使用DSL解析文件

Question

我试图提出一种方法来浏览大约一百万个文档，即正式文件（出于争论，是论文文件）。它们并非全部标准化，但足够接近。它们是标题，部分，段落等。可能会出现细微的差异，例如英语，我们称标题为“标题”，但用法语为“滴度”。

因此，在我看来，最好的方法是创建一个具有所有可能组合的EBNF：= title |例如。

我不太关心提出EBNF。我主要关心的是如何实现解析。我看了Antlr，Oslo，Irony和其他其他人，但没有专业知识来判断它们是否适合我的任务。

所以，我对你们中学到的问题是

1. 您建议使用哪种DSL工具在此规模上解析文档？
2. DSL工具是在匹配中解析但宽容的最准确的（即。
3. 我是否没有考虑过您建议您作为DSL的替代方案的过程/算法？ （从头开始重写是一个选择，但我想快速工作）。
4. 是否有人试图将学习和智力添加到通过DSL（考虑遗传算法和神经网络）解析的算法中？
5. 您会在生产环境中使用这些DSL工具吗？

我选择的开发平台是C＃。我之所以提到这一点，是因为理想情况下，我想将DSL工具集成到代码中，以便我们可以从现有应用程序中使用它。

Answer 1

我遇到了一个叫做的工具 Tinypg. 。它不是完全需要的，但是要查看源代码将使我生成所需的内容。