Question

我需要实现一个解析以下字符串的简单解析器： a [b [c，d]，e]，f [g，h [i]，j [k，l]]，......

在上面的示例中，有一个包含一个或多个OBJECTS的GROUP。每个对象都有嵌套的OBJECTS（b中的一个AND h，j中的f）加上嵌套的VALUES（c，d，e，g，i，k，l）。

所以，它就像是：

GROUP : OBJECT (,OBJECT)*
OBJECT: NAME '[' OBJECTorVALUE (OBJECTorVALUE)* ']'
OBJECTorVALUE: OBJECT | VALUE
VALUE : NAME

手动解析这种语法的最简单方法是什么？

我尝试用递归下降解析器解析它并且它可行，但看起来很奇怪，因为你必须为OBJECTORVALUE解析生产：

OBJECTorVALUE: NAME '[' blabla ']'
OBJECTorVALUE: NAME

所以，为了使它成为LL语法（由rec-descent解析）我们应该将其解析为

OBJECTorVALUE: NAME Z
Z: eps | '[' blabla ']'

现在rec-desc解析器获得了一些不必要的复杂性并且感觉不自然，所以我必须引入一个rec-desc方法来在名称后面查找Z.所以，而不是简单易用的方法

parseGroup -> parseObjects 
parseObj -> parseName consume[ parseObjectValueGroup consume ]
parseObjectValueGroup -> parseObjectValues
parseObjectValue -> look('[') -> parseObj OR parseValue

我得到相同的但最后一个陈述变为

parseObjectValue -> parseName parseZ
parseZ -> look('[') -> parseObjWithoutName OR return empty
parseObjWithoutName -> ...

对我来说这看起来很乱，所以我们可以在这里使用更简单的东西吗？我的意思是这个简单的语法，甚至可以通过字符串拆分进行解析，看起来很简单。也许简单LR解析器（SLR）在这种情况下更具可读性？

Answer 1

我实际上认为尝试解析这种自上而下的方法不会太糟糕。如果您尝试将其写为正式语法，看起来会比实际情况差很多。例如，这是伪代码中的样子：

ParseGroup():
    result = empty list
    while true:
        read token 'next'; it's some identifier.
        if (there's no next token) {
           append 'next' to result.
           break;
        }
        else if (the next token is '[') {
           let inner = ParseGroup();
           read token; it's a ']';
           append 'next[inner]' to result.
        } else {
           append 'next' to result.
        }
        read token; it's a comma.
        append ',' to result.
    }
}

这基本上是针对修改后的语法而稍作修改的LL（1）解析器。

Answer 2

这确实是一个非常简单的语法。您的语法不完整，因为未定义NAME。用ABNF（RFC 5234）语法定义的语法是这样的（假设使用NAME规则）：

group   = element *("," WS element)
element = name WS ["[" WS group "]" WS]
name    = 1*(%x61-7A / %x41-5A)
WS      = *(%x20 / %x9 / %xA / %xD)

您可以将其读取为：一组由用逗号分隔的元素组成。每个元素都有一个名称，在它后面可能会有一个在子括号中的子元素组。 “名称”是一个或多个英文字母字符。在语法的每个部分之间，都允许有空格（零个或多个）：空格（20十六进制），制表符（9十六进制），换行符（A十六进制）或回车符（D十六进制）。如果您不希望使用空格，则只需完全删除WS规则即可。

这是语法，但是有语义：如果element仅具有名称，则其value否则具有object。这是一个简单的歧义消除，您应该在解析完成后执行此操作。

如果语法是如此简单，并且您不想自己编写代码，我已经制作了一个工具（Tunnel Grammar Studio），可以用C ++代码为您生成此语法。语法很简单，因此该工具的演示应足以满足您的需求。您也可以在线运行语法。 TGS生成迭代解析器，这意味着，如果您的组嵌套太多，则不必担心堆栈溢出问题。

ps。除了十六进制值之外，您还可以编写1*('a'-'z' / 'A'-'Z')，因为TGS具有ABNF语法的扩展名，可以很容易地编写语法。

手动解析一个简单的语法

2 个答案: