如何通过 Megaparsec 解析带逗号的数字答案

【问题标题】：How to parse Number with comma via Megaparsec如何通过 Megaparsec 解析带逗号的数字
【发布时间】：2022-12-06 07:46:06
【问题描述】：

目前我有一个解析器：

pScientific :: Parser Scientific
pScientific = lexeme L.scientific

这能够轻松解析类似 4087.00 的内容

但是当编号4,087.00 时失败有没有办法让 megaparsec 用逗号解析数字？

PS：我是 haskell 的新手，如果这是一个愚蠢的问题，请道歉

【问题讨论】：

之所以不解析这个是因为这个类型主要是为JSON解析而定义的，而JSON不允许这样，数组和对象中的元素用逗号分隔。

标签： haskell parsec megaparsec

【解决方案1】：

如果你的解析器的其余部分没有逗号，一个廉价而愉快的解决方案是在解析之前简单地删除它们。

如果您确实需要在解析过程中保留逗号，那么您最好的选择是查找 scientific 的源代码，复制、粘贴和调整——我不知道有没有预制的解析器接受逗号。

【讨论】：

【解决方案2】：

之所以不解析这个是因为scientific类型主要是为JSON解析而定义的，而JSON不允许这样，在数组和对象中用逗号分隔元素。

我们可以看看implementation of scientific [src]：

-- | Parse a JSON number.
scientific :: Parser Scientific
scientific = do
  sign <- A.peekWord8'
  let !positive = not (sign == W8_MINUS)
  when (sign == W8_PLUS || sign == W8_MINUS) $
    void A.anyWord8

  n <- decimal0

  let f fracDigits = SP (B.foldl' step n fracDigits)
                        (negate $ B.length fracDigits)
      step a w = a * 10 + fromIntegral (w - W8_0)

  dotty <- A.peekWord8
  SP c e <- case dotty of
              Just W8_DOT -> A.anyWord8 *> (f <$> A.takeWhile1 isDigit_w8)
              _           -> pure (SP n 0)

  let !signedCoeff | positive  =  c
                   | otherwise = -c

  (A.satisfy (ex -> case ex of W8_e -> True; W8_E -> True; _ -> False) *>
      fmap (Sci.scientific signedCoeff . (e +)) (signed decimal)) <|>
    return (Sci.scientific signedCoeff    e)
{-# INLINE scientific #-}

要更改的主要内容是 decimal0 部分，它捕获零个或多个十进制数的序列。例如，我们可以通过以下方式实现：

import qualified Data.ByteString as B

decimal0' :: Parser Integer
decimal0' = do
  digits <- B.filter (x -> x /= 44) <$> A.takeWhile1 (x -> isDigit_w8 x || x == 44)
  if B.length digits > 1 && B.unsafeHead digits == 48
    then fail "leading zero"
    else return (bsToInteger digits)

然后使用那个：

import qualified Data.Attoparsec.ByteString as A
import qualified Data.Scientific as Sci
import Data.Attoparsec.ByteString.Char8 (isDigit_w8)

-- | Parse a JSON number.
scientific :: Parser Scientific
scientific = do
  sign <- A.peekWord8'
  let !positive = not (sign == 45)
  when (sign == 43 || sign == 45) $
    void A.anyWord8

  n <- decimal0'

  let f fracDigits = SP (B.foldl' step n fracDigits)
                        (negate $ B.length fracDigits)
      step a w = a * 10 + fromIntegral (w - W8_0)

  dotty <- A.peekWord8
  SP c e <- case dotty of
              Just 46 -> A.anyWord8 *> (f <$> A.takeWhile1 isDigit_w8)
              _           -> pure (SP n 0)

  let !signedCoeff | positive  =  c
                   | otherwise = -c

  (A.satisfy (ex -> case ex of W8_e -> True; W8_E -> True; _ -> False) *>
      fmap (Sci.scientific signedCoeff . (e +)) (signed decimal)) <|>
    return (Sci.scientific signedCoeff    e)
{-# INLINE scientific' #-}

这没有考虑到逗号是在每三位数字之后放置的，因此这将需要额外的逻辑，但这是在 Scientific 的组成部分中接受逗号的基本实现。

【讨论】：