有很多可用的 Python 解析器程序庫。我已經在本專欄中討論過 mx.TextTools、SimpleParse 和 SPARK，并在我的書中介紹了 PLY（請參閱 參考資料，獲得這些文檔的鏈接）。無需考慮，我也知道有 PyGgy、Yapps、PLEX、PyLR、PyParsing 和 TPG，而且我還模糊地記得讀過半打其他解析器的聲明。用戶可能會對此門類感到失落，不是因為缺少高質量程序庫，而是太多了。
DParser 與所有其他解析器的不同之處是什么？是這樣，類似于 PLY 和 Spark，用于 Python 的 DParser 使用函數文檔字符串來表示其結果（productions）。這種風格使得您可以將動作代碼直接插入到一個結果中，以處理當一個特定的語法規則得到滿足時將發生的事件。與 PLY 或 Spark 相反，DParser 本身是用 C 編寫的，因而可能會比純粹的 Python 解析器快得多。用于 Python 的 DParser 是底層的 C 程序庫之外的一個非常精簡的包裝器（wrapper） —— 對 Python 的回調需要一些額外的時間，但是基本的解析是以 C 語言的速度來進行的。不過，就本文而言，我沒有嘗試進行任何具體的基準測試。所以，相對于其他解析器來說，DParser 到底有多快或多慢不是我所能直接評論的。
就我自己而言，我仍是非常喜歡 SimpleParse 的方法。SimpleParse 是快速的 mx.TextTools 程序庫（也是用 C 所編寫的）的一個包裝器，可以將 EBNF 語法語言從 Python 代碼中完全分離出來。一般來說，使用 SimpleParse 就意味著在一個函數調用中生成一個解析樹，然后在分開的代碼中遍歷這個樹。對于特別大的被解析的文檔來說，這種兩步方法可能是低效的，但是我發現這樣更容易理解編寫的代碼。
盡管如此，還是有很多讀者推薦說用于 Python DParaser 值得關注，雖然我更喜歡單獨的 EBNF 定義。順便提一句，如您將在示例中所看到的，DParser 不使用任何單獨的標記傳遞，而只是直接解析。您可以通過定義保留的 d_whitespace() 函數來控制空格的識別（它分離解析符號）；這樣就使得您可以隨意使用標記。
找到最長的結果
作為用于 Python 的 DParser 程序的第一個示例，我創建了一個查找幾個模式的語法，這些模式依次為另一個的子結果。這個語法處理的問題類似于很多解析器遇到的“dangling else”問題。具體說，也就是您如何才能知道什么時候停止查找更長的結果？（例如，“if”后是否跟有“else”？）我的語法會去分析的短語可能按次序包括有以“a”、“b”和“c” 結尾的單詞。所有沒有被包括進來的單詞只是短語的“head”或“tail”的部分。這需要一些例子來展示。首先，程序本身：
清單 1. 解析器 abc.py
#!/usr/bin/env python2.3
"Identify sequence of a-, b-, c- words"
#
#-- The grammar
def d_phrase(t, s):
'phrase : words ( ABC | AB | A ) words'
print "Head:", ''.join(s[0])
print t[1][0]+":", ''.join(s[1])
print "Tail:", ''.join(s[2])
def d_words(t):
'words : word*'
def d_word(t):
'word : "[a-z]+" '
def d_A(t):
'''A : "a[a-z]*" '''
return 'A'
def d_AB(t):
'''AB : A "b[a-z]*" '''
return 'AB'
def d_ABC(t):
'''ABC : AB "c[a-z]*" '''
return 'ABC'
#
#-- Parse STDIN
from dparser import Parser
from sys import argv, stdin
phrase, arg = stdin.read(), argv[-1]
Parser().parse(phrase,
print_debug_info=(arg=='--debug'))
讓我們給出一些短語來運行這個解析器，如下：
清單 2. 簡單地解析短語
$ echo -n "alpha" | ./abc.py
Head:
A: alpha
Tail:
echo -n "xavier alpha beta charlie will" | ./abc.py
Head: xavier
ABC: alpha beta charlie
Tail: will
$ echo -n "mable delta xavier bruce" | ./abc.py
Traceback (most recent call last): [...]
dparser.SyntaxError:
syntax error, line:1
mable delta xavier bruce[syntax error]
顯然，到目前為止，一切都沒問題。我的語法當其條件允許時找到了一個 ABC，但是當只能找到 A 或者 AB 時，也能滿足于此。
不過說實話，當遇到含糊的短語時，我的語法會有很多問題。在大部分情況下，當 DParser 不能確定如何解析一個短語時，它會陷入一個無限循環（可能是最壞的結果；至少回溯或者報告的錯誤可以告訴您哪里出現了問題）。有時（至少在我的 Mac OSX 機器上），它會轉而生成一個“Bus error”。那些情形我哪個都不喜歡。
處理含糊的短語
由于所有的最終結果都有相同的優先級，所以解析器不能確定如何解析類似如下的內容：
清單 3. 嘗試解析一個含糊的短語
$ echo -n "alex bruce alice benny carl" | ./abc.py
AB 在前然后是單詞？單詞在前然后是 ABC？對于那個問題來說，它是全部都是單詞嗎（包括五個單詞結果），它是不是應該引發一個 dparser.SyntaxError？我最后會得到一個“Bus error” 或停止了的任務，而不是一個解析。在先前的例子中，含糊的短語碰巧被解析出來的原因在于每個結果的急切性（eagerness）；一旦找到一個 ABC，則先導和結尾單詞就都各就其位。
實際上，在先前的語法可以生效的情況下，要確切地理解為什么能夠生效很令人迷惑 —— 在某種程度上，比理解為什么它有時不能生效更令人迷惑。
讓我們假定我們希望解析一個短語，并當存在 ABC 結果時找它，即便在從左到右的遍歷過程中，有一些其他的結果（也就是 AB）得到了滿足。我可以通過提高 ABC 最終結果的優先級來完成：
清單 4. abc2.py 中修訂的 d_ABC() 結果函數
def d_ABC(t):
'ABC : AB "c[a-z]*" $term 1'
return 'ABC'
如果沒有指定優先級，則結果的優先級是 0。否則，任何正整數或負整數都可以用來對結果排序�，F在我們可以運行：
清單 5. 成功地找到后面的 ABC
$ echo -n "alex bruce alice benny carl" | ./abc2.py
Head: alex bruce
ABC: alice benny carl
Tail:
注意，在解析器尋找末尾的單詞之前，會嘗試（ABC|AB|A）系列中的全部可選項。所以這樣不需要任何優先級規范就可以成功。
清單 6. A 與 AB 之間不存在含糊短語問題
$ echo -n "alex alice benny" | ./abc.py Head: alex
AB: alice benny
Tail:
在處理含糊短語時 DParser 的行為中，我發現了一些難以解釋的異�，F象。例如，添加一個絕對不是 A 的末尾單詞，解析器可以工作 —— 但 只能 在有調試信息的條件下運行!
清單 7. 處理含糊短語時的不穩定行為
$ echo -n "alex bruce alice benny carl dave" | ./abc.py
[...process freezes...]
$ echo -n "alex bruce alice benny carl dave" | ./abc.py --debug
[...debugging trace of speculative and final productions...]
Head: alex bruce
ABC: alice benny carl
Tail: dave
abc2.py 中的優先級規范會完成任意一種情況下的解析。
含糊短語的解析相當難以捉摸，難以確切理解�；旧�，結果的生成是按遍歷的順序從左到右執行的，每一個結果都嘗試去從左到右獲取盡可能多的單詞。只有當向前查找過程中發生明顯錯誤時，才會進行回溯�？傊�，這只是大概。
調試簡介
DParser 可以顯示調試信息的選項，這是我所喜歡的它的一個方面。觀察這些信息并不是直觀地創建正確語法所必需的，但是至少可以通過它洞察當處理特定的短語時解析器所采取的動作。例如：
清單 8. 展示對不確定結果的追蹤
#------- Showing a trace of speculative productions
$ echo -n "alex alice benny carl dave" | ./abc2.py --debug
d_words ???:
d_A ???: alex
d_word ???: alex
d_words ???:
d_phrase ???: alex
d_words ???: alex
d_A ???: alice
d_word ???: alice
d_words ???:
d_words ???: alice
d_phrase ???: alex alice
d_phrase ???: alex alice
d_words ???: alex alice
d_word ???: benny
d_AB ???: alice benny
d_words ???: benny
d_words ???: alice benny
d_words ???:
d_phrase ???: al
延伸閱讀
文章來源于領測軟件測試網 http://www.kjueaiud.com/
