eGospodarka.pl
eGospodarka.pl poleca

eGospodarka.plGrupypl.comp.programmingparsowanie
Ilość wypowiedzi w tym wątku: 4

  • 1. Data: 2011-02-07 20:23:26
    Temat: parsowanie
    Od: Zbigniew Malec <a...@i...invalid>

    Witam,
    mam takie pytanie ze swiata parserów.
    Piszę sobie taki mały parser i dla wygody podzieliłem go na dwie części:
    Tokenizer i Parser.
    W mojej składni występuje znaczek nawiasu klamrowego { i teraz, jeżeli jest
    on po dolarze $, to znaczy, że jest to początek nazwy zmiennej, natomiast
    jeżeli nie jest po dolarze, to jest po prostu elementem tekstu,
    przykładowo:

    abra { cos ${zmienna}

    Pierwszy nawias to tekst, a kolejne, to już elementy zmiennej.

    I teraz tak się zastanawiam (czysto koncepcyjnie), czy w tym przypadku
    tokenami powinny być:

    LITERAŁ: abra { coś
    ZNACZNIK ZMIENNEJ
    POCZĄTEK ZMIENNEJ
    LITERAŁ: zmienna
    KONIEC ZMIENNEJ

    czy raczej
    LITERAŁ: abra
    NAWIAS
    LITERAŁ: coś
    ZNACZNIK ZMIENNEJ
    NAWIAS OTWIERAJĄCY
    LITERAŁ: zmienna
    NAWIAS ZAMYKAJĄCY

    i dopiero w parserze to sklejać dalej.

    Rozwiązanie 1 ma taką zaletę, że od razu otrzymujemy sensowne tokeny (i jak
    tak patrzę na dokumentację różnych parserów do C++ np. to wygląda, że tak
    właśnie jest to robione), jednak trzeba pamiętać jeszcze kontekst, np. że
    do tej pory nie było dolara $, więc to jest nawias, a nie początek
    zmiennej, a to się może szybko przekształcić w bałagan nie do utrzymania.
    Rorwiązanie 2 ma natomiast taką wadę, że na parserze spoczywa obowiązek
    łączenia tokenów w większe tokeny (np. LITERAŁ: abra, NAWIAS, LITERAŁ: coś
    w LITERAŁ: abra { coś), jednakże łatwiej jest tutaj zarządzać stanem
    poprzez odpowiednie zchodzenie w dół drzewa z accept i expect.

    Więc jakbyście wy to zrobili?

    Ps. Chciałbym zaznaczyć, że wiem, że istnieją setki gotowych bibliotek i
    tak dalej, jednak ja się pytam dla wiedzy, a nie dla praktycznego
    rozwiązania.

    Ps. Na internecie jest sporo na ten temat, jednakże poruszane są tylko
    przykłady łatwe, w których takie dylematy nie występują :] Ale jakby gdzieś
    ktoś miał linka, to też się nie obrażę.


    --
    Pozdrawiam
    Zbyszek Malec


  • 2. Data: 2011-02-07 20:50:25
    Temat: Re: parsowanie
    Od: Wojciech Muła <w...@p...null.onet.pl.invalid>

    On Mon, 7 Feb 2011 21:23:26 +0100 Zbigniew Malec
    <a...@i...invalid> wrote:

    > Witam,
    > mam takie pytanie ze swiata parserów.
    > Piszę sobie taki mały parser i dla wygody podzieliłem go na dwie
    > części: Tokenizer i Parser.
    > W mojej składni występuje znaczek nawiasu klamrowego { i teraz,
    > jeżeli jest on po dolarze $, to znaczy, że jest to początek nazwy
    > zmiennej, natomiast jeżeli nie jest po dolarze, to jest po prostu
    > elementem tekstu, przykładowo:
    >
    > abra { cos ${zmienna}
    >
    > Pierwszy nawias to tekst, a kolejne, to już elementy zmiennej.
    >
    > I teraz tak się zastanawiam (czysto koncepcyjnie), czy w tym przypadku
    > tokenami powinny być:
    >
    > LITERAŁ: abra { coś
    > ZNACZNIK ZMIENNEJ
    > POCZĄTEK ZMIENNEJ
    > LITERAŁ: zmienna
    > KONIEC ZMIENNEJ
    >
    > czy raczej
    > LITERAŁ: abra
    > NAWIAS
    > LITERAŁ: coś
    > ZNACZNIK ZMIENNEJ
    > NAWIAS OTWIERAJĄCY
    > LITERAŁ: zmienna
    > NAWIAS ZAMYKAJĄCY
    >
    > i dopiero w parserze to sklejać dalej.
    >
    > Rozwiązanie 1 ma taką zaletę, że od razu otrzymujemy sensowne tokeny
    > (i jak tak patrzę na dokumentację różnych parserów do C++ np. to
    > wygląda, że tak właśnie jest to robione), jednak trzeba pamiętać
    > jeszcze kontekst, np. że do tej pory nie było dolara $, więc to jest
    > nawias, a nie początek zmiennej, a to się może szybko przekształcić w
    > bałagan nie do utrzymania. Rorwiązanie 2 ma natomiast taką wadę, że
    > na parserze spoczywa obowiązek łączenia tokenów w większe tokeny (np.
    > LITERAŁ: abra, NAWIAS, LITERAŁ: coś w LITERAŁ: abra { coś), jednakże
    > łatwiej jest tutaj zarządzać stanem poprzez odpowiednie zchodzenie w
    > dół drzewa z accept i expect.
    >
    > Więc jakbyście wy to zrobili?

    Parser przecież i tak tworzy jakieś drzewo rozbioru gramatycznego.
    Więc czy masz do sprawdzania wariant ZMIENNA/NAWIAS/LITERAŁ/NAWIAS,
    czy POCZĄTEK ZM./LITERAŁ/KONIEC ZM. to raczej mała różnica, bo
    ostatecznie interesuje Cię nazwa zmiennej. Bardziej kwestia, jak
    bardzo ułatwi (lub skomplikuje) to inne działania.

    Ale jeślibyś zdecydował się na pierwszy wariant, tzn. trochę więcej
    pracy w tokenizerze, to zastanów się, czy wtedy w ogóle warto wypisywać
    aż cztery tokeny dla zmiennej. Wiesz, gdzie jest początek i koniec
    zmiennej, znasz jej nazwę - może wyprowadź jeden token ZMIENNA i już
    nie kłopocz parser duperelami. ;-)

    w.


  • 3. Data: 2011-02-07 22:30:31
    Temat: Re: parsowanie
    Od: "Wojciech \"Spook\" Sura" <spook"mad@hatter"op.pl>

    Dnia 07-02-2011 o 21:23:26 Zbigniew Malec <a...@i...invalid>
    napisał(a):
    (...)

    W moim parserze wyrażeń matematycznych zastosowałem wariant ze wstępną
    (uproszczoną) analizą składniową. Fragment pliku wejściowego dla
    generatora tokenizera wygląda tak:

    # Stan 1 - Oczekiwanie na obiekt numeryczny

    1,integer->2=[0-9]+
    1,unaryoperator->1=(\-)|(\!)
    1,variable->2=[a-zA-Z][a-zA-Z0-9]*
    1,function->1=[a-zA-Z][a-zA-Z0-9]*\(
    1,openparenthesis->1=\(
    (...)

    # Stan 2 - Oczekiwanie na operator

    2,closeparenthesis->2=\)
    2,operator->1=(\+)|(\-)|(\*)|(\/)|(\\)|(\%)|(\^)|(\<
    \<)|(\>\>)|(\<)|(\>)|(\<\=)|(\>\=)|(\=\=)|(\!\=)|(\&
    )|(\|)|(\#)
    (...)

    Czyli na przykład f(x*(3+4)) zostanie rozpoznane jako:

    function, variable, operator, openparenthesis, integer, operator, integer,
    closeparenthesis, closeparenthesis.

    Analogicznie -2-3 jako:

    unaryoperator integer operator integer

    Moim zdaniem taka wstępna analiza składniowa jest bardzo wygodna, bo
    pozwala na wczesne wykrycie podstawowych błędów składniowych. Jeśli na
    przykład ktoś postawi operator binarny zaraz za nawiasem otwierającym -
    gdzie oczekiwany jest obiekt numeryczny - pierwszy zaprotestuje tokenizer,
    zgłaszając nie rozpoznany obiekt.

    Jest też minus tego rozwiązania: błąd zgłoszony użytkownikowi nie jest
    zbyt czytelny ("Nie rozpoznany token" lub "Nieprawidłowe wyrażenie" kontra
    "Nieoczekiwane wystąpienie operatora binarnego"). Wszystko jednak zależy
    od potrzeb :)

    Pozdrawiam -- Spook.

    --
    Używam klienta poczty Opera Mail: http://www.opera.com/mail/


  • 4. Data: 2011-02-08 23:47:36
    Temat: Re: parsowanie
    Od: Zbigniew Malec <a...@i...invalid>

    On Mon, 07 Feb 2011 23:30:31 +0100, Wojciech "Spook" Sura wrote:

    > Moim zdaniem taka wstępna analiza składniowa jest bardzo wygodna, bo
    > pozwala na wczesne wykrycie podstawowych błędów składniowych. Jeśli na
    > przykład ktoś postawi operator binarny zaraz za nawiasem otwierającym -
    > gdzie oczekiwany jest obiekt numeryczny - pierwszy zaprotestuje tokenizer,
    > zgłaszając nie rozpoznany obiekt.

    W sumie, jak za bardzo uproszczę tokenizer, to mi z niego wyjdzie po prostu
    lekser.

    --
    Pozdrawiam
    Zbyszek Malec

strony : [ 1 ]


Szukaj w grupach

Szukaj w grupach

Eksperci egospodarka.pl

1 1 1

Wpisz nazwę miasta, dla którego chcesz znaleźć jednostkę ZUS.

Wzory dokumentów

Bezpłatne wzory dokumentów i formularzy.
Wyszukaj i pobierz za darmo: