应用错误收集

无扫描器分析器

时间：2010-02-08 19:45:02

标签： language-agnostic parser-generator

Prologue：虽然解析器识别的语言集（无上下文语法）严格大于扫描程序（常规语法），但大多数解析器生成器都需要扫描程序。

（请不要试图解释它背后的原因，我非常了解它们。）

我见过解析器，不需要像

这样的扫描仪

Elkhound（可选，Tomita / GLR）
DParser（Tomita / GLR）
SDLR（Tomita / GLR）

使用无扫描仪有一些优点：

只有一个概念（无上下文语法）而不是两个
在一个文件中解析多种语言（如HTML / Javascript）
解析没有保留关键字的语言（例如PL/1）

通常，使用“变通办法”就像在解析器请求中切换扫描程序一样。

问题：您知道其他任何无扫描器解析器生成器（任何语言）吗？这些是实用的（或纯粹的学术性的）？除了Tomita / GLR之外还有其他方法吗？

数目：

boost::spirit::qi AraK
LPEG

Norman Ramsey

6 个答案:

答案 0 :(得分：11)

另外两个人：

Bryan Ford的Parsing Expression Grammars（PEG）不需要扫描仪。高效，懒惰的“packrat解析器”是可选的。我对Lua LPEG版本没有什么经验，它编译成一个高效的字节码机器。非常实用。
YAKKER看起来非常有趣，尽管它仍处于释放前的状态。他们正在使用他们声称的对Earley解析算法的有效变体。

我实际上是无扫描器解析器的忠实粉丝;它们极大地简化了配置。温和地说，典型的扫描仪发生器使用起来并不是很有趣。从Lex的手册页：

The asteroid to kill this dinosaur is still in orbit.

最后，我对Elkhound没有亲身经历，但我听到的二手报道令人印象深刻。我想说毫无疑问，一些无扫描器解析器生成器非常实用。

答案 1 :(得分：8)

分析器生成器不需要扫描器。但如果你不使用它，你就会非常疯狂。

解析器生成器构建的解析器不关心你提供它们的内容，只要你称它们为令牌。

要构建使用不带扫描程序的解析器生成器，只需将语法定义到字符级别，然后将单个字符作为标记提供给解析器。

这是疯狂的原因是解析是一个比lexing更复杂的活动。您可以将词法分析器构建为有限状态机，它将机器代码转换为“比较并跳转到下一个状态”。对于速度，这真的很难被击败。解析器生成器构造解析器，执行递归下降预测解析（对于大多数LL生成器，如ANTLR）或通过散列，二进制或线性搜索等进行表查找。因此解析器在令牌上花费的能量比词法分析器花费的更多。字符。

如果您将字符作为标记提供给解析器，那么它将在字符上花费相应的能量，而不是相同的词法分析器。如果你处理大量的输入文本，这最终会很重要，无论你是为数以万计的小输入流还是为一些非常大的输入流做的。

相对于设计使用令牌的GLR解析器，所谓的无扫描器GLR解析器会遇到此性能问题。

我的公司构建了一个工具 the DMS Software Reengineering Toolkit，它使用了一个GLR解析器（并且成功地解析了你知道的所有常见语言，以及你没有的许多常见语言，因为它有一个GLR解析器）。我们知道无扫描器解析器，并且由于速度差异而选择不实现它们;我们有一个经典风格（但非常强大）的LEX类子系统，用于定义词法标记。在一个案例中，DMS对XT（一种具有无扫描器GLR解析器的工具）基于工具处理相同输入进行了鼻子对鼻子，DMS的速度似乎是XT包的10倍。公平地说，所做的实验是临时的，不会重复，但因为它符合我的怀疑，我认为没有理由重复它。因人而异。当然，如果我们想要无扫描，那么，正如我已经指出的那样，很容易用字符终端编写一个语法。

GLR Scannerless解析器做有另一个非常好的属性，对大多数人来说无关紧要。您可以为无扫描器解析器提供两个单独的语法，并逐字地连接它们，并且仍然可以获得解析器（通常具有很多歧义）。当你在另一个语言中嵌入一种语言时，这很重要。如果这不是你在做什么，这只是学术上的好奇心。

而且，AFAIK，Elkhound不是无扫描仪的。（我可能错了）。（编辑：2/10：看起来我错了。这不是我生命中的第一次：）

答案 2 :(得分：3)

boost::spirit::qi不需要词法分析器，但您可以使用boost::spirit::lex作为前端。从boost::spirit::lex：

的介绍

事实上，Spirit.Qi允许你写解析器没有使用词法分析器，解析直接输入字符流，在大多数情况下，这就是方法精神从此被使用发明。

boost::spirit（原始版本）实际上按照您的要求完成，但已移至boost::spirit::classic。 spirit::qi，spirit::lex是精神的新设计，因此我将经典版本排除在外：）

答案 3 :(得分：3)

Waxeye：基于parsing expression grammars（PEGs）的无扫描器解析器。

答案 4 :(得分：1)

抱歉是一个坏死的人。您可以尝试这一点 - .NET的嵌入式PEG / Packrat实现：

http://www.meta-alternative.net/pfdoc.pdf

http://www.meta-alternative.net/mbase.html

答案 5 :(得分：0)

我写了一个“按需扫描”解析器。这是带扫描器的解析器和无扫描器的解析器之间的一种折衷。

它允许“没有保留的关键字”，并使一种语言可以嵌入/嵌套在另一种语言中。

这种嵌套的一个很好的例子是来自graphviz https://graphviz.gitlab.io/的Dot语法，其中XML / HTML可以嵌入外部图形语言中。

您可以在https://info.itemis.com/demo/agl/editor

上看到我的解析器和点语法的演示。