Question

我正在尝试使用函数

来扩充Haskell的Attoparsec解析器库

takeRegex :: Regex -> Parser ByteString

使用其中一个正则表达式实现。

（动机：好的正则表达式库可以提供与输入长度成线性的性能，而attoparsec需要回溯。我的输入的一部分特别适合使用正则表达式解析，甚至回溯Text.Regex.PCRE库获得了比该片段的attoparsec代码快4倍的速度。）

Attoparsec 曾经一个getInput :: Parser ByteString函数来获取（没有消耗）剩余输入;这可能对我的目的来说非常完美，因为我的输入是非增量的，严格且相当小的 - 我一次运行解析器获取一行日志文件。有了它，似乎我可以做类似

的事情

takeRegex re = do
  input <- getInput
  m <- matchM re input
  take $ length m

不幸的是，最近版本的attoparsec缺少此功能。有没有办法实现同样的目标？为什么删除了该功能？

现在有takeByteString :: Parser ByteString函数，它接受并消耗其余输入。如果有一个函数来尝试解析并获得结果而不实际消耗任何东西，那么这可以与它一起使用，但我似乎无法找到（或弄清楚如何实现）这样的函数。

使用当前版本的attoparsec有没有办法实现这个目的？

Answer 1

对此有一些解决方案，但没有一个很好....

方法1-快速实施，但运行速度不快

嗯，（根据http://hackage.haskell.org/package/attoparsec-0.10.1.1/docs/Data-Attoparsec-ByteString.html），attoparsec总是在失败时回溯，所以你总能做到这样的事情 -

parseLine1 = do
  line <- takeTill (== '\n')
  char '\n'
  case <some sort of test on line, ie- a regex> of
    Just -> return <some sort of data type>
    Nothing -> fail "Parse Error"

然后，其中许多链接在一起将按预期工作

parseLine = parseLine1 <|> parseLine2

这个解决方案的问题是，正如您所看到的，您仍在进行一系列回溯，这可能会让事情变得缓慢。

方法2-传统方法

处理这类事情的常用方法是重写语法，或者在解析器组合器的情况下，移动东西，使完整算法只需要前瞻的一个字符。这几乎总是在实践中完成，虽然它有时会使逻辑更难以遵循......

例如，假设你有一个像这样的语法生成规则 -

pet = "dog" | "dolphin"

在解析任一路径之前，这需要两个前瞻字符。相反，你可以像这样留下因素

pet => "ca" halfpet
halfpet => "g" | "lphin"

不需要并行处理，但语法更加丑陋。（虽然我把它写成了一个生产规则，但是有一对一的映射到类似的解析器组合器。）

方法3-正确的方法，但参与写作。

你想要这样做的真正方法是直接将正则表达式编译为解析器组合....一旦你编译任何常规语言，结果算法总是只需要一个前瞻字符，所以产生的attoparsec代码应该非常简单（就像单个字符读取的方法1中的例程），但工作将是编译正则表达式。

编译正则表达式在很多教科书中都有介绍，所以我不会在这里详细介绍，但它基本上等于用新状态替换正则表达式状态机中的所有模糊路径。或者换句话说，它会自动“留下因素”所有需要回溯的情况。

（我写了一个库，在上下文自由语法中自动“留下因素”很多情况，几乎将任何上下文无关语法转换为线性解析器一次，但我还没有使它可用....有一天，当我我已经清理过了。）

是否有可能在Attoparsec中有效地展望多个Char？

1 个答案: