[英]boost spirit grammar for parsing header columns
我想解析文本文件的標題列。 應允許引用列名和任何字母的大小寫。 目前我正在使用以下語法:
#include <string>
#include <iostream>
#include <boost/spirit/include/qi.hpp>
namespace qi = boost::spirit::qi;
template <typename Iterator, typename Skipper>
struct Grammar : qi::grammar<Iterator, void(), Skipper>
{
static constexpr char colsep = '|';
Grammar() : Grammar::base_type(header)
{
using namespace qi;
using ascii::char_;
#define COL(name) (no_case[name] | ('"' >> no_case[name] >> '"'))
header = (COL("columna") | COL("column_a")) >> colsep >>
(COL("columnb") | COL("column_b")) >> colsep >>
(COL("columnc") | COL("column_c")) >> eol >> eoi;
#undef COL
}
qi::rule<Iterator, void(), Skipper> header;
};
int main()
{
const std::string s{"columnA|column_B|column_c\n"};
auto begin(std::begin(s)), end(std::end(s));
Grammar<std::string::const_iterator, qi::blank_type> p;
bool ok = qi::phrase_parse(begin, end, p, qi::blank);
if (ok && begin == end)
std::cout << "Header ok" << std::endl;
else if (ok && begin != end)
std::cout << "Remaining unparsed: '" << std::string(begin, end) << "'" << std::endl;
else
std::cout << "Parse failed" << std::endl;
return 0;
}
這可能不使用宏嗎? 此外,我想完全忽略任何下划線。 這可以通過自定義船長來實現嗎? 最后,如果有人可以這樣寫,那將是理想的:
header = col("columna") >> colsep >> col("columnb") >> colsep >> column("columnc") >> eol >> eoi;
其中 col 將是適當的語法或規則。
@sehe 我該如何修復這個語法以支持
"\\"Column_A\\""
? 6小時前
到這個時候,您可能應該已經意識到這里發生了兩種不同的事情。
一方面,您有一個語法(允許|
"Column_A"
列,如columna
或"Column_A"
)。
另一方面,您有語義分析(您檢查解析的內容是否符合某些標准的階段)。
使您的生活變得艱難的事情是試圖將兩者混為一談。 現在,不要誤會我的意思,在(非常罕見的)情況下,絕對需要將這些職責融合在一起——但我覺得這總是一種優化。 如果你需要它,Spirit 不是你的東西,你更有可能得到一個手寫的解析器。
因此,讓我們簡單地了解一下語法:
static auto headers = (quoted|bare) % '|' > (eol|eoi);
bare
和quoted
規則可能與以前幾乎相同:
static auto quoted = lexeme['"' >> *('\\' >> char_ | "\"\"" >> attr('"') | ~char_('"')) >> '"'];
static auto bare = *(graph - '|');
如您所見,這將隱式地處理引用和轉義以及詞素外的空格跳過。 簡單應用時,它將產生一個干凈的列名列表:
std::string const s = "\"columnA\"|column_B| column_c \n";
std::vector<std::string> headers;
bool ok = phrase_parse(begin(s), end(s), Grammar::headers, x3::blank, headers);
std::cout << "Parse " << (ok?"ok":"invalid") << std::endl;
if (ok) for(auto& col : headers) {
std::cout << std::quoted(col) << "\n";
}
Parse ok
"columnA"
"column_B"
"column_c"
讓我們構建我們的代碼,以便反映關注點的分離。 我們的解析代碼可能使用 X3,但我們的驗證代碼不需要在同一個翻譯單元(cpp 文件)中。
有一個定義一些基本類型的標題:
#include <string>
#include <vector>
using Header = std::string;
using Headers = std::vector<Header>;
定義我們要對它們執行的操作:
Headers parse_headers(std::string const& input);
bool header_match(Header const& actual, Header const& expected);
bool headers_match(Headers const& actual, Headers const& expected);
現在, main
可以重寫為:
auto headers = parse_headers("\"columnA\"|column_B| column_c \n");
for(auto& col : headers) {
std::cout << std::quoted(col) << "\n";
}
bool valid = headers_match(headers, {"columna","columnb","columnc"});
std::cout << "Validation " << (valid?"passed":"failed") << "\n";
例如parse_headers.cpp
可以包含:
#include <boost/spirit/home/x3.hpp>
namespace x3 = boost::spirit::x3;
namespace Grammar {
using namespace x3;
static auto quoted = lexeme['"' >> *('\\' >> char_ | "\"\"" >> attr('"') | ~char_('"')) >> '"'];
static auto bare = *(graph - '|');
static auto headers = (quoted|bare) % '|' > (eol|eoi);
}
Headers parse_headers(std::string const& input) {
Headers output;
if (phrase_parse(begin(input), end(input), Grammar::headers, x3::blank, output))
return output;
return {}; // or throw, if you prefer
}
這就是所謂的“語義檢查”。 您獲取字符串向量並根據您的邏輯檢查它們:
#include <boost/range/adaptors.hpp>
#include <boost/algorithm/string.hpp>
bool header_match(Header const& actual, Header const& expected) {
using namespace boost::adaptors;
auto significant = [](unsigned char ch) {
return ch != '_' && std::isgraph(ch);
};
return boost::algorithm::iequals(actual | filtered(significant), expected);
}
bool headers_match(Headers const& actual, Headers const& expected) {
return boost::equal(actual, expected, header_match);
}
就這樣。 您可以使用算法和現代 C++ 的所有功能,無需因解析上下文而與約束作斗爭。
以上, Live On Wandbox
兩個部分都變得更加簡單:
聲明:本站的技術帖子網頁,遵循CC BY-SA 4.0協議,如果您需要轉載,請注明本站網址或者原文地址。任何問題請咨詢:yoyou2525@163.com.