Parsing 如何在不消耗（如parsec lookAhead）的情况下使Attoparsec解析器成功

我编写了一个快速的attoparsec解析器来遍历一个aspx文件并删除所有的样式属性，它工作得很好，只是有一部分我不知道如何在不使用它的情况下成功地匹配

以下是我所拥有的：

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

anyTill=manyTill anyChar
anyBetween start end=start*>anyTill end
styleWithQuotes=ANYBETH（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在所有东西中都使用了manyTill，但是样式，这就是我如何积极地放弃所有样式的东西，但是在

styleWithoutQuotes

中，我需要它匹配“>”作为结束，而不是使用它，在parsec中，我只需要做

lookAhead”>

但我不能在atoparsec中实现这一点。

同时，添加了组合符，因此现在可以使用

前瞻（char'>'）

或

前瞻（string“>”

来实现目标

下面是《泰晤士报》推出前的一个变通方法

---

您可以使用构建非消费解析器，它只查看下一个字节（如果有）。由于

ByteString

有一个

Monoid

实例，

Parser ByteString

是一个

MonadPlus

，您可以使用

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

lookmorer=do
mbw返回“>”
_->mzero

（62是

'>'

'的代码点）查找

'>'

而不使用它或失败

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

会吃掉它-它被设计为解析到一个结束标记，但假设您不想在输入中保留右括号以再次解析

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利用此功能：

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

但是

many

的效率不如Attoparsec的

takeWhile

，您应该尽可能多地使用它，所以如果您已经这样做了

import qualified Data.Attoparsec.Text as A

然后

我们应该做到，我们可以重写

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

如果您想让它吃

'

而不是

'>'

，您可以在后面显式吃空格：

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

但我认为从你所说的来看，你希望

样式不带引号

成为一个混合体；它吃

'

，但不吃

：

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

整体解析器

everythingButStyles

使用

的方式意味着，如果找不到

“style”

，它将回溯，然后获取所有内容。这是一个缓慢的例子。问题是我们失败得太晚——在输入字符串的末尾，这是一个不好的时机来选择是否应该失败。让我们全力以赴，努力

如果我们要失败，就马上失败

最大限度地利用来自

想法：直到我们得到一个s，然后跳过的风格，如果有一个

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

---

很好用！谢谢我想我可以用peek来做这个，但是我想不出如何让它返回正确的字符串类型（我现在必须去读关于mzero的书，我仍然不太熟悉所有的类型类和它们的实例。如果我强迫自己通过它，恐怕typeclassopedia会吞噬我的灵魂）最后你会找回你的灵魂。稍微改变。是的，我知道takeWhile应该更有效，但从我尝试做的事情来看，takeWhile似乎只允许在单个字节上进行匹配，而您可以看到，我的大多数匹配都是在字符串上进行的。我是否误解了如何使用takeWhile？谢谢你在这里的贡献well@JimmyHoffa您的开始都与字符串匹配（而且

string

是有效的，所以这没关系）。您的结尾（在示例代码中）都是单个字符，或者是其中的

s，这就是为什么我允许列出结尾字符。编辑澄清了吗？啊，你说得对。很酷，所以基本上很多和字符串都是你想要匹配很多字符串的正确方法，但是当你尝试匹配单字符时，获取和满足是正确的方法吗？@jimmyhoff。单次使用“满足”是可以的，但是当你想使用“满足”多个时，你应该使用takeWhile或takeTill。（也是新编辑。）由于

styleWithQuotes'

和

styleWithoutQuotes'

重叠（它们都是从解析字符串“style=”开始的），您还可以将

styleWithQuotes'styleWithoutQuotes'

重构为一个解析器，以减少回溯的需要。哪种流类型（

ByteString

或

Text

）您使用的不清楚，但是，如果您使用的是文本，您应该使用

ascicii

，而不是

stringCI

；后者现在是。

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

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

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

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

parseNoStyles = parseOnly noStyles