Question

我正在为自己的娱乐编写一个HTML解析器，我想尝试M。

我的工作基于HTML 4.01标准，并在那里说

虽然是STYLE和SCRIPT元素使用CDATA作为他们的数据模型必须处理这些元素，CDATA 用户代理不同。标记和必须将实体视为原始文本并按原样传递给应用程序。第一次出现这个角色序列“＆lt; /”（结束标记打开分隔符）被视为终止元素的内容。有效文件，这将是结束标记对于元素。

我想了一会儿，我真正想做的就是这样的事情

syntax Main 
    = "<script>" Script "</script>"
    ;
token Script
    = TakeWhileNot("</") // this is not valid M grammar
    ;

我发现自己发现我想要执行某种匹配的标记化规则，直到我达到一个开放的尖括号＆lt;然后是正斜杠/.

如果转义序列是单个字符，这不会有问题，因为我可以写这个。

token Script
    = ScriptEscape+
    ;
token ScriptEscape
    = !"<"
    ;

这样可行，不确定我是否正确地采用了这种方式，但问题与我在另一种语言中嵌入了一种语言有关，但在这种情况下我并不关心脚本语言我只是想跳过头。

Answer 1

我想出了这个巧妙的伎俩，这并不是很明显......

syntax Main 
    = "<script>" Script* "</script>"
    ;
token Script
    = !('<')
    | '<' !('/')
    ;

现在这是有效的MGrammar，转化为：

在遇到＆lt; / token之前会消耗掉任何东西。