正则表达式 – 模糊语法和PEG.js的问题(未找到示例)
我想用以下内容的行解析文件:
simple word abbr -8. (012) word,simple phrase,one another phrase - (simply dummy text of the printing; Lorem Ipsum : "Lorem" - has been the industry's standard dummy text,ever since the 1500s!; "It is a long established!"; "Sometimes by accident,sometimes on purpose (injected humour and the like)"; "sometimes on purpose") This is the end of the line 所以现在解释部分(不是所有空格都被描述,因为这里有标记): >简单的单词是由空格分隔的一个或几个单词(短语) 在最坏的情况下,子句中没有短语,但这种情况并不常见:应该有一个短语而不增加引号(phrase1类型)或使用它们(phrase2类型). 所以短语是自然语言句子(可能所有的标点符号)…… 但: >内部内容无关紧要(即我不需要在NLP意义上解析自然语言本身) >那些没有和带引号的人,即,如果短语放在(和;或;和;或;和)之间,甚至在(和)之间用引号加,那么它就是phrase2类型 由于为这样的输入编写正则表达式(PCRE)是一种矫枉过正,因此我研究了解析方法(EBNF或类似方法).我最终得到了一个PEG.js解析器生成器.我创建了一个基本的语法变体(即使不处理子句中不同短语的部分): start = term _ "abbr" _ "-" .+ term = word (_? word !(_ "abbr" _ "-"))+ word = letters:letter+ {return letters.join("")} letter = [A-Za-z] _ "whitespace" = [ tnr]* 或(区别仅在于“abbr – ”和“_”abbr“_” – “”): start = term " abbr -" .+ term = word (_? word !(" abbr -"))+ word = letters:letter+ {return letters.join("")} letter = [A-Za-z] _ "whitespace" = [ tnr]* 但即使这个简单的语法也无法解析字符串的开头.错误是: >预期分析错误[A-Za-z]但找到了“”. 因此看起来问题在于模糊性:“abbr”被用作术语作为单词标记.虽然我定义了规则!(“abbr – ”),我认为它有意义,如果下一个子字符串不是“abbr – ”类型,则只会消耗下一个字符号. 我没有找到任何解释以下PEG.js表达式的好例子,在我看来这是上述问题的可能解决方案[来自:http://pegjs.majda.cz/documentation]: >&表达 TL; DR: 与PEG.js相关: >是否有任何应用规则的例子: >&表达 一般问题: >使用直观模糊语法处理此类复杂字符串的可能方法是什么?这仍然不是一种自然语言,看起来它有一些正式的结构,只有几个可选部分.其中一个想法是通过预处理来分割字符串(在正则表达式的帮助下,在固定元素的位置,即“abbr – ”“)这是行的结尾”)然后为每个分裂的部分创建一个单独的语法.但它似乎存在性能问题和可伸缩性问题(即 – 如果固定元素会发生一些变化 – 例如,将不会再出现问题.) UPDATE1: 我找到了解决问题的规则,匹配“abbr – ”歧义: term = term:(word (!" abbr -" _? word))+ {return term.join("")} 但结果看起来很奇怪: [ "simple,word"," abbr -",[ "8",... ],... ] 如果删除谓词:term = term (编辑:李大同) 【声明】本站内容均来自网络,其相关言论仅代表作者个人观点,不代表本站立场。若无意侵犯到您的权利,请及时与联系站长删除相关内容! |