可爱的 Python: 使用 Spark 模块解析

核心提示： 清单 1. typographify.defpara:= (plain / markup)+plain := (word / whitespace / punctuation)+whitespace:= [ ]+alphanums := [a-zA-Z0-9]+word:= alphanu

清单 1. typographify.defpara　　　　:= (plain / markup)+
plain　　　 := (word / whitespace / punctuation)+
whitespace　:= [ 　　
]+
alphanums　 := [a-zA-Z0-9]+
word　　　　:= alphanums, (wordpunct, alphanums)*, contraction?
wordpunct　 := [-_]
contraction := "'", ('am'/'clock'/'d'/'ll'/'m'/'re'/'s'/'t'/'ve')
markup　　　:= emph / strong / module / code / title
emph　　　　:= '-', plain, '-'
strong　　　:= '*', plain, '*'
module　　　:= '[', plain, ']'
code　　　　:= "'", plain, "'"
title　　　 := '_', plain, '_'
punctuation := (safepunct / mdash)
mdash　　　 := '--'
safepunct　 := [!@#$%^&()+=|{}:;<>,.?/"]

Spark 简介

Spark 解析器与 EBNF 语法有一些共同之处，但它将解析／处理过程分成了比传统的 EBNF 语法所允许的更小的组件。Spark 的优点在于，它对整个过程中每一步操作的控制都进行了微调，还提供了将定制代码插入到过程中的能力。您如果读过本系列的 SimpleParse 那篇文章，您就会回想起我们的过程是比较粗略的：1）从语法（并从源文件）生成完整的标记列表，2）使用标记列表作为定制编程操作的数据。

Spark 与标准的基于 EBNF 的工具相比缺点在于，它比较冗长，而且缺少直接的出现计量符（即表示存在的“+”，表示可能性的“*”和表示有限制性的“?”）。计量符可以在 Spark 记号赋予器（tokenizer）的正则表达式中使用，并可以用解析表达式语法中的递归来进行模拟。如果 Spark 允许在语法表达式中使用计量，那就更好了。另一个值得一提的缺点是，Spark 的速度与 SimpleParse 使用的基于 C 的底层 mxTextTools 引擎相比逊色很多。