使用 Parse::RecDescent 进行空白重要解析（例如 HAML、Python）答案

【问题标题】：Whitespace-important parsing with Parse::RecDescent (eg. HAML, Python)使用 Parse::RecDescent 进行空白重要解析（例如 HAML、Python）
【发布时间】：2016-04-25 16:01:38
【问题描述】：

我正在尝试使用 Parse::RecDescent 解析 HAML (haml.info)。如果您不了解haml，那么问题与解析Python 相同——语法块按缩进级别分组。

从一个非常简单的子集开始，我尝试了几种方法，但我认为我不太了解 P::RD 的贪婪或递归顺序。鉴于haml：

%p
  %span foo

我认为应该工作的最简单的语法是（上面的 sn-p 不需要位）：

<autotree>

startrule           : <skip:''> block(s?)
non_space           : /[^ ]/
space               : ' '
indent              : space(s?)
indented_line       : indent line
indented_lines      : indented_line(s) <reject: do { Perl6::Junction::any(map { $_->level } @{$item[1]}) != $item[1][0]->level }>
block               : indented_line block <reject: do { $item[2]->level <= $item[1]->level }>
                    | indented_lines
line                : single_line | multiple_lines
single_line         : line_head space line_body newline | line_head space(s?) newline | plain_text newline

# ALL subsequent lines ending in | are consumed
multiple_lines      : line_head space line_body continuation_marker newline continuation_line(s)
continuation_marker : space(s) '|' space(s?)
continuation_line   : space(s?) line_body continuation_marker

newline      : "\n"
line_head    : haml_comment | html_element
haml_comment : '-#'
html_element : '%' tag

# TODO: xhtml tags technically allow unicode
tag_start_char : /[:_a-z]/i
tag_char       : /[-:_a-z.0-9]/i
tag            : tag_start_char tag_char(s?)

line_body    : /.*/
plain_text   : backslash ('%' | '!' | '.' | '#' | '-' | '/' | '=' | '&' | ':' | '~') /.*/ | /.*/
backslash    : '\\'

问题出在block 定义中。如上所述，它不会捕获任何文本，尽管它确实正确捕获了以下内容：

-# haml comment
%p a paragraph

如果我从上面删除第二个reject 行（第一个block 规则上的那个），那么它确实会捕获所有内容，但当然会错误地分组，因为第一个块会吞下所有行，而不管缩进如何。

我还尝试使用前瞻操作来检查 $text 和其他一些方法，但都没有成功。

任何人都可以 (a) 解释为什么上述方法不起作用和/或 (b) 如果有一种方法不使用 perl 操作/拒绝？我尝试获取缩进中的空格数，然后在插值前瞻条件中使用它来计算下一行中的空格数，但我永远无法完全正确地获得插值语法（因为它需要箭头运算符）。

【问题讨论】：

标签： perl parsing grammar parse-recdescent

【解决方案1】：

在珠三角以外做一些工作要好得多。

my @stack = [ -1, [{}] ];
while (<>) {
   chomp;
   s/^( *)//;
   my $indent = length($1);

   if ($indent < $stack[-1][0]) {
      pop @stack while $indent < $stack[-1][0];
      die "Indent mismatch\n" if $indent != $stack[-1][0];
   }
   elsif ($indent > $stack[-1][0]) {
      my $children = $stack[-1][1][-1]{children} = [];
      push @stack, [ $indent, $children ];
   }

   push @{ $stack[-1][1] }, $parser->parse_line($_);
}

die "Empty document\n" if !$stack[0][1][0]{children};
die "Multiple roots\n" if @{ $stack[0][1][0]{children} } > 1;

my $root = $stack[0][1][0]{children}[0];

$parser->parse_line($_) 应该返回一个哈希引用。

【讨论】：