haskell - Parsec - 错误 "combinator ' many' 应用于接受空字符串的解析器“

Question

我正在尝试使用 Parsec 编写一个解析器，它将解析读写的 Haskell 文件，如下所示:

The classic 'Hello, world' program.

\begin{code}

main = putStrLn "Hello, world"

\end{code}

More text.

我写了以下内容，有点受 RWH 中示例的启发:

import Text.ParserCombinators.Parsec

main
    = do contents <- readFile "hello.lhs"
         let results = parseLiterate contents
         print results

data Element
    = Text String
    | Haskell String
    deriving (Show)


parseLiterate :: String -> Either ParseError [Element]

parseLiterate input
    = parse literateFile "(unknown)" input



literateFile
    = many codeOrProse

codeOrProse
    = code <|> prose

code
    = do eol
         string "\\begin{code}"
         eol
         content <- many anyChar
         eol
         string "\\end{code}"
         eol
         return $ Haskell content

prose
    = do content <- many anyChar
         return $ Text content

eol
    =   try (string "\n\r")
    <|> try (string "\r\n")
    <|> string "\n"
    <|> string "\r"
    <?> "end of line"

我希望这会产生以下结果:

[Text "The classic 'Hello, world' program.", Haskell "main = putStrLn \"Hello, world\"", Text "More text."]

(允许空格等)。

这编译得很好，但是在运行时，我得到了错误:

*** Exception: Text.ParserCombinators.Parsec.Prim.many: combinator 'many' is applied to a parser that accepts an empty string

任何人都可以对此有所了解，并可能提供解决方案吗？

Answer 1

正如某物指出的 many anyChar是问题所在。但不只是在prose而且在code . code 的问题是，content <- many anyChar将消耗一切:换行符和 \end{code}标签。

所以，你需要有一些方法来区分散文和代码。一个简单(但可能太天真)的方法是寻找反斜杠:

literateFile = many codeOrProse <* eof

code = do string "\\begin{code}"
          content <- many $ noneOf "\\"
          string "\\end{code}"
          return $ Haskell content

prose = do content <- many1 $ noneOf "\\"
           return $ Text content

现在，您并没有完全得到想要的结果，因为 Haskell部分也将包含换行符，但您可以很容易地过滤掉它们(给定一个函数 filterNewlines 你可以说 `content <- filterNewlines <$> (many $ noneOf "\\") )。

编辑

好的，我想我找到了一个解决方案(需要最新的 Parsec 版本，因为 lookAhead ):

import Text.ParserCombinators.Parsec
import Control.Applicative hiding (many, (<|>))

main
    = do contents <- readFile "hello.lhs"
         let results = parseLiterate contents
         print results

data Element
    = Text String
    | Haskell String
    deriving (Show)    

parseLiterate :: String -> Either ParseError [Element]

parseLiterate input
    = parse literateFile "" input

literateFile
    = many codeOrProse

codeOrProse = code <|> prose

code = do string "\\begin{code}\n"
          c <- untilP (string "\\end{code}\n")
          string "\\end{code}\n"
          return $ Haskell c

prose = do t <- untilP $ (string "\\begin{code}\n") <|> (eof >> return "")
           return $ Text t

untilP p = do s <- many $ noneOf "\n"
              newline
              s' <- try (lookAhead p >> return "") <|> untilP p
              return $ s ++ s'

untilP p解析一行，然后检查下一行的开头是否可以通过 p成功解析.如果是，则返回空字符串，否则继续。 lookAhead是必需的，否则会消耗开始\结束标记和 code无法认出他们。

我想它仍然可以更简洁(即不必在 string "\\end{code}\n" 内重复 code )。