Treetop文法中的标签对匹配

Question

我不想重复the Cthulhu answer，但是我想用Treetop来匹配开始和结束标记对。使用this grammar，我可以匹配开始标记和结束标记，但现在我想要一个规则将它们绑定在一起。我已经尝试了以下方法，但是使用这种方法会使我的解析器永远运行(无限循环)：

rule html_tag_pair
  html_open_tag (!html_close_tag (html_tag_pair / '' / text / newline /
    whitespace))+ html_close_tag <HTMLTagPair>
end

我试图基于递归括号示例和负向先行示例on the Treetop Github page来实现这一点。我引用的其他规则如下：

rule newline
  [\n\r] {
    def content
      :newline
    end
  }
end

rule tab
  "\t" {
    def content
      :tab
    end
  }
end

rule whitespace
  (newline / tab / [\s]) {
    def content
      :whitespace
    end
  }
end

rule text
  [^<]+ {
    def content
      [:text, text_value]
    end
  }
end

rule html_open_tag
  "<" html_tag_name attribute_list ">" <HTMLOpenTag>
end

rule html_empty_tag
  "<" html_tag_name attribute_list whitespace* "/>" <HTMLEmptyTag>
end

rule html_close_tag
  "</" html_tag_name ">" <HTMLCloseTag>
end

rule html_tag_name
  [A-Za-z0-9]+ {
    def content
      text_value
    end
  }
end

rule attribute_list
  attribute* {
    def content
      elements.inject({}){ |hash, e| hash.merge(e.content) }
    end
  }
end

rule attribute
  whitespace+ html_tag_name "=" quoted_value {
    def content
      {elements[1].content => elements[3].content}
    end
  }
end

rule quoted_value
  ('"' [^"]* '"' / "'" [^']* "'") {
    def content
      elements[1].text_value
    end
  }
end

我知道我需要考虑匹配单个开始或结束标记，但如果存在一对HTML标记，我希望将它们组合在一起。将它们与我的语法相匹配似乎是最干净的方法，但也许还有更好的方法？

Answer 1

您只能对每个HTML标记对使用单独的规则，或者使用语义谓词。也就是说，通过保存开始标记(在sempred中)，然后接受(在另一个sempred中)结束标记(如果它是相同的标记)。这在Treetop中要困难得多，因为没有方便的位置来保存上下文，也不能查看解析器堆栈，但这是可能的。

顺便说一句，在解析MIME边界(和Markdown)时也会出现同样的问题。我还没有检查过Mikel在ActionMailer中的实现(可能他使用了一个嵌套的Mime解析器)，但在Treetop中是可能的。

在http://github.com/cjheath/activefacts/blob/master/lib/activefacts/cql/parser.rb中，我将上下文保存在一个伪输入流中-您可以看到它必须支持哪些方法-因为" input“在所有SyntaxNodes上都可用。我在那里使用sempreds有不同的原因，但其中一些技术是适用的。

Answer 2

这是一个非常简单的语法，它使用语义谓词来匹配结束标记和开始标记。

grammar SimpleXML
  rule document
    (text / tag)*
  end

  rule text
    [^<]+
  end

  rule tag
    "<" [^>]+ ">" (text / tag)* "</" [^>]+ &{|seq| seq[1].text_value == seq[5].text_value } ">"
  end
end