Question

我正在使用Marpa :: R2 :: Scanless :: G来解析遗留文本文件格式。文件格式有一个结构良好的部分，然后是一个结构不合理的文本和uuencoded东西。后者的东西可以完全被忽略，但我无法弄清楚如何告诉Marpa SLIF界面：你已经完成了;不要理会剩下的文字。

简单来说，文件可能如下所示：

("field_a_val"  1,
 "field_b_vals" (1,2,3),
 "field_c_pairs" ((a 1)(b 2)(c 3))
)now_stuff_i_dont_care_about a;oiwermnv;alwfja;sldfa
asdf343avadfg;okm;om;oia3
e{<|1ydblV, HYED c"L. 78b."8
U=nK Wpw: Qh(e x!,~dU...

我需要从顶部区域解析所有需要的数据，但如果我没有尝试匹配它，当它遇到底部垃圾时，我得到：SLIF解析错误：解析用尽，但是lexemes仍然存在。

我无法弄清楚如何设计一个术语，表示可能会破坏潜在的兆字节垃圾，只要不管遇到的文本是什么，都要一直走到文件的末尾。我的尝试使用没有运气：丢弃或'暂停=＆gt;在'之后，虽然我可能会滥用它们。

对于上下文，我对解析和lexing没有扎实的理解。我对语法进行了攻击，直到它奏效。

Answer 1

最简单的方法是引入一个匹配你不感兴趣的其余部分的词汇：

lexeme default = latm => 1  # this prevents the rest from matching the whole document

Header
  ::= ActualHeader (AllTheRest) action => ::first
ActualHeader
  ::= ... # your code here
...

AllTheRest
  ::=           action => ::undef  # rest is optional
AllTheRest
  ::= THE_REST  action => ::undef  # matches anything
THE_REST ~ [\s\S]+

我们无法对:discard使用THE_REST规则，因为这样可以让其他地方在任何地方发生，但我们只想在最后允许它。字符类[\s\S]匹配所有字符。

Answer 2

在marpa-parser邮件列表上曾经有一个discussion of a similar topic，但是从那里开始有代码示例，所以我建议working example回答another SO question。

不确定这是否是在Marpa中执行此类操作的正确方法，并且未针对多兆字节字符串进行测试。

希望这有帮助。

使用Perl Marpa丢弃并跳过非结构化文本？

2 个答案: