Parsing 手动解析简单语法

我需要实现一个简单的解析器来解析以下字符串： a[b[c，d]，e]，f[g，h[i]，j[k，l]

在上面的示例中，有一组一个或多个对象。 每个对象都有嵌套对象（a中的b和h，f中的j）加上嵌套值（c、d、e、g、i、k、l）

所以，它有点像：

GROUP : OBJECT (,OBJECT)*
OBJECT: NAME '[' OBJECTorVALUE (OBJECTorVALUE)* ']'
OBJECTorVALUE: OBJECT | VALUE
VALUE : NAME

手动解析此类语法的最简单方法是什么

我尝试用递归下降解析器解析它，它是可行的，但看起来很奇怪，因为您必须解析OBJECTorVALUE的产品：

OBJECTorVALUE: NAME '[' blabla ']'
OBJECTorVALUE: NAME

因此，要使其成为LL语法（由rec descent解析），我们应该将其解析为

OBJECTorVALUE: NAME Z
Z: eps | '[' blabla ']'

现在rec desc parser变得有些不必要的复杂性，感觉很不自然，所以我必须介绍一种rec desc方法来在名称后面查找Z。所以，不是简单的简单方法

parseGroup -> parseObjects 
parseObj -> parseName consume[ parseObjectValueGroup consume ]
parseObjectValueGroup -> parseObjectValues
parseObjectValue -> look('[') -> parseObj OR parseValue

我得到了同样的结果，但最后一句话变成了

parseObjectValue -> parseName parseZ
parseZ -> look('[') -> parseObjWithoutName OR return empty
parseObjWithoutName -> ...

---

我觉得这很混乱，我们能用更简单的吗？我的意思是，这是一个非常简单的语法，甚至可以通过字符串拆分来解析，看起来非常简单。也许简单LR解析器（SLR）在这种情况下会更具可读性？

我实际上认为尝试从上到下解析这种方法不会太糟糕。如果你试着把它写成正式语法，它看起来比实际情况糟糕得多。例如，以下是伪代码中的情况：

ParseGroup():
    result = empty list
    while true:
        read token 'next'; it's some identifier.
        if (there's no next token) {
           append 'next' to result.
           break;
        }
        else if (the next token is '[') {
           let inner = ParseGroup();
           read token; it's a ']';
           append 'next[inner]' to result.
        } else {
           append 'next' to result.
        }
        read token; it's a comma.
        append ',' to result.
    }
}

---

这基本上是一个经过轻微修改的LL（1）解析器，用于修改语法。

这确实是一个非常简单的语法。您的语法不完整，因为未定义

NAME

。ABNF（RFC 5234）语法中定义的语法如下（假设名称规则）：

您可以这样理解：一个组由逗号分隔的元素组成。每个元素都有一个名称，可能在它后面的方括号中有一个子元素组。“名称”是一个或多个英文字母。在语法的每个部分之间都有允许的空白（零或更多）：空格（20十六进制）、制表符（9十六进制）、换行符（A十六进制）或回车符（D十六进制）。如果不需要空白，只需完全删除WS-rule即可

这是语法，但有语法和语义：如果

元素

只有名称，那么它是

值

，否则它是

对象

。这是一个简单的消歧，应该在解析完成后进行

<>如果语法很简单，你不想自己编码，我已经制作了一个工具（TeaveScript Studio），它可以为C++生成语法。语法很简单，因此该工具的演示应该足够了。你也可以在线运行语法。TGS生成迭代解析器，这意味着，如果您的组嵌套过多，您不必担心堆栈溢出问题

另外，您还可以编写

1*（'a'-'z'/'a'-'z'）

，而不是十六进制值，因为TGS扩展了ABNF语法，使编写语法变得简单

group   = element *("," WS element)
element = name WS ["[" WS group "]" WS]
name    = 1*(%x61-7A / %x41-5A)
WS      = *(%x20 / %x9 / %xA / %xD)