1

这是我第一次使用语法和解析器生成器编写解析器。我想使用云雀python 模块解析某种 asn.1 格式。

这是我尝试解析的数据示例：

text = """
start_thing {
  literal {
    length 100,
    fuzz lim unk,
    seq-data gap {
      type fragment,
      linkage linked,
      linkage-evidence {
        {
          type unspecified
        }
      }
    }
  },
  loc int {
    from 0,
    to 1093,
    strand plus,
    id gi 384632836
  }
}
"""

该结构可以包含各种节点，并且我无法提前确切知道我应该期望什么标签或标签组合。但是，我希望能够解析一些结构，例如“loc int {...}”部分。

这是我尝试过的语法，我使用数字来定义优先级：

grammar = """\
thing: "start_thing" node
strand_info.5: "strand plus"
    | "strand minus"
locus_info.4: "loc int" "{" "from" INT "," "to" INT "," strand_info "," "id gi" INT "}"
nodes.1: node?
    | node ("," node)*
node.1: locus_info
    | TAGS? INT           -> intinfo
    | TAGS? "{" nodes "}" -> subnodes
    | TAGS                -> onlytags
TAGS.2: TAGWORD (WS TAGWORD)*
TAGWORD.3: ("_"|LETTER)("_"|"-"|LETTER|DIGIT)*
%import common.WS
%import common.LETTER
%import common.DIGIT
%import common.INT
%ignore WS
"""

我认为优先级（以附加数字的形式）足以让“loc int”事物优先于更通用的节点类型被识别，但这部分似乎被解析为 asubnodes而不是locus_info当我运行时上述语法的解析器并在上面的一段文本上运行它：

parser = Lark(grammar, start="thing", ambiguity="explicit")
parsed = parser.parse(text)
print(parsed.pretty())

我获得以下内容：

thing
  subnodes
    nodes
      subnodes
        literal
        nodes
          intinfo
            length
            100
          onlytags  fuzz lim unk
          subnodes
            seq-data gap
            nodes
              onlytags  type fragment
              onlytags  linkage linked
              subnodes
                linkage-evidence
                nodes
                  subnodes
                    nodes
                      onlytags  type unspecified
      subnodes
        loc int
        nodes
          intinfo
            from
            0
          intinfo
            to
            1093
          onlytags  strand plus
          intinfo
            id gi
            384632836

我究竟做错了什么？

注意：我看过一个相关的问题（使用 Lark 的语法优先级），但我看不到如何将其答案应用于我的问题。我不认为我可以完全消除我的语法歧义（真实数据中有太多可能的情况），而且我不明白该ambiguity="explicit"选项应该做什么。

编辑：颠倒优先级

我尝试颠倒优先级，如下所示：

grammar = """\
thing: "start_thing" node
strand_info.1: "strand plus"
    | "strand minus"
locus_info.2: "loc int" "{" "from" INT "," "to" INT "," strand_info "," "id gi" INT "}"
nodes.5: node?
    | node ("," node)*
node.5: locus_info
    | TAGS? INT           -> intinfo
    | TAGS? "{" nodes "}" -> subnodes
    | TAGS                -> onlytags
TAGS.4: TAGWORD (WS TAGWORD)*
TAGWORD.3: ("_"|LETTER)("_"|"-"|LETTER|DIGIT)*
%import common.WS
%import common.LETTER
%import common.DIGIT
%import common.INT
%ignore WS
"""
parser = Lark(grammar, start="thing", ambiguity="explicit")
parsed = parser.parse(text)
print(parsed.pretty())

但是，输出完全相同。就像这些优先级被忽略，或者实际上没有歧义，因为我的locus_info规则没有正确指定。

4

1 回答 1

1

我认为你应该改变你的优先事项。“locus_info.4”是最精确的规则，所以它必须优先。

于 2018-06-20T14:08:06.740 回答