Question

我正在构建一个简单的解析器，而我无法理解整体设计。什么是最佳做法？

解析器采用一个简单的文本文件并将其构建为HTML文件，这将大量使用嵌套列表，并为每个列表项添加索引和ID。

输入（为清晰起见，添加了缩进）。

A. First section with random name
  Article 1
  Spam and eggs and some more
  Article 2
    1. The first member
    2. The second member
    3. The final member
B. Second section called whatever
  Article 3
  This one has no members but it does contain subs
    a. item 1
    b. item 2
  Article 4
    1. A member
    2. A member with subs
      a. sub 1 here
      b. sub 2 here
      c. final sub
C. Another section
etc

我有正则表达式找到各种列表项，带行号（现在我正在使用词法分析器，但这可能是矫枉过正，对吧？）

正如我所说，我需要制作嵌套的HTML列表，每个列表项都有一个ID。根据您的经验，您将如何代表文档的结构？

作为一系列元组或词典，每个项目（id，行号）：

list_section = ( ('A',1), ('B',8), ('C',18), ... )
list_article = ( ('1',2), ('2',4), ('3',9), ('4',13), ... )
list_member = ( ('2-1',5), ('2-2',6), ('2-3',7), ('4-1',14), ...)
etc

或者作为嵌套元组，其中每个标记都有（TYPE，id，line-number）：

(('SECTION','A',1 , 
    ('ARTICLE','1',2),
    ('ARTICLE','2',4 ,
        ('MEMBER','2-1',5),
        ('MEMBER','2-2',6),
        ('MEMBER','2-3',7)
    )
 )

现在我倾向于第二种选择。第一个将更容易构建和迭代，但层次结构只能通过查看周围的行号来推断。

你会这样做，还是以完全不同的方式？我不是要求你写我的解析器或正则表达式，我只是在寻找关于最佳实践的声音建议。

我在HTML中添加了所需的输出。指数：

<div id="index">
    <ol class="indexlist sections">
        <li><a href="#listref_A">First section with random name</a><br>
            Article 1 - 2</li>
        <li><a href="#listref_B">Second section called whatever</a><br>
            Artikel 3 - 4</li>
        <li><a href="#listref_C">Another section</a><br>
            Article 5</li>
    </ol>

内容：

<div id="content">
    <ol class="sections">
        <li id="listref_D"><h2></h2>
        <ol class="articles">
            <li id="listref_8">Article 8
                <ol class="members">
                    <li id="listref_8-1">Member 1.</li>
                    <li id="listref_8-2">Member 2</li>
                    <li id="listref_8-3">Member 3</li>
                    <li id="listref_8-4">Member 4.</li>
                </ol>
            </li>
        </ol>
    </li>
    <li id="listref_E">Section E
        <ol class="articles">
            <li id="listref_9">Article 9
                <ol class="members">
                    <li id="listref_9-1">Member 1 has subs:
                        <ol class="subs">
                            <li id="listref_9-1-a">sub a;</li>
                            <li id="listref_9-1-b">sub b;</li>
                            <li id="listref_9-1-c">sub c.</li>
                        </ol>
                    </li>
                    <li id="lijstref_9-2">Member 2, refers to <a href="#listref_8-2">article 8 sub 2</a>.</li>
                </ol>

Answer 1

尝试使用ANTLR Lexer / Parser组合。您只需要正则表达式来生成词法分析器/基本解析器组合。它使用类似于BNF语法的策略，您可以非常轻松地定义要打印到控制台或文件的操作。它默认输出Java，但ANTLR 4也输出到C＃。 ANTLR 3可以输出多种语言，如Ruby。

要生成词法分析器的一部分，您可能会执行类似

的操作

 // Define Tokens
 WS : [ \t\r\n] ~> skip;
 DOT : '.';
 ARTICLE : 'Article';

 fragment DIGIT : [0-9];
 fragment ALPHA : [a-zA-Z];

 AlphaString : ALPHA+;
 Number : DIGIT+;
 AlphaNumericString : (AlphaString | Number)+;

 // Define Lexer and Parser Grammars
 SectionTitle : AlphaString;
 SectionHeader : SectionTitle DOT AlphaNumericString;

 ArticleHeader : ARTICLE Number;

 MemberTitle : Number;
 MemberHeader : MemberTitle DOT AlphaNumericString;

 submember : /*Code to define submember*/;     

 member : MemberHeader submember+;

 article : ArticleHeader (member | AlphaNumericString)+;

 section : SectionHeader
           (article | AlphaNumericString)+;

显然这不是一个全面的语法，但它显示了基础知识。一个很好的参考是ANTLR 4 Documentation Wiki和ANTLR 4: The Defenitive Guide。这些将向您展示如何执行这些语法以及如何在其中嵌入操作。他们都是小型或大型项目的良好指南。后者的第2章和第3章以简单的方式展示了您需要的基础知识，并提供了很好的例子。

如何构造解析器

1 个答案: