解析器接受Scala中的任何字符串？

Question

我正在写一个解析器的Scala为以下语法：

expr := "<" anyString ">" "<" anyString ">" 
anyString := // any string 

例如，"<foo> <bar>"是一个有效的字符串，如"<http://www.example.com/example> <123>"，并"<1> <_hello>"

到目前为止，我有以下几点：

object MyParser extends JavaTokenParsers { 

    override def skipWhitespace = false 

    def expr: Parser[Any] = "<" ~ anyString ~ ">" ~ whiteSpace ~ "<" ~ anyString ~ ">" 

    def anyString = ??? 

} 

我的问题如下（我已经包括了我的疑似答案，但无论如何请确认，如果我没错的话）：

1. 如何实现接受任何字符串的正则表达式解析器？这必须有一个几乎微不足道的答案，如def anyString = """\a*""".r，其中\a是代表任何字符的符号（尽管\a可能不是我正在寻找的droid）。

2. 如果我设置anyString接受任何字符串，它会在>符号之前停止，还是会运行直到字符串结束并失败？我相信它会一直运行直到字符串结束并失败，然后它最终会找到>并消耗到那里。这似乎导致非常低效的解析器，并且对此的任何评论将不胜感激！

3. 如果有什么内<和>字符串中包含>符号（例如<fo>o> <bar>）？将anyString消耗到第一个>还是最后一个？有没有什么方法可以指定它是否消耗最少或最多？

4. 为了解决上述问题，我想禁止<>在anyString。如何写这个？

谢谢！

Answer 1

我目前正在研究自己的问题，我会尽力在这里回答我自己。

1. Java的Patterndocumentation指定.任何字符匹配。因此，它接受任何字符串正则表达式是：

   def anyString = ".*".r 
   

   接受任何非空字符串，我们可以使用".+".r。

2. 要理解这一点，考虑下面的玩具例子：

   object MyParser1 { 
       override def skipWhitespace = false 
       def expr = "<" ~ anyString ~ ">" 
       def anyString = ".*".r 
   } 
   

   这里，串<>是拒绝。为了测试这一点，使用：

   println( MyParser1.parseAll(MyParser1.expr, "<>") ) 
   

   这表明.*解析器消耗直到串，由此>不适用于最终的解析器的端部。因此，似乎有必要禁止在anyString中出现<和>表单。

3. 如前面一点，.*解析器消耗整个字符串，因此消耗所有>符号。

4. 在同一文档中给出否定运算符。为了排除<和>，我们可以这样写：

   def almostAnyString = "[^<>]*".r 
   

   一般来说，结构[^abc]将任何字符匹配除了a，b和c。

总之，到目前为止，我已经找到了最好的实现如下：

object MyParser extends JavaTokenParsers { 
    override def skipWhitespace = false // don't allow whitespace between parsers by default 

    def expr: Parser[Any] = "<" ~ almostAnyString ~ ">" ~ 
          whiteSpace ~ // this parser is defined in JavaTokenParsers 
          "<" ~ almostAnyString ~ ">" 

    def almostAnyString = "[^<>]*".r 

}