实施“*？” （懒惰“*”）组合GLR解析器中的Regexp模式

Question

我已经实施了组合GLR解析器。其中有：

• char(·) 解析器会消耗指定字符或字符范围。
• many(·) 组合器将指定解析器从零到无限时间重复。

例子： "char('a').many()" 将与任何数字的字符串匹配 "a"-s。

但 many(·) 组合器很贪婪，例如， char('{') >> char('{') >> char('a'..'z').many() >> char('}') >> char('}') （在哪里 ">>" 是解析器的顺序链接）将成功消耗整体 "{{foo}}some{{bar}}" 细绳。

我想实现懒惰的版本 many(·) 在上一个示例中使用的将消费 "{{foo}}" 只要。我怎样才能做到这一点？

编辑：

我可能会困惑的是。在我的程序中，解析器是一个函数（或C ++方面的“函数”），它接受“步骤”并返回“步骤”的森林。 “步骤”可能是确定的类型（这意味着解析器已成功地消耗了输入的一部分）和失败类型（这意味着解析器遇到了错误）。还有更多类型的步骤，但它们是辅助的。

Parser = f(Step) -> Collection of TreeNodes of Steps.

因此，当我解析输入时，我：

• 组成简单的预定义解析器功能，以获取代表所需语法的复杂解析器函数。

• 从输入形成初始步骤。

• 给出复杂解析器函数的初始步骤。

• 带有步骤的过滤treenodes，仅保留确定的treenodes（如果输入中存在错误，则最小失败-S）。

• 从剩下的步骤中收集信息。

Answer 1

考虑正则表达式 <.*?> 和输入 <a>bc<d>ef. 。这应该找到 <a>, ，没有其他比赛，对吗？

现在考虑正则表达式 <.*?>e 具有相同的输入。这应该找到 <a>bc<d>e, ， 正确的？

这构成了困境。为了用户的缘故，我们想要组合者的行为 >> 可以从它的两个操作数来理解。然而，从第一个发现的角度来看，无法产生第二个解析器的行为。

一个答案是让每个解析器产生一个 序列 在所有解析中，按优先订购，而不是所有解析器的无序集。贪婪的匹配将返回最短的比赛。非绿色，最短到最长。

Answer 2

我已经实施并使用GLR解析器已有15年的时间作为程序转换系统的语言前端。

我不知道“组合GLR Parser”是什么，我不熟悉您的符号，所以我不太确定如何解释它。我认为这是某种咖喱功能符号？我想象您的组合规则等于在终端字符方面定义语法，其中“ char（'a'）。许多”对应语法规则：

 char = "a" ;
 char = char "a" ;

实际上，GLR解析器会产生所有可能的解析。 GLR解析的关键见解是其所有可能解析的伪平行处理。如果您的“组合者”可以提出多个分析（也就是说，它们产生了与上述相等的语法规则），并且您确实将它们连接到GLR解析器，它们都会受到尝试，只有那些瓷砖序列的序列文本将生存（这意味着所有有效的分析，例如，模棱两可的解析）将生存。

如果您确实实施了GLR解析器，那么您所有可能的解析的集合应该对您来说是非常清楚的。这不是您所实现的事实不是GLR解析器。

与其他任何解析技术一样，使用GLR解析器的错误恢复是可能的。我们要做的是在错误点之前保留一组现场解析。当发现错误时，我们尝试（在伪平行的情况下，glr解析机械使它变得容易，如果它正确弯曲的话）所有以下所有内容：a）删除违规令牌，b）插入所有本质上的图表（x）（x） X是活解析的地方。从本质上讲，删除令牌，或插入一个通过现场解析期望的。然后，我们再次将GLR解析器放松。只有有效的解析（例如，维修）才能生存。如果无法处理当前的令牌，则可以将流量的解析器处理为删除的流程。在最坏的情况下，GLR解析器错误恢复最终将所有令牌丢弃到EOF。严重的缺点是GLR解析器的跑步时间在解析错误时逐渐增长。如果一个地方有很多地方，则错误恢复时间可能会通过屋顶。

Answer 3

GLR解析器不会产生输入的所有可能解析吗？然后解决歧义是选择您喜欢的解析的问题。为此，我想需要根据哪种组合制作，渴望或懒惰的组合森林的元素被标记。 （通常，在您看到所有输入之前，您都无法逐步解决歧义。）

（基于我昏暗的记忆和对GLR解析的可能误解的答案。希望有人会通过。）

Answer 4

非绿色功能无非是一种歧义机制。如果您确实有一个广泛的解析器（不需要歧义来产生其结果），那么“非怪兽”是毫无意义的。无论操作员是否是“非怪兽”，都将返回相同的结果。

非绿色歧义行为可以应用于广义解析器提供的完整结果集。从左到右工作，过滤对应于非怪兽操作员的模棱两可的子组，以使用最短的匹配，这仍然导致了其余输入的成功分析。