regex - 使用解析器组合器整理文本行

Question

我正在尝试使用解析器组合器解析文本文件。我想在名为 Example 的类中捕获索引和文本。这是在输入文件上显示表单的测试:

object Test extends ParsComb with App {
  val input = """
0)
blah1
blah2
blah3
1)
blah4
blah5
END
"""
  println(parseAll(examples, input))
}

这是我的尝试，但没有成功:

import scala.util.parsing.combinator.RegexParsers

case class Example(index: Int, text: String)

class ParsComb extends RegexParsers {
  def examples: Parser[List[Example]] = rep(divider~example) ^^ 
                                          {_ map {case d ~ e => Example(d,e)}}
  def divider:  Parser[Int]           = "[0-9]+".r <~ ")"    ^^ (_.toInt)
  def example:  Parser[String]        = ".*".r <~ (divider | "END") 
}

它失败了:

[4.1] failure: `END' expected but `b' found

blah2

^

我刚开始使用这些，所以我不太清楚自己在做什么。我认为问题可能出在 ".*".r 正则表达式不支持多行。我该如何更改它才能正确解析？

Answer 1

• 错误信息是什么意思？

根据你的语法定义，".*".r <~ (divider | "END") ，你告诉解析器，一个 example应该后跟 divider或 END .解析 blah1 后，解析器试图找到 divider失败了，然后尝试了END , 再次失败，没有其他可用选项，所以 END这是生产值(value)的最后一个选择，所以从解析器的角度来看，它期望 END , 但它很快发现，下一个输入是 blah2从第 4 行开始。

• 如何解决？

尽量接近你的实现，你的情况下的语法应该是:

examples ::= {divider example}
divider  ::= Integer")"
example  ::= {literal ["END"]}

我认为将“示例”解析为 List[String]更有意义，无论如何，这取决于你。

问题是你的example解析器，它应该是一个可重复的文字。

所以，

class ParsComb extends RegexParsers {
  def examples: Parser[List[Example]] = rep(divider ~ example) ^^ { _ map { case d ~ e => Example(d, e) } }
  def divider: Parser[Int] = "[0-9]+".r <~ ")" ^^ (_.toInt)
  def example: Parser[List[String]] = rep("[\\w]*(?=[\\r\\n])".r <~ opt("END"))
}

正则表达式 (?=[\\r\\n])意味着它是一个积极的前瞻，并且会匹配后面跟着 \r 的字符或 \n .

解析结果为:

[10.1] parsed: List(Example(0,List(blah1, blah2, blah3)), Example(1,List(blah4, blah5)))

如果你想把它解析成一个字符串(而不是 List[String] )，只需添加一个转换函数，例如: ^^ {_ mkString "\n"}