parsing - 使用 scala 解析器组合器解析基于缩进的语言

Question

有没有一种方便的方法可以使用 Scala 的解析器组合器来解析缩进很重要的语言？（例如 Python）

Answer 1

假设我们有一个非常简单的语言，这是一个有效的程序

block
  inside
  the
  block

我们想将其解析为 a List[String]，块内的每一行都为 one String。

我们首先定义一个方法，该方法采用最小缩进级别并返回具有该缩进级别的行的解析器。

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

然后我们通过在行之间使用合适的分隔符重复行解析器来定义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)

现在我们可以为我们的小语言定义一个解析器，如下所示：

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

它首先确定当前缩进级别，然后将其作为最小值传递给行解析器。让我们测试一下：

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

println(block(new CharSequenceReader(s)))

我们得到

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

要编译所有这些，您需要这些导入

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

你需要把所有东西都放到一个RegexParsers像这样扩展的对象中

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

Answer 2

据我所知，不，Scala 解析器组合器不支持这种开箱即用的东西。您当然可以通过以有意义的方式解析空白来做到这一点，但是您会遇到一些问题，因为您需要某种形式的状态机来跟踪缩进堆栈。

我建议做一个预处理步骤。这是一个小预处理器，它为单独的缩进块添加标记：

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'
}

执行此文本给出：

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
}
}

之后，您可以使用组合器库以更简单的方式进行解析。

希望这可以帮助