如何在 Ruby 中标记该字符串？

Question

我有这个字符串：

%{Children^10 Health "sanitation management"^5}

我想将其转换为将其标记为哈希数组：

[{:keywords=>"children", :boost=>10}, {:keywords=>"health", :boost=>nil}, {:keywords=>"sanitation management", :boost=>5}]

我知道 StringScanner 和 Syntax gem 但我找不到足够的代码示例。

有什么指点吗？

Answer 1

对于真正的语言，词法分析器是正确的选择 - 就像 Guss 所说的。但是，如果完整的语言仅像您的示例一样复杂，您可以使用这个快速技巧：

irb> text = %{Children^10 Health "sanitation management"^5}
irb> text.scan(/(?:(\w+)|"((?:\\.|[^\\"])*)")(?:\^(\d+))?/).map do |word,phrase,boost|
       { :keywords => (word || phrase).downcase, :boost => (boost.nil? ? nil : boost.to_i) }
     end
#=> [{:boost=>10, :keywords=>"children"}, {:boost=>nil, :keywords=>"health"}, {:boost=>5, :keywords=>"sanitation management"}]

如果您尝试解析常规语言，那么此方法就足够了 - 尽管不需要更多的复杂性即可使该语言成为非常规语言。

正则表达式的快速分解：

• \w+

  匹配任何单个术语关键字

• (?:\\.|[^\\"]])*

  使用非捕获括号 (

  (?:...)

  ) 来匹配转义双引号字符串的内容 - 转义符号（

  \n

  、

  \"

  、

  \\

  等）或任何单个字符不是转义符号或结束引号。

• "((?:\\.|[^\\"]])*)"

  仅捕获引用的关键字短语的内容。

• (?:(\w+)|"((?:\\.|[^\\"])*)")

  匹配任何关键字 - 单个术语或短语，将单个术语捕获到

  $1

  并将短语内容捕获到

  $2

• \d+

  与数字匹配。

• \^(\d+)

  捕获插入符号 (

  ^

  ) 后面的数字。由于这是第三组捕获括号，因此它将被捕获到

  $3

  。

• (?:\^(\d+))?

  捕获插入符号后面的数字（如果存在），否则匹配空字符串。

String#scan(regex)

将正则表达式与字符串尽可能多次匹配，输出“匹配”数组。如果正则表达式包含捕获括号，则“匹配”是捕获的项目数组 - 因此

$1

变为

match[0]

，

$2

变为

match[1]

，等等。任何未与部分匹配的捕获括号字符串映射到结果“匹配”中的

nil

条目。

#map

然后获取这些匹配项，使用一些块魔法将每个捕获的术语分解为不同的变量（我们可以这样做

do |match| ; word,phrase,boost = *match

），然后创建您想要的哈希值。

word

或

phrase

中的一个将是

nil

，因为两者都无法与输入匹配，因此

(word || phrase)

将返回非

nil

1，而

#downcase

将其转换为所有小写。

boost.to_i

会将字符串转换为整数，而

(boost.nil? ? nil : boost.to_i)

将确保

nil

提升保持

nil

。

Answer 2

这是一个使用

StringScanner

的非稳健示例。这是我刚刚改编自 Ruby Quiz: Parsing JSON 的代码，其中有很好的解释。

require 'strscan'

def test_parse
  text = %{Children^10 Health "sanitation management"^5}
  expected = [{:keywords=>"children", :boost=>10}, {:keywords=>"health", :boost=>nil}, {:keywords=>"sanitation management", :boost=>5}]


  assert_equal(expected, parse(text))
end

def parse(text)
  @input = StringScanner.new(text)

  output = []

  while keyword = parse_string || parse_quoted_string
    output << {
      :keywords => keyword,
      :boost => parse_boost
    }
    trim_space
  end

  output
end

def parse_string
  if @input.scan(/\w+/)
    @input.matched.downcase
  else
    nil
  end
end

def parse_quoted_string
  if @input.scan(/"/)
    str = parse_quoted_contents
    @input.scan(/"/) or raise "unclosed string"
    str
  else
    nil
  end
end

def parse_quoted_contents
  @input.scan(/[^\\"]+/) and @input.matched
end

def parse_boost
  if @input.scan(/\^/)
    boost = @input.scan(/\d+/)
    raise 'missing boost value' if boost.nil?
    boost.to_i
  else
    nil
  end
end

def trim_space
  @input.scan(/\s+/)
end

Answer 3

这里有一个任意语法，要解析它，您真正需要的是词法分析器 - 您可以编写一个描述语法的语法文件，然后使用词法分析器从您的语法生成递归解析器。

编写词法分析器（甚至递归解析器）并不是一件简单的事 - 尽管它是编程中的一项有用练习 - 但您可以在此处的电子邮件中找到 Ruby 词法分析器/解析器的列表：http://newsgroups.derkeiler .com/Archive/Comp/comp.lang.ruby/2005-11/msg02233.html

LR 解析器：

• http://raa.ruby-lang.org/project/racc/（ruby 中的运行时扩展 1.8)
• http://raa.ruby-lang.org/project/rockit/（在 1.8 上不起作用？）

LL 解析器：http://raa.ruby-lang.org/project/coco-rb/

• http://rubyforge.org/projects/tdp4r/
• http://rubyforge.org/projects/coco-ruby/
• http://rubyforge.org/projects/grammar/

RACC 作为 Ruby 1.8 的标准模块提供，所以我建议你集中精力，即使它的手册不太容易理解并且需要熟悉 yacc。