使用Scala的解析器组合解析基于压痕语言(Parsing an indentation based

2019-08-02 23:30发布

有没有办法使用Scala的解析器组合来解析语言,其中缩进是显著的便捷方式? (例如Python)的

Answer 1:

假设我们有一个非常简单的语言,其中这是一个有效的程序

block
  inside
  the
  block

我们要解析到这个List[String]与该块作为一个内部各行String

我们首先定义至少需要缩进级别,并返回一个解析器与缩进级别线的方法。

def line(minIndent:Int):Parser[String] = 
  repN(minIndent + 1,"\\s".r) ~ ".*".r ^^ {case s ~ r => s.mkString + r}

然后,我们通过用线之间的合适的分离器重复行分析器限定具有最小缩进级别的块。

def lines(minIndent:Int):Parser[List[String]] =
  rep1sep(line(minIndent), "[\n\r]|(\n\r)".r)

现在,我们可以定义为我们这样的小语言解析器:

val block:Parser[List[String]] =
  (("\\s*".r <~ "block\\n".r) ^^ { _.size }) >> lines

它首先确定当前的缩进电平,然后通过作为最小到线分析器。 让我们测试一下:

val s =
"""block
    inside
    the
    block
outside
the
block"""

println(block(new CharSequenceReader(s)))

而我们得到

[4.10] parsed: List(    inside,     the,     block)

对于这一切来编译,你需要这些进口

import scala.util.parsing.combinator.RegexParsers
import scala.util.parsing.input.CharSequenceReader

而你需要把一切都成延伸的对象RegexParsers像这样

object MyParsers extends RegexParsers {
  override def skipWhitespace = false
  ....


Answer 2:

据我所知,没有,Scala的解析器组合不具备这种事情开箱即用支持。 您可以通过有意义的方式解析空白当然做到这一点,但因为你需要某种形式的状态机来跟踪缩进堆栈的你会遇到一些问题。

我建议做一个预处理步骤。 这里是一个小预处理这增加标记来分隔缩进块:

object Preprocessor {

    val BlockStartToken = "{"
    val BlockEndToken = "}"

    val TabSize = 4 //how many spaces does a tab take

    def preProcess(text: String): String = {
        val lines = text.split('\n').toList.filterNot(_.forall(isWhiteChar))
        val processedLines = BlockStartToken :: insertTokens(lines, List(0))
        processedLines.mkString("\n")
    }

    def insertTokens(lines: List[String], stack: List[Int]): List[String] = lines match {
        case List() => List.fill(stack.length) { BlockEndToken } //closing all opened blocks
        case line :: rest => {
            (computeIndentation(line), stack) match {
                case (indentation, top :: stackRest) if indentation > top => {
                    BlockStartToken :: line :: insertTokens(rest,  indentation :: stack)
                }
                case (indentation, top :: stackRest) if indentation == top =>
                    line :: insertTokens(rest, stack)
                case (indentation, top :: stackRest) if indentation < top => {
                    BlockEndToken :: insertTokens(lines, stackRest)
                }
                case _ => throw new IllegalStateException("Invalid algorithm")
            }
        }
    }


    private def computeIndentation(line: String): Int = {
        val whiteSpace = line takeWhile isWhiteChar
        (whiteSpace map {
            case ' ' => 1
            case '\t' => TabSize
        }).sum
    }

    private def isWhiteChar(ch: Char) = ch == ' ' || ch == '\t'
}

执行此文给:

val text =
    """
      |line1
      |line2
      |    line3
      |    line4
      |    line5
      |        line6
      |        line7
      |  line8
      |  line9
      |line10
      |   line11
      |   line12
      |   line13
    """.stripMargin
println(Preprocessor.preProcess(text))

...以下结果

{
line1
line2
{
    line3
    line4
    line5
{
        line6
        line7
}
}
{
  line8
  line9
}
line10
{
   line11
   line12
   line13
}
}

和后记可以使用组合子库做解析更简单的方式。

希望这可以帮助



文章来源: Parsing an indentation based language using scala parser combinators