regex - Perl6 解析文件

Question

作为实践，我正在尝试解析一些标准文本，这些文本是 shell 命令的输出。

  pool: thisPool
 state: ONLINE
status: Some supported features are not enabled on the pool. The pool can
    still be used, but some features are unavailable.
action: Enable all features using 'zpool upgrade'. Once this is done,
    the pool may no longer be accessible by software that does not support
    the features. See zpool-features(5) for details.
  scan: none requested
config:

    NAME                                                STATE     READ WRITE CKSUM
    homePool                                            ONLINE       0     0     0
      mirror-0                                          ONLINE       0     0     0
        ata-WDC_WD5000AZLX-00CL5A0_WD-WCC3F7NUE93C      ONLINE       0     0     0
        ata-WDC_WD5000AZLX-00CL5A0_WD-WCC3F7RE2A4F      ONLINE       0     0     0
    cache
      ata-KINGSTON_SV300S37A60G_50026B7261025D7E-part3  ONLINE       0     0     0

errors: No known data errors

我想使用 Perl6 语法，并且想在单独的标记或正则表达式中捕获每个字段。于是，我做了如下语法:

grammar zpool {
        regex TOP { \s+ [ <keyword> <collection> ]+ }
        token keyword { "pool: " | "state: " | "status: " | "action: " | "scan: " | "config: " | "errors: " }
        regex collection { [<:!keyword>]*  }
}

我的想法是正则表达式找到一个关键字，然后开始收集所有数据，直到下一个关键字。但是，每次，我都会得到“pool:” -> 所有剩余的文本。

 keyword => ｢pool: ｣
 collection => ｢homePool
 state: ONLINE
status: Some supported features are not enabled on the pool. The pool can
    still be used, but some features are unavailable.
action: Enable all features using 'zpool upgrade'. Once this is done,
    the pool may no longer be accessible by software that does not support
    the features. See zpool-features(5) for details.
  scan: none requested
config:

    NAME                                                STATE     READ WRITE CKSUM
    homePool                                            ONLINE       0     0     0
      mirror-0                                          ONLINE       0     0     0
        ata-WDC_WD5000AZLX-00CL5A0_WD-WCC3F7NUE93C      ONLINE       0     0     0
        ata-WDC_WD5000AZLX-00CL5A0_WD-WCC3F7RE2A4F      ONLINE       0     0     0
    cache
      ata-KINGSTON_SV300S37A60G_50026B7261025D7E-part3  ONLINE       0     0     0

errors: No known data errors
｣

我不知道如何让它在找到关键字时停止吃字符，然后将其视为另一个关键字。

Answer 1

问题 1

你写了<:!keyword>而不是 <!keyword> .那不是你想要的。您需要删除 : .

<:foo> P6 正则表达式中的语法 matches a single character with the specified Unicode property , 在这种情况下属性 :foo这又意味着 :foo(True) .

还有 <:!keyword>匹配具有 Unicode 属性 :keyword(False) 的单个字符.

但是没有 Unicode 属性 :keyword .

因此，否定断言将始终为真，并且每次都会匹配输入的单个字符。

所以你知道，这个模式只是在文本的其余部分中咀嚼它。

问题 2

一旦你解决了问题 1，就会出现第二个问题。

<:!keyword>匹配具有 Unicode 属性 :keyword(False) 的单个字符.每次匹配时，它都会自动咀嚼一些输入(单个字符)。

相比之下，<!keyword>如果匹配则不消耗任何输入。 你必须确保使用它的模式会咀嚼输入。

---

解决这两个问题后，您将获得预期的输出。 (您将看到的下一个问题是 config 关键字不起作用，因为输入文件示例中 : 中的 config: 后面没有空格。)

---

所以，进行一些清理工作:

my @keywords = <pool state status action scan config errors> ;

say grammar zpool {
    token TOP        { \s+ [ <keyword> <collection> ]* }
    token keyword    { @keywords ': ' }
    token collection { [ <!keyword> . ]* }
}

我已将所有模式切换为 token声明。一般情况下，请始终使用 token除非你知道你需要别的东西。 (regex 启用回溯。如果你不小心，这会大大减慢速度。rule 使规则中的空格变得很重要。)

我已将关键字提取到一个数组中。 @keywords表示 @keywords[0] | @keywords[1] | ... .

我添加了一个 .在 <!keyword> 之后在最后一个模式中(消耗一个字符的输入值，以避免在 <!foo> 不消耗任何输入的情况下会发生的无限循环)。

如果您还没有看到它们，请注意 available grammar debugging options是你的 friend 。

第