遍历 Clojure Instaparse 树

Question

(def grammar
        "
        <root> = line*
        <line> = START REST
        <START> = #'[0-9]{4} '
        <REST> = NA | NZ | DATETIME
        <NA> = 'Nicht angemeldet '
        <NZ> = 'Nicht zugelassen '
        <DATETIME> = TAG ZEIT 
        <TAG> = 'Montag ' | 'Dienstag '
        <ZEIT> = #'[0-9]{1}.*Uhr '
        ")

(defn changed-x [tree]
  (postwalk
    (fn [node]
      (if (and (vector? node) (= (first node) :line))
        [:line (-> node rest 10)]
        node))
    tree))

(defn -main
  [& args]
;; Create the tree and save it to "tree" with a function (not included here) 
but it works
      (def tree (test-title-parser title-grammar-1 In))
;; Change the tree so every line just becomes "10" hardcoded in the changed-x function
      (changed-x tree)
;; print the tree
      (println tree)
    )

这是一个（小）要解析的测试字符串： 1017 Montag 13-14:30Uhr 1026 Nicht zugelassen

i want this to happen:
1017 Montag 13-14:30 Uhr 
1026 Nicht zugelassen

每行末尾只需一个小 CR-Enter，或打印到控制台，以便我可以将输出重定向到文件。 我希望在数字和文本之间有标签。所以我可以将结果粘贴到 Excel 中，每行有 2 个单独的字段。

my tree Looks like this 
(1017  Montag  13-14:30Uhr 1026 Nicht zugelassen .................. )

我把所有我不需要的东西都放了。

现在请为我解决这个该死的难题的最后一点（乞求），因为我花了几个小时来理解 instaparse 及其工作方式，只是为了发现它确实正确分离了我的字符串，但让我更接近 0%我真的很想。每周至少要取得某种成功。 srsly...我可以在几分钟内用 4 种不同的语言做到这一点，我需要的是一个该死的 for 循环和一个带有字符串的变量。

我试图了解您的功能： 这要怎么读？节点到底是什么？我放在语法左侧的所有内容？ -> 在这里做什么？从未见过它以这种方式使用，为什么我们有 []-Brackets？最后一个节点是做什么的？

  (if (and (vector? node) (= (first node) :line))
    [:line (-> node rest 10)]
    node))

Answer 1

如果没有完整的语法，很难提供解释。比方说，它是这样定义的：

(def xyz
  (insta/parse
    "S = A+
     A = X Y Z
     X = 'x'+
     Y = 'y'+
     Z = 'z'+"))

它将基本上匹配正则表达式#"(x+y+z+)+"。现在让我们尝试从输入创建解析树：

(def t (xyz "xyyzzzxxxyyz"))    
t ; => [:S [:A [:X "x"] [:Y "y" "y"] [:Z "z" "z" "z"]] [:A [:X "x" "x" "x"] [:Y "y" "y"] [:Z "z"]]]

这个问题有两个部分 - 如何修改这棵树以及如何在 Enlive 中使用它。

激活部分答案

Enlive 是一个基于选择器的 Clojure 模板库。要使用此树进行模板，您需要将键 :S、:A、:X、:Y、:Z 重命名为某些标签。让我们将它们分别替换为:div、:p、:h1、:h2 和:h3。对于这样的键重命名，有postwalk-replace函数：

(use 'clojure.walk)

(def tags (postwalk-replace {:S :div :A :span :X :h1 :Y :h2 :Z :h3} t))
tags ; => [:div [:span [:h1 "x"] [:h2 "y" "y"] [:h3 "z" "z" "z"]] [:span [:h1 "x" "x" "x"] [:h2 "y" "y"] [:h3 "z"]]]

tags 向量已准备好在 Enlive 中使用：

(use 'net.cgrand.enlive-html)

(html tags) ; => ({:tag :div, :attrs {}, :content ({:tag :span, :attrs {}, :content ({:tag :h1, :attrs {}, :content ("x")} {:tag :h2, :attrs {}, :content ("y" "y")} {:tag :h3, :attrs {}, :content ("z" "z" "z")})} {:tag :span, :attrs {}, :content ({:tag :h1, :attrs {}, :content ("x" "x" "x")} {:tag :h2, :attrs {}, :content ("y" "y")} {:tag :h3, :attrs {}, :content ("z")})})})

答案的树修改部分

要修改:X 节点的树值，您可以使用postwalk 函数：

(defn changed-x [tree f]
  (postwalk
    (fn [node]
      (if (and (vector? node) (= (first node) :X))
        [:X (-> node rest f)]
        node))
    tree))

(changed-x t count) ; => [:S [:A [:X 1] [:Y "y" "y"] [:Z "z" "z" "z"]] [:A [:X 3] [:Y "y" "y"] [:Z "z"]]]

在上面的示例中，所有:X 节点子节点（多个字符串"x"）都被单个数字更改 - 它们的计数。最后如果你想丢弃除:X之外的所有节点，你可以使用tree-seq函数：

(defn filter-by-key [tree node-key]
  (->> tree
       (tree-seq vector? identity)
       (filter #(and
                  (vector? %)
                  (= (first %) node-key)))))

(filter-by-key t :X) ; => ([:X "x"] [:X "x" "x" "x"])

Answer 2

实际上，解决方案非常接近。主要问题在于语法。您已经为每个非终结符号添加了<>。因此，所有语义都丢失了，树 ("1017 " "Montag " "13-14:30Uhr " "1026 " "Nicht zugelassen ") 仅由终端节点组成。

考虑下一个语法：

(def grammar
    "
    <root> = line*
    line = START REST
    <START> = #'[0-9]{4} '
    <REST> = NA | NZ | DATETIME
    <NA> = 'Nicht angemeldet '
    <NZ> = 'Nicht zugelassen '
    <DATETIME> = TAG ZEIT 
    <TAG> = 'Montag ' | 'Dienstag '
    <ZEIT> = #'[0-9]{1}.*Uhr '
    ") ; Note "line" non-terminal - it's not wrapped now

因此，树看起来像([:line "1017 " "Montag " "13-14:30Uhr "] [:line "1026 " "Nicht zugelassen "])。现在，changed-x 的更通用版本：

(defn tree-apply [tree tree-key f]
  (postwalk
    (fn [node]
      (if (and (vector? node) (= (first node) tree-key))
        [tree-key (-> node rest f)]
        node))
    tree))

基本上，硬编码的:X 关键字更改为参数，函数重命名为更有意义的名称。

最后，打印制表符分隔术语的用法：

(require '[clojure.string :as s])

(tree-apply t :line #(->> % (s/join "\t") println))
1017    Montag  13-14:30Uhr 
1026    Nicht zugelassen 

一些解释。 tree-apply 是返回树的更新版本的函数，其中更改的节点由tree-key 给出。它适用于节点是一个向量的格式，第一个元素是节点键，其余的 - 树的叶子或子节点：

[:a [:b "c"] "d" [:e]]

这里:a、:b、:e是节点键； :b、:e 是 :a 的子代； "c", "d" 是叶子。对于下一棵树

[:root [:a] [:a "a"] [:b] [:a 1] [:c ...]]

(tree-apply t :a f) 将考虑节点 [:a]、[:a "a"] 和 [:a 1] 不接触 :b 和 :c。函数f 将节点的“内部”参数作为参数。第一个节点[:a] 为()（空序列），[:a "a"] 为("a")，[:a 1] 为(1)。 f 的结果被放置到新建的树中，因此生成的树将如下所示：

[:root [:a (f)] [:a (f '("a"))] [:b] [:a (f '(1))] [:c ...]]

此函数可以提供如上例所示的副作用。功能

#(->> % (s/join "\t") println)

是快捷方式

(fn [coll] (println (s/join "\t" coll)))

基本上，它接受序列，将其连接到由制表符分隔的字符串，并在新行中打印结果字符串。