Можете ли вы предложить более элегантный способ "токенизации" кода c # для форматирования html?

Question

(Этот вопрос по поводу рефакторинга F #-кода я получил один голос "против", но также несколько интересных и полезных ответов.И 62 вопроса F # из более чем 32 000 на SO кажутся жалкими, так что я рискую вызвать еще большее неодобрение!)

Вчера я пытался опубликовать немного кода в блоге blogger и обратился к этот сайт, который я находил полезным в прошлом.Однако редактор blogger съел все объявления стиля, так что это оказалось тупиковым вариантом.

Итак (как и любой хакер), я подумал: "насколько это может быть сложно?" - и запустил свой собственный <100 строк F#.

Вот "мясо" кода, которое превращает входную строку в список "токенов".Обратите внимание, что эти токены не следует путать с токенами в стиле lexing / parsing.Я бегло просмотрел их, и хотя я почти ничего не понял, я понял, что они дадут мне Только токены, тогда как я хочу сохранить свою исходную строку.

Вопрос в том,:есть ли более элегантный способ сделать это?Мне не нравятся n переопределений s, необходимых для удаления каждой строки токена из входной строки, но сложно заранее разделить строку на потенциальные токены из-за таких вещей, как комментарии, строки и директива #region (которая содержит символ, не являющийся словом).

//Types of tokens we are going to detect
type Token = 
    | Whitespace of string
    | Comment of string
    | Strng of string
    | Keyword of string
    | Text of string
    | EOF

//turn a string into a list of recognised tokens
let tokenize (s:String) = 
    //this is the 'parser' - should we look at compiling the regexs in advance?
    let nexttoken (st:String) = 
        match st with
        | st when Regex.IsMatch(st, "^\s+") -> Whitespace(Regex.Match(st, "^\s+").Value)
        | st when Regex.IsMatch(st, "^//.*?\r?\n") -> Comment(Regex.Match(st, "^//.*?\r?\n").Value) //this is double slash-style comments
        | st when Regex.IsMatch(st, "^/\*(.|[\r?\n])*?\*/") -> Comment(Regex.Match(st, "^/\*(.|[\r?\n])*?\*/").Value) // /* */ style comments http://ostermiller.org/findcomment.html
        | st when Regex.IsMatch(st, @"^""([^""\\]|\\.|"""")*""") -> Strng(Regex.Match(st, @"^""([^""\\]|\\.|"""")*""").Value) // unescaped = "([^"\\]|\\.|"")*" http://wordaligned.org/articles/string-literals-and-regular-expressions
        | st when Regex.IsMatch(st, "^#(end)?region") -> Keyword(Regex.Match(st, "^#(end)?region").Value)
        | st when st <> "" -> 
                match Regex.Match(st, @"^[^""\s]*").Value with //all text until next whitespace or quote (this may be wrong)
                | x when iskeyword x -> Keyword(x)  //iskeyword uses Microsoft.CSharp.CSharpCodeProvider.IsValidIdentifier - a bit fragile...
                | x -> Text(x)
        | _ -> EOF

    //tail-recursive use of next token to transform string into token list
    let tokeneater s = 
        let rec loop s acc = 
            let t = nexttoken s
            match t with
            | EOF -> List.rev acc //return accumulator (have to reverse it because built backwards with tail recursion)
            | Whitespace(x) | Comment(x) 
            | Keyword(x) | Text(x) | Strng(x) -> 
                loop (s.Remove(0, x.Length)) (t::acc)  //tail recursive
        loop s []

    tokeneater s

(Если кому-то действительно интересно, я с удовольствием опубликую оставшуюся часть кода)

Редактировать Используя отличное предложение из активные паттерны по kvb центральный бит выглядит вот так, намного лучше!

let nexttoken (st:String) = 
    match st with
    | Matches "^\s+" s -> Whitespace(s)
    | Matches "^//.*?\r?(\n|$)" s -> Comment(s) //this is double slash-style comments
    | Matches "^/\*(.|[\r?\n])*?\*/" s -> Comment(s)  // /* */ style comments http://ostermiller.org/findcomment.html
    | Matches @"^@?""([^""\\]|\\.|"""")*""" s -> Strng(s) // unescaped regexp = ^@?"([^"\\]|\\.|"")*" http://wordaligned.org/articles/string-literals-and-regular-expressions
    | Matches "^#(end)?region" s -> Keyword(s) 
    | Matches @"^[^""\s]+" s ->   //all text until next whitespace or quote (this may be wrong)
            match s with
            | IsKeyword x -> Keyword(s)
            | _ -> Text(s)
    | _ -> EOF

Answer 1

Я бы использовал активный шаблон для инкапсуляции регулярного выражения.IsMatch и Regex.Сопоставьте пары, вот так:

let (|Matches|_|) re s =
  let m = Regex(re).Match(s)
  if m.Success then
    Some(Matches (m.Value))
  else
    None

Тогда ваша функция nexttoken может выглядеть следующим образом:

let nexttoken (st:String) =         
  match st with        
  | Matches "^s+" s -> Whitespace(s)        
  | Matches "^//.*?\r?\n" s -> Comment(s)
  ...