我正在使用 PyParsing 为查询语言编写解析器，并且我陷入了（我认为是）前瞻问题。查询中的一种子句类型旨在将字符串拆分为 3 个部分（字段名、运算符、值），其中字段名是一个单词，运算符是一个或多个单词，值是一个单词、带引号的字符串或带括号的列表这些。
我的数据看起来像
author is william
author is 'william shakespeare'
author is not shakespeare
author is in (william,'the bard',shakespeare)
我当前对该子句的解析器写为：
fieldname = Word(alphas)
operator = OneOrMore(Word(alphas))
single_value = Word(alphas) ^ QuotedString(quoteChar="'")
list_value = Literal("(") + Group(delimitedList(single_value)) + Literal(")")
value = single_value ^ list_value
clause = fieldname + originalTextFor(operator) + value
显然这失败了，因为operator元素是贪婪的并且会吞噬value如果可以的话。通过阅读其他类似的问题和文档，我发现我需要使用NotAny or FollowedBy，但我一直无法弄清楚如何使其发挥作用。
这是成为解析器的好地方。或者更准确地说，让解析器像你一样思考。问问自己，“在‘作者是莎士比亚’中，我怎么知道‘莎士比亚’不是运算符的一部分？”您知道“shakespeare”是值，因为它位于查询的末尾，后面没有其他内容。所以运算符词不仅仅是字母词，它们是字母单词，后面没有字符串结尾。现在将先行逻辑构建到您的定义中operator:
operator = OneOrMore(Word(alphas) + ~FollowedBy(StringEnd()))
我认为这将为您提供更好的解析。
其他一些提示：
我仅在可能存在歧义的情况下使用“^”运算符，例如我要解析带有整数或十六进制数字的字符串。如果我用过Word(nums) | Word(hexnums)，那么我可能会将“123ABC”误处理为前导“123”。通过改变“|”对于“^”，将测试所有替代方案，并选择最长的匹配。在我解析十进制或十六进制整数的示例中，我可以通过反转替代方案并测试来获得相同的结果Word(hexnums)第一的。在您的查询语言中，无法将带引号的字符串与不带引号的单个单词值混淆（一个以' or "，另一个没有），所以没有理由使用'^'，'|'就足够了。类似的value = singleValue ^ listValue.
-
将结果名称添加到查询字符串的关键组成部分将使以后更容易使用：
clause = fieldname("fieldname") + originalTextFor(operator)("operator") + value("value")
现在，您可以通过名称而不是通过解析位置访问解析的值（一旦您开始使用可选字段等变得更加复杂，这将变得棘手且容易出错）：
queryParts = clause.parseString('author is william')
print queryParts.fieldname
print queryParts.operator
本文内容由网友自发贡献，版权归原作者所有，本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容，请联系:hwhale#tublm.com(使用前将#替换为@)
