5

我写了一个快速的 attoparsec 解析器来遍历一个 aspx 文件并删除所有样式属性，它工作正常，除了其中一个我无法弄清楚如何在>不消耗它的情况下使其成功匹配。

这是我所拥有的：

anyTill = manyTill anyChar
anyBetween start end = start *> anyTill end

styleWithQuotes = anyBetween (stringCI "style=\"") (stringCI "\"")
styleWithoutQuotes = anyBetween (stringCI "style=") (stringCI " " <|> ">")
everythingButStyles = manyTill anyChar (styleWithQuotes <|> styleWithoutQuotes) <|> many1 anyChar

我理解这部分是因为我如何在所有内容中使用 manyTillButStyles，这就是我积极地将所有样式的东西放在地上的方式，但styleWithoutQuotes我需要它以匹配“>”作为结尾，但不消耗它，以秒为单位我本来会这样做lookAhead ">"，但我不能在 attoparsec 中这样做。

4

2 回答 2

5

同时，在attoparseclookAhead中添加了组合器，因此现在可以使用or来实现目标。lookAhead (char '>')lookAhead (string ">")

以下是引入之前的解决方法。

您可以使用 构建非消耗解析器peekWord8，它只查看下一个字节（如果有）。因为ByteString有一个Monoid实例，Parser ByteString所以是一个MonadPlus，你可以使用

lookGreater = do
    mbw <- peekWord8
    case mbw of
      Just 62 -> return ">"
      _ -> mzero

（62 是 的代码点'>'）要么找到 a'>'而不消耗它，要么失败。

于 2012-11-02T23:08:42.587 回答
5 
anyBetween start end = start *> anyTill end

您的anyBetween解析器会吃掉它的最后一个字符，因为anyTill它的设计目的是解析到一个结束标记，但假设您不想在输入中保留右大括号以再次解析。

请注意，您的end解析器都是单字符解析器，因此我们可以更改功能以使用它：

anyBetween'' start ends = start *> many (satisfy (not.flip elem ends))

但many不如 Attoparsec's 高效takeWhile，你应该尽可能多地使用它，所以如果你已经完成了

import qualified Data.Attoparsec.Text as A

然后

anyBetween' start ends = start *> A.takeWhile (not.flip elem ends)

应该做的伎俩，我们可以重写

styleWithoutQuotes = anyBetween' (stringCI "style=") [' ','>']

如果你想让它吃，' '但不是'>'你可以在之后明确吃空间：

styleWithoutQuotes = anyBetween' (stringCI "style=") [' ','>'] 
                     <* A.takeWhile isSpace

追求更多takeWhile

也许styleWithQuotes也可以通过重写来使用takeWhile，所以让我们在anyBetween. 它们从一个起始解析器到一个结束字符，并且有包容性和排他性版本：

fromUptoExcl startP endChars = startP *> takeTill (flip elem endChars)
fromUptoIncl startP endChars = startP *> takeTill (flip elem endChars) <* anyChar

但我认为从你所说的，你想styleWithoutQuotes成为一个混血儿；它吃' '但不吃>：

fromUptoEat startP endChars eatChars = 
            startP 
            *> takeTill (flip elem endChars) 
            <* satisfy (flip elem eatChars)

（所有这些都假设您的结束字符列表中有少量字符，否则elem效率不高 -Set如果您要检查像字母表这样的大列表，则会出现一些变体。）

现在进行重写：

styleWithQuotes' = fromUptoIncl (stringCI "style=\"") "\""
styleWithoutQuotes' = fromUptoEat (stringCI "style=") " >" " "

整体解析器

everythingButStyles以<|>某种方式使用，这意味着如果它没有找到"style"它会回溯然后拿走所有东西。这是一个可能很慢的例子。问题是我们失败得很晚 - 在输入字符串的末尾，这是一个糟糕的时间来选择我们是否应该失败。让我们全力以赴尝试

  1. 如果我们要失败，就直接失败。
  2. 最大限度地使用来自Data.Attoparsec.Text.Internal的更快的解析器

想法：直到我们得到一个 s，然后如果那里有一个样式，则跳过该样式。

notStyleNotEvenS = takeTill (flip elem "sS") 
skipAnyStyle = (styleWithQuotes' <|> styleWithoutQuotes') *> notStyleNotEvenS 
               <|> cons <$> anyChar <*> notStyleNotEvenS

通常anyChar是sor S，但再次检查是没有意义的。

noStyles = append <$> notStyleNotEvenS <*> many skipAnyStyle 

parseNoStyles = parseOnly noStyles
于 2012-11-02T23:57:32.410 回答