Question

我正在尝试使用pyparsing解析可以使用反斜杠换行组合（“\\n”）在多行中分解的单词。这就是我所做的：

from pyparsing import *

continued_ending = Literal('\\') + lineEnd
word = Word(alphas)
split_word = word + Suppress(continued_ending)
multi_line_word = Forward()
multi_line_word << (word | (split_word + multi_line_word))

print multi_line_word.parseString(
'''super\\
cali\\
fragi\\
listic''')

我得到的输出是['super']，而预期输出是['super', 'cali', fragi', 'listic']。更好的是他们所有人都加入了一个单词（我认为我可以用multi_line_word.parseAction(lambda t: ''.join(t))加入。

我尝试在pyparsing helper中查看此代码，但它给了我一个错误maximum recursion depth exceeded。

编辑2009-11-15：后来我意识到pyparsing在空白方面有点慷慨，导致一些不好的假设，我认为我正在解析的是很多宽松。也就是说，我们希望在单词的任何部分，转义和EOL字符之间看不到空格。

我意识到上面的小示例字符串不足以作为测试用例，因此我编写了以下单元测试。通过这些测试的代码应该能够匹配我直观地认为是一个转义拆分词 - 而只是一个转义拆分词。它们不匹配不是转义拆分的基本单词。我们可以 - 我相信应该 - 使用不同的语法结构。这样就可以保持两者分开。

import unittest
import pyparsing

# Assumes you named your module 'multiline.py'
import multiline

class MultiLineTests(unittest.TestCase):

    def test_continued_ending(self):

        case = '\\\n'
        expected = ['\\', '\n']
        result = multiline.continued_ending.parseString(case).asList()
        self.assertEqual(result, expected)


    def test_continued_ending_space_between_parse_error(self):

        case = '\\ \n'
        self.assertRaises(
            pyparsing.ParseException,
            multiline.continued_ending.parseString,
            case
        )


    def test_split_word(self):

        cases = ('shiny\\', 'shiny\\\n', ' shiny\\')
        expected = ['shiny']
        for case in cases:
            result = multiline.split_word.parseString(case).asList()
            self.assertEqual(result, expected)


    def test_split_word_no_escape_parse_error(self):

        case = 'shiny'
        self.assertRaises(
            pyparsing.ParseException,
            multiline.split_word.parseString,
            case
        )


    def test_split_word_space_parse_error(self):

        cases = ('shiny \\', 'shiny\r\\', 'shiny\t\\', 'shiny\\ ')
        for case in cases:
            self.assertRaises(
                pyparsing.ParseException,
                multiline.split_word.parseString,
                case
            )


    def test_multi_line_word(self):

        cases = (
                'shiny\\',
                'shi\\\nny',
                'sh\\\ni\\\nny\\\n',
                ' shi\\\nny\\',
                'shi\\\nny '
                'shi\\\nny captain'
        )
        expected = ['shiny']
        for case in cases:
            result = multiline.multi_line_word.parseString(case).asList()
            self.assertEqual(result, expected)


    def test_multi_line_word_spaces_parse_error(self):

        cases = (
                'shi \\\nny',
                'shi\\ \nny',
                'sh\\\n iny',
                'shi\\\n\tny',
        )
        for case in cases:
            self.assertRaises(
                pyparsing.ParseException,
                multiline.multi_line_word.parseString,
                case
            )


if __name__ == '__main__':
    unittest.main()

Answer 1

在探索了一下之后，我来到了this help thread，那里有一个值得注意的地方

我经常看到效率低下的语法有人实施了一个pyparsing语法直接来自BNF定义。 BNF 没有“一个或一个”的概念更多“或”零或更多“或 “任选的” ...

有了这个，我有了改变这两行的想法

multi_line_word = Forward()
multi_line_word << (word | (split_word + multi_line_word))

要

multi_line_word = ZeroOrMore(split_word) + word

这可以输出我想要的内容：['super', 'cali', fragi', 'listic']。

接下来，我添加了一个将这些令牌连接在一起的解析操作：

multi_line_word.setParseAction(lambda t: ''.join(t))

这给出了['supercalifragilistic']的最终输出。

我学到的带回家的信息是，不仅仅是walk into Mordor。

开玩笑。

带回家的消息是，人们不能简单地通过pyparsing实现BNF的一对一翻译。使用迭代类型的一些技巧应该被调用。

编辑2009-11-25：为了弥补更费劲的测试用例，我将代码修改为以下内容：

no_space = NotAny(White(' \t\r'))
# make sure that the EOL immediately follows the escape backslash
continued_ending = Literal('\\') + no_space + lineEnd
word = Word(alphas)
# make sure that the escape backslash immediately follows the word
split_word = word + NotAny(White()) + Suppress(continued_ending)
multi_line_word = OneOrMore(split_word + NotAny(White())) + Optional(word)
multi_line_word.setParseAction(lambda t: ''.join(t))

这样做的好处是确保任何元素之间没有空格（除了转义反斜杠后的换行符）。

Answer 2

你的代码非常接近。任何这些mod都可以工作：

# '|' means MatchFirst, so you had a left-recursive expression
# reversing the order of the alternatives makes this work
multi_line_word << ((split_word + multi_line_word) | word)

# '^' means Or/MatchLongest, but beware using this inside a Forward
multi_line_word << (word ^ (split_word + multi_line_word))

# an unusual use of delimitedList, but it works
multi_line_word = delimitedList(word, continued_ending)

# in place of your parse action, you can wrap in a Combine
multi_line_word = Combine(delimitedList(word, continued_ending))

正如您在pyparsing谷歌搜索中发现的那样，BNF-＆gt; pyparsing翻译应该使用特殊视图来使用pyparsing功能代替BNF，嗯，缺点。我实际上正在撰写更长的答案，进入更多的BNF翻译问题，但你已经找到了这些材料（在维基上，我猜）。

使用pyparsing解析单词escape-split over multiple lines

2 个答案: