使用ruby的樹梢釘來解析debian Packages.gz

Question

我正在嘗試使用Ruby的樹梢結構打開Packages.gz，但無法使關鍵字和值明確。 這是我的樹梢語法：

grammar Debian
  rule collection
    entry+
  end
  rule entry
    (tag space value)
  end

  rule package_details
    tag value &[^$]
  end
  rule tag 
    [A-Za-z0-9\-]+ ":"
  end
  rule value
    (!tag value_line+ "\n")+
  end
  rule value_line
    ([A-Za-z0-9 <>@()=\.\-|/,_"':])+
  end
  rule space
    [ \t]+
  end
end

這是我的示例輸入：

Package: acct
Priority: optional
Section: admin
Installed-Size: 352
Maintainer: Ubuntu Developers <ubuntu-devel-discuss@lists.ubuntu.com>
Original-Maintainer: Mathieu Trudel <mathieu.tl@gmail.com>
Architecture: i386
Version: 6.5.4-2ubuntu1
Depends: dpkg (>= 1.15.4) | install-info, libc6 (>= 2.4)
Filename: pool/main/a/acct/acct_6.5.4-2ubuntu1_i386.deb
Size: 111226
MD5sum: 10cba1458ace8c31169c0e9e915c9a0f
SHA1: 6c2dcdc480144a9922329cd4fa22c7d1cb83fcbb
SHA256: bf8d8bb8eef3939786a1cefc39f94079f43464b71099f4a59b61b24cafdbc010
Description: The GNU Accounting utilities for process and login accounting
 GNU Accounting Utilities is a set of utilities which reports and summarizes
 data about user connect times and process execution statistics.
 .
 "Login accounting" provides summaries of system resource usage based on connect
 time, and "process accounting" provides summaries based on the commands
 executed on the system.
 .
 The 'last' command is provided by the sysvinit package and not included here.
Homepage: http://www.gnu.org/software/acct/
Bugs: https://bugs.launchpad.net/ubuntu/+filebug
Origin: Ubuntu
Supported: 18m

這幾乎可以100％起作用，但是隨后在檢查URL時失敗。 問題在於URL包含一個“：”，我似乎無法識別它。 當我編輯樣本的“主頁”條目並用“ _”代替“：”時，它會一直顯示。

這是我的第一個PEG語法，但我可以告訴我，需要使其變得不那么模糊/更簡潔。 查看高級文檔，我想將標簽定義為

rule tag
  !(!'\n' .) [A-Za-z0-9\-]+ ":"
end

但是我不完全了解它在做什么。 標簽不得（我沒有要換行或其他任何內容）（換行或一無所有）。 這些微妙之處使我無法逃脫...

切換到該格式會幫助我嗎？ 有人知道為什么不匹配嗎？

Answer 1

在這一點上，我似乎已經有了一個可行的語法：

grammar Debian
  # The file is too big for us to emit a package_list. Look at parser.rb to see how I just split the string.
  #rule package_list
  #  (package "\n"?)+ <DebianSyntaxNode::PackageList>
  #end
  rule package
    (tag / value)+ <DebianSyntaxNode::Package>
  end

  rule tag
    tag_value tag_stop <DebianSyntaxNode::Tag>
  end
  rule tag_value
    [\w\-]+ <DebianSyntaxNode::TagValue>
  end
  rule tag_stop
    ": " <DebianSyntaxNode::TagStop>
  end

  rule value
    value_line value_stop <DebianSyntaxNode::Value>
    # value_line value_stop <DebianSyntaxNode::Value>
  end
  rule value_line
    (!"\n" .)+ <DebianSyntaxNode::ValueLine>
    # ([\w \. " , \- ' : / < > @ ( ) = | \[ \] + ; ~ í á * % `])+ <DebianSyntaxNode::ValueLine>
  end
  rule value_stop
    "\n"? <DebianSyntaxNode::ValueStop>
  end
end

問題在於，當value_line是多行條目時，現在不包含“ \\ n”。 另外，我必須在解析器中組合多行條目。

如果您想查看這段代碼的去向，請查看我開始的一個小github項目： https : //github.com/derdewey/Debian-Packages-Parser