管道 attoparsec 中的“子解析器”

Question

我正在尝试使用 Haskell 中的 pipe-attoparsec 解析二进制数据。涉及管道（代理）的原因是将读取与解析交错，以避免大文件占用大量内存。许多二进制格式基于块（或块），它们的大小通常由文件中的字段描述。我不确定这样一个块的解析器被称为什么，但这就是我在标题中所说的“子解析器”的意思。我遇到的问题是以简洁的方式实现它们，而不会占用大量内存。我想出了两个在某些方面都失败的替代方案。

备选方案 1 是将块读入单独的字节串并为其启动单独的解析器。虽然简洁，但大块会导致高内存使用。

备选方案 2 是在相同的上下文中保持解析并跟踪消耗的字节数。这种跟踪很容易出错，并且似乎感染了构成最终 blockParser 的所有解析器。对于格式错误的输入文件，在比较跟踪的大小之前，它还可能会在比 size 字段指示的范围内进一步解析，从而浪费时间。

import Control.Proxy.Attoparsec
import Control.Proxy.Trans.Either
import Data.Attoparsec as P
import Data.Attoparsec.Binary
import qualified Data.ByteString as BS

parser = do
    size <- fromIntegral <$> anyWord32le

    -- alternative 1 (ignore the Either for simplicity):
    Right result <- parseOnly blockParser <$> P.take size
    return result

    -- alternative 2
    (result, trackedSize) <- blockparser
    when (size /= trackedSize) $ fail "size mismatch"
    return result

blockParser = undefined

main = withBinaryFile "bin" ReadMode go where
    go h = fmap print . runProxy . runEitherK $ session h
    session h = printD <-< parserD parser <-< throwParsingErrors <-< parserInputD <-< readChunk h 128
    readChunk h n () = runIdentityP go where
        go = do
            c <- lift $ BS.hGet h n
            unless (BS.null c) $ respond c *> go

Answer 1

我喜欢称其为“固定输入”解析器。

我可以告诉你pipes-parse 将如何做到这一点。您可以在库的parseN 和parseWhile 函数中看到我将在pipes-parse 中描述的内容的预览。这些实际上是用于通用输入，但我写了类似的输入，例如 String 解析器以及 here 和 here。

技巧很简单，在你希望解析器停止的地方插入一个假的输入标记结束，运行解析器（如果它碰到输入标记的假结束，它将失败），然后删除输入标记的结尾.

显然，这并不像我说的那么简单，但这是一般原则。棘手的部分是：

• 以仍然流式传输的方式进行操作。我链接的那个还没有这样做，但是您以流方式执行此操作的方式是在上游插入一个管道，该管道计算流过它的字节数，然后在正确的位置插入输入结束标记。

• 不干扰现有的输入结束标记

这个技巧可以适应pipes-attoparsec，但我认为最好的解决方案是attoparsec直接包含这个功能。但是，如果该解决方案不可用，那么我们可以限制提供给 attoparsec 解析器的输入。

Answer 2

好的，所以我终于想出了如何做到这一点，我已经在pipes-parse 库中编写了这个模式。 pipes-parse tutorial 解释了如何执行此操作，特别是在“嵌套”部分。

本教程仅对与数据类型无关的解析（即通用元素流）进行了说明，但您也可以将其扩展为与 ByteStrings 一起工作。

实现这项工作的两个关键技巧是：

• 将StateP 修复为全局（在pipes-3.3.0 中）

• 将子解析器嵌入瞬态StateP 层，以便它使用新的剩余上下文

pipes-attoparsec 即将发布基于pipes-parse 的更新，以便您可以在自己的代码中使用这些技巧。