Parsing 重写多用途日志文件解析器以使用正式语法是否会提高可维护性？

TLDR：如果我手工构建了一个多用途解析器，每种格式都有不同的代码，那么从长远来看，使用一段解析器代码和一个ANTLR、PyParsing或类似的语法来指定每种格式会更好吗

背景： 我的工作涉及来自约50个不同基准的大量基准日志文件。有一些是XML格式，一些是HTML格式，一些是CSV格式，还有很多没有文档规范的专有内容。为了节省我和我的同事手工输入这些数据的时间，我编写了一个解析工具，用统一的界面处理我们经常处理的所有格式。然而，设计却不那么干净

我用Python编写了这个东西，并创建了一个解析器类。每个文件格式都作为一个实现来处理，该实现为解析器的read（）方法提供自己的代码。我喜欢只有一个解析器定义的想法，它使用语法来理解每种格式，但我以前从未这样做过

---

这值得我花时间吗？将来我完成重构后，其他新手会更容易合作吗？

我不能百分之百肯定地回答你的问题，但我可以给你一个意见

我发现选择使用正确的语法与手动正则表达式“解析器”相比，往往取决于输入的统一程度

如果输入非常统一，并且您已经知道一种很好地处理字符串的语言，如Python或Perl，那么我将保留您现有的代码

另一方面，我发现解析器生成器，比如Antlr，在输入中可能存在错误和不一致时非常有用。原因是，形式语法允许您关注在特定上下文中应该匹配的内容，而不必担心手动遍历输入流

此外，如果输入流有错误，那么我发现使用Antlr和regexs处理它们通常更容易。原因是，如果有两个选项可用，Antlr就内置了用于引导正确路径的功能，包括通过谓词回滚

---

话虽如此，对于工作代码还有很多话要说。我发现，如果我想重写某些内容，那么我会尝试编写一个很好的用例，说明重写将如何使产品的用户受益。

感谢您的回复。输入非常不一致。我们一直在运行rev的基准测试，几乎不能保证新的结果格式会像旧的一样。文件可以被损坏、部分或多批结果连接在一起。我给你打一针。起初，我对Python解析工具犹豫不决，因为我认为它们对大多数用户来说都有一个学习曲线，而不是像EBNF这样的东西。然后，我对我的同事进行了更多的思考，并意识到他们通常比脚本更新，所以Python不会成为更多的障碍。到目前为止进展顺利。