了解 DParser for Python

核心提示：首先初步了解 DParser 这一由 J. Plevyak 编写的简单而强大的解析工具，然后了解用于 Python 的DParser，了解 DParser for Python，它为 Python 程序员提供了一个访问 DParser 的无缝接口，并看看它与上一期中介绍的解析器的比较，对于特别大的被解析的文档来说，这种

首先初步了解 DParser 这一由 J. Plevyak 编写的简单而强大的解析工具。然后了解用于 Python 的DParser，它为 Python 程序员提供了一个访问 DParser 的无缝接口，并看看它与上一期中介绍的解析器的比较。语法规则以类似于 Spark 或 PLY 的方式通过 Python 函数文档字符串加入到 DParser 中。

有很多可用的 Python 解析器程序库。我已经在本专栏中讨论过 mx.TextTools、SimpleParse 和 SPARK，并在我的书中介绍了 PLY（请参阅 参考资料，获得这些文档的链接）。无需考虑，我也知道有 PyGgy、Yapps、PLEX、PyLR、PyParsing 和 TPG，而且我还模糊地记得读过半打其他解析器的声明。用户可能会对此门类感到失落，不是因为缺少高质量程序库，而是太多了。

DParser 与所有其他解析器的不同之处是什么？是这样，类似于 PLY 和 Spark，用于 Python 的 DParser 使用函数文档字符串来表示其结果（productions）。这种风格使得您可以将动作代码直接插入到一个结果中，以处理当一个特定的语法规则得到满足时将发生的事件。与 PLY 或 Spark 相反，DParser 本身是用 C 编写的，因而可能会比纯粹的 Python 解析器快得多。用于 Python 的 DParser 是底层的 C 程序库之外的一个非常精简的包装器（wrapper） —— 对 Python 的回调需要一些额外的时间，但是基本的解析是以 C 语言的速度来进行的。不过，就本文而言，我没有尝试进行任何具体的基准测试。所以，相对于其他解析器来说，DParser 到底有多快或多慢不是我所能直接评论的。

就我自己而言，我仍是非常喜欢 SimpleParse 的方法。SimpleParse 是快速的 mx.TextTools 程序库（也是用 C 所编写的）的一个包装器，可以将 EBNF 语法语言从 Python 代码中完全分离出来。一般来说，使用 SimpleParse 就意味着在一个函数调用中生成一个解析树，然后在分开的代码中遍历这个树。对于特别大的被解析的文档来说，这种两步方法可能是低效的，但是我发现这样更容易理解编写的代码。