使用Ragel解析用户代理

Question

我有来自apache的以下代码行(不能更改apache日志格式)：

... referrer=- user_agent=JSON-RPC Client status=200 size=44 ...

我正试着用Ragel解析它。我将提取除user_agent之外的所有字段。用户指南说，强差异--确保了第一台机器不包含第二台机器。在我的例子中，我希望匹配任何不包含" status="的内容，这将表示下一个字段。但是，我当前的定义(如下所示)似乎完全跳过了user_agent；我仍然得到status和以下字段。我是否正确地利用了强大的差异？

...
referrer   = ^space+             >mark %{ emit("referrer"); };
user_agent = any* -- ' status=' >mark %{ emit("user_agent"); };
status     = digit+              >mark %{ emit("status"); };
...

line = ( 
  ... 
  space "referrer=" 
  referrer 
  space "user_agent="
  user_agent
  space "status="
  status
  space "size="
  ...
);

Answer 1

我知道这个问题有点老了，但我刚开始接触Ragel，这可能会对其他人有所帮助。

这里的问题是运算符的优先级。操作运算符>和%在强差异运算符--之前求值。使用圆括号可以很容易地修复：

user_agent = (any* -- ' status=') >mark %{ emit("user_agent"); };

我也会使用space而不是硬编码一个空格，至少为了一致性：

user_agent = (any* -- (space 'status=')) >mark %{ emit("user_agent"); };

Answer 2

你可以使用状态图，试试这个状态机：

STATUS := digit+ ' ' @{ fnext SIZE; };
SIZE   := digit+;

USER_AGENT =
    start: (
        's'    -> s1 |
        [^s] @{ if (!ua_start) ua_start = p; }  -> start
    ),
    s1: (
        't'  -> s2 |
        [^t] -> start
    ),
    s2: (
        'a'  -> s3 |
        [^a] -> start
    ),
    s3: (
        't'  -> s4 |
        [^t] -> start
    ),
    s4: (
        'u'  -> s5 |
        [^u] -> start
    ),
    s5: (
        's'  -> s6 |
        [^s] -> start
    ),
    s6: (
        '='  @{ fnext STATUS; ua_stop = p - 7; } -> final |
        [^=] -> start
    )
    ;

main := "user_agent=" USER_AGENT ;

你可以在"ua_start“-> "ua_stop”中获取用户代理，对于其他变量，我认为你已经知道如何标记和获取字符。