如何用 C# 编写解析器？ [关闭]答案

【问题标题】：How to write a Parser in C#? [closed]如何用 C# 编写解析器？ [关闭]
【发布时间】：2011-11-14 16:41:02
【问题描述】：

如何在 C# 中编写解析器（递归下降？）？现在我只想要一个简单的解析器来解析算术表达式（并读取变量？）。虽然后来我打算写一个 xml 和 html 解析器（用于学习目的）。我这样做是因为解析器有用的东西范围很广：Web 开发、编程语言解释器、内部工具、游戏引擎、地图和瓷砖编辑器等。那么编写解析器的基本理论是什么，我该怎么做在 C# 中实现一个？ C# 是解析器的正确语言吗（我曾经用 C++ 编写了一个简单的算术解析器，它很高效。JIT 编译是否同样好？）。任何有用的资源和文章。最重要的是，代码示例（或代码示例的链接）。

注意：出于好奇，回答这个问题的人是否曾经在 C# 中实现过解析器？

【问题讨论】：

你想自己实现解析器，还是想使用一个库，它接受一个语法然后自己创建解析器？
ANTLR 是 .NET 社区中用于解析自定义语言的稳定器，尽管它会影响您的学习体验。
对于算术表达式解析器，我个人倾向于调车场。关于“有任何人” - 我已经完成了一些高度专业化的解析器，但我不知道用于 C# 的更通用的解析器生成器的可用性
在阅读了这篇文章 (cs.nott.ac.uk/~gmh/monparsing.pdf) 之后，我编写了我的第一个“真正的”解析器。它适用于函数式语言，但它应该提供一些关于如何设计可组合解析器的见解。
@TomTom，你错了。对于不同的语言，有非常不同的惯用方法。你不能在 Fortran 和 Haskell 中以同样的方式编写解析器。在 C# 中，您可以使用组合器，就像在真正的编程语言中一样，它对于某些语法来说是一种明智的方法。

标签： c# parsing xml-parsing interpreter

【解决方案1】：

我已经用 C# 实现了几个解析器 - 手写和工具生成。

一个非常好的一般解析入门教程是Let's Build a Compiler - 它演示了如何构建递归下降解析器；对于任何称职的开发人员，这些概念很容易从他的语言（我认为是 Pascal）翻译成 C#。这将教您递归下降解析器的工作原理，但是手动编写完整的编程语言解析器是完全不切实际的。

如果您决定编写classical recursive descent parser（TinyPG、Coco/R、Irony），您应该研究一些工具来为您生成代码。请记住，现在还有其他编写解析器的方法，它们通常性能更好 - 并且定义更简单（例如 TDOP parsing 或 Monadic Parsing）。

关于 C# 是否适合这项任务 - C# 有一些最好的文本库。今天的很多解析器（在其他语言中）都有大量的代码来处理 Unicode 等。我不会对 JITted 代码发表太多评论，因为它可能会变得非常虔诚——但是你应该没问题。 IronJS 是 CLR 上的解析器/运行时的一个很好的例子（即使它是用 F# 编写的），它的性能只是略逊于 Google V8。

旁注：与语言解析器相比，标记解析器是完全不同的野兽——在大多数情况下，它们是手工编写的——并且在扫描器/解析器级别非常简单；它们通常不是递归下降——尤其是在 XML 的情况下，最好不要编写递归下降解析器（以避免堆栈溢出，并且因为可以在 SAX/推送模式下使用“平面”解析器）。

【讨论】：

谢谢。（+1 虽然你应该得到 +10）。我想确认的另一件事是，如果我真的成功地用 C#（一些简单的语言）制作了一个实际的编程语言解释器，那么该编程语言是否会被视为 .NET 兼容语言（如 Iron-python 或 boo）或只是用 C# 编写的语言？
@IntermediateHacker 这取决于您是否发出 MSIL。许多“.Net 语言”的生命周期始于 C#，最终被自己重写（这称为引导程序）。如果您制作解释器，它将是一种“C# 语言”（但仍将/仍可用于其他 .Net 语言）。
大声笑你不评论 JITed 代码是对的。我不希望这个问题引发旧的“哪个更快”的战争。
Jonathan 提到了很多好的框架，但我想补充一下：quanttec.com/fparsec。它适用于 F#，但它具有良好的配置、良好的性能并产生人类可读的解析器错误消息 OOB。
工作链接使用 WaybackMachine Let's Build a Compiler

【解决方案2】：

Sprache 是一个强大而轻量级的框架，用于在 .NET 中编写解析器。还有一个Sprache NuGet package。为了让您了解这里的框架，samples 之一可以将简单的算术表达式解析为 .NET 表达式树。我会说非常了不起。

using System;
using System.Linq.Expressions;
using Sprache;

namespace LinqyCalculator
{
    static class ExpressionParser
    {
        public static Expression<Func<decimal>> ParseExpression(string text)
        {
            return Lambda.Parse(text);
        }

        static Parser<ExpressionType> Operator(string op, ExpressionType opType)
        {
            return Parse.String(op).Token().Return(opType);
        }

        static readonly Parser<ExpressionType> Add = Operator("+", ExpressionType.AddChecked);
        static readonly Parser<ExpressionType> Subtract = Operator("-", ExpressionType.SubtractChecked);
        static readonly Parser<ExpressionType> Multiply = Operator("*", ExpressionType.MultiplyChecked);
        static readonly Parser<ExpressionType> Divide = Operator("/", ExpressionType.Divide);

        static readonly Parser<Expression> Constant =
            (from d in Parse.Decimal.Token()
             select (Expression)Expression.Constant(decimal.Parse(d))).Named("number");

        static readonly Parser<Expression> Factor =
            ((from lparen in Parse.Char('(')
              from expr in Parse.Ref(() => Expr)
              from rparen in Parse.Char(')')
              select expr).Named("expression")
             .XOr(Constant)).Token();

        static readonly Parser<Expression> Term = Parse.ChainOperator(Multiply.Or(Divide), Factor, Expression.MakeBinary);

        static readonly Parser<Expression> Expr = Parse.ChainOperator(Add.Or(Subtract), Term, Expression.MakeBinary);

        static readonly Parser<Expression<Func<decimal>>> Lambda =
            Expr.End().Select(body => Expression.Lambda<Func<decimal>>(body));
    }
}

【讨论】：

【解决方案3】：

C# 几乎是一种不错的函数式语言，因此在其中实现 Parsec 之类的东西并不是什么大不了的事。以下是如何做到这一点的示例之一：http://jparsec.codehaus.org/NParsec+Tutorial

也可以以非常相似的方式实现基于组合器的Packrat，但这次将全局解析状态保持在某处，而不是执行纯函数式的东西。在我的（非常基本的和临时的）实现中，它相当快，但当然像 this 这样的代码生成器必须表现得更好。

【讨论】：

【解决方案4】：

我知道我来晚了，但我刚刚发布了一个名为 Ve Parser 的解析器/语法/AST 生成器库。您可以在http://veparser.codeplex.com 找到它，或者通过在包管理器控制台中键入“Install-Package veparser”来添加到您的项目中。这个库是一种递归下降解析器，旨在易于使用和灵活。由于您可以使用它的源代码，因此您可以从它的源代码中学习。希望对你有帮助。

【讨论】：

【解决方案5】：

在我看来，有一种比传统方法更好的实现解析器的方法，它可以使代码更简单、更容易理解，尤其是通过在非常面向对象的方式。我写的更大系列的一篇文章重点介绍了这种解析方法，并且包含 C# 2.0 解析器的完整源代码： http://www.codeproject.com/Articles/492466/Object-Oriented-Parsing-Breaking-With-Tradition-Pa

【讨论】：

【解决方案6】：

嗯……从这个开始……

首先，编写一个解析器，这是一个非常广泛的陈述，尤其是您提出的问题。

您的开场白是您想要一个简单的算术“解析器”，从技术上讲，它不是解析器，它是一个词法分析器，类似于您可能用于创建新语言的工具。（http://en.wikipedia.org/wiki/Lexical_analysis）但是我完全理解它们是同一事物的混淆可能来自哪里。重要的是要注意，如果您还要编写语言/脚本解析器，词法分析也是您想要了解的内容，这严格来说不是解析，因为您是在解释指令而不是使用它们。

回到解析问题......

如果您采用严格定义的文件结构从中提取信息，这就是您将要做的事情。

一般来说，你真的不需要为 XML / HTML 编写解析器，因为已经有很多这样的解析器了，而且如果你解析由 .NET 运行时生成的 XML，那么你就不需要甚至需要解析，只需要“序列化”和“反序列化”即可。

然而，出于学习的兴趣，在大多数情况下，解析 XML（或类似 html 的任何东西）非常简单。

如果我们从以下 XML 开始：

    <movies>
      <movie id="1">
        <name>Tron</name>
      </movie>
      <movie id="2">
        <name>Tron Legacy</name>
      </movie>
    <movies>

我们可以将数据加载到 XElement 中，如下所示：

    XElement myXML = XElement.Load("mymovies.xml");

然后您可以使用 'myXML.Root'

获取 'movies' 根元素

更有趣的是，您可以轻松使用 Linq 来获取嵌套标签：

    var myElements = from p in myXML.Root.Elements("movie")
                     select p;

会给你一个 XElements 的 var，每个都包含一个“...”，你可以使用类似的东西来获得：

    foreach(var v in myElements)
    {
      Console.WriteLine(string.Format("ID {0} = {1}",(int)v.Attributes["id"],(string)v.Element("movie"));
    }

对于除 XML 之外的任何其他数据结构，那么恐怕您将不得不开始学习正则表达式的艺术，“正则表达式教练”之类的工具将帮助您非常好 (http://weitz.de/regex-coach/) 或更新的类似工具。

您还需要熟悉 .NET 正则表达式对象，(http://www.codeproject.com/KB/dotnet/regextutorial.aspx) 应该会给您一个良好的开端。

一旦你知道你的 reg-ex 东西是如何工作的，那么在大多数情况下，这是一个简单的案例，一次读取一行文件并使用你觉得舒服的任何方法来理解它们。

可以在 (http://www.wotsit.org/) 找到几乎所有您能想象到的所有文件格式的免费资源

【讨论】：

虽然我同意他应该使用 .Net 中的内置 XML 解析 - 他确实想将解析器编写为学术练习。
究竟为什么，我还展示了如何使用原始 XElement 对象。
附带说明，在 C# 和 .NET 中有 6 或 7 个不同的 API 可以使用，但是我没有书可以列出它们，但是在 XDoc/XElement I 之后相信是 XPath 的。
@shawty XElement 是 XML 解析器的一部分；要创建解析器，他需要获取 XML stringq 并将其转换为可用的东西
也许这是一个术语，但在 XML 的情况下，我会认为 XmlReader 是这里的“解析器”......虽然不是我的专业主题。

【解决方案7】：

我在 C# 中实现解析器生成器只是因为我找不到任何正常工作或类似于 YACC 的记录（请参阅：http://sourceforge.net/projects/naivelangtools/）。

但是，在使用了 ANTLR 之后，我决定使用 LALR 而不是 LL。我知道理论上 LL 更容易实现（生成器或解析器），但我根本无法忍受仅仅为了表达运算符优先级的表达式堆栈（比如 * 在“2+5*3”中位于 + 之前）。在 LL 中，您说 mult_expr 嵌入在 add_expr 中，这对我来说似乎并不自然。

【讨论】：