我正在使用 F#开发TOML解析器。在我目前的解决方案中,我使用以下方式拆分行:
let regex s = new Regex(s, RegexOptions.Compiled)
let linesRe = regex @"\r\n|\r|\n"
和lex令牌:
let tokenRe = regex @"((?(\d+|\w+|(""\w+"")|\[|\]|.|=))\s*)*"
let tokenizeLine (s: string) =
[for x in tokenRe.Match(s).Groups.["token"].Captures do
let token =
match x.Value with
| "[" -> OPENBR
// omissis...
| s when isStringLiteral s -> STR (s.Substring(1, s.Length-2))
| s -> ID s
yield token]
通过这种方式,我将无法处理定义为:
的多行字符串
lines = '''
The first newline is
trimmed in raw strings.
All other whitespace
is preserved.
'''
现在我在每一行添加NEWLINE
令牌,但我想:
我发现了类似的问题,但我甚至无法捕获新的线条。我尝试使用RegexOptions
(Singleline
和Multiline
)的各种设置将第一个模式添加到第二个模式(之前没有拆分线),但我结束时没有匹配新行
答案 0 :(得分:2)
分割线似乎是TOML文件的第一遍或预处理过程,使用Mark Seemann建议的FParsec等解析器库可能更容易。
另一个选择是使用简单的状态机来分割行,例如
let split separator (s:string) =
let values = ResizeArray<_>()
let rec gather start i qs =
let add () = s.Substring(start,i-start) |> values.Add
if i = s.Length then add()
elif s.[i] = '"' && qs = 2 then inTripleQuotes start (i+1) 0
elif s.[i] = '"' then gather start (i+1) (qs+1)
elif s.[i] = separator then add(); gather (i+1) (i+1) 0
else gather start (i+1) 0
and inTripleQuotes start i qs =
if s.[i] = '"' && qs = 2 then gather start (i+1) 0
elif s.[i] = '"' then inTripleQuotes start (i+1) (qs+1)
else inTripleQuotes start (i+1) 0
gather 0 0 0
values.ToArray()
split '\n' text
在上面的split
函数中,我使用了2个相互递归的函数,gather
进行扫描,直到达到分隔符,inTripleQuotes
跳过三引号块中的分隔符。