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关系的性能,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进行解析,甚至回溯Text.Regex.PCRE库让我该作品的attoparsec代码加速4倍.)
Attoparsec曾经有一个getInput :: Parser ByteString函数来获取(消耗掉)剩余的输入;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缺乏此功能.有没有办法实现同样的目标?为什么删除该功能?
现在有takeByteString :: Parser ByteString函数,它接受并消耗其余的输入.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.
有没有办法用当前版本的attoparsec实现这一目标?
方法1-快速实现,但运行速度不快
那么,(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,所以你总是可以这样做 –
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,许多链接在一起的人将按预期工作
parseLine = parseLine1 <|> parseLine2
正如你所看到的,这个解决方案存在的问题是,你仍在进行一系列的回溯,这可能会让事情变得更慢.
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,使完整算法只需要一个前瞻字符.这几乎总是可以在实践中完成,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,你可以将整个事情留下这样的因素
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,但是有一对一映射到类似的解析器组合器).
方法3-正确的方法,但参与写.
你想要这样做的真正方法是直接将正则表达式编译成解析器组合….一旦编译任何常规语言,生成的算法总是只需要一个前瞻字符,因此生成的attoparsec代码应该非常简单(就像单个字符读取的方法1中的例程一样),但是工作将在编译正则表达式.
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.
(我编写了一个库,在上下文无关语法中自动“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,当我清理它我会).
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 dio@foxmail.com 举报,一经查实,本站将立刻删除。