String): Int = {
        val whiteSpace = line takeWhile isWhiteChar
        (whiteSpace map {
            case ' ' => 1
            case '\t' => TabSize
        }).sum
    }

    private def isWhiteChar(ch: Char) = ch == ' ' || ch == '\t'
}

本文的执行给出：

val text =
    """
      |line1
      |line2
      |    line3
      |    line4
      |    line5
      |        line6
      |        line7
      |  line8
      |  line9
      |line10
      |   line11
      |   line12
      |   line13
    """.stripMargin
println(Preprocessor.preProcess(text))

......以下结果

{
line1
line2
{
    line3
    line4
    line5
{
        line6
        line7
}
}
{
  line8
  line9
}
line10
{
   line11
   line12
   line13
}
}

之后你可以使用组合器库以更简单的方式进行解析。

希望这有帮助

使用scala解析器组合解析基于缩进的语言

2 个答案: