捕獲不明確的文本片段的最佳方法是什麼？

Question

在以下情況下捕獲內部文本的最佳方式是什麼？

inner_text = any*; 
tag_cdata = '<![CDATA[' inner_text >cdata_start %cdata_end ']]>'; 

的問題是，它似乎像cdata_end動作閃光幾次由於事實inner_text可以匹配]。

Answer 1

我找到了解決方案。你需要處理非確定性。目前還不清楚最初，但正確的解決辦法是這樣的：

inner_text = any*; 
tag_cdata = '<![CDATA[' inner_text >text_begin %text_end ']]>' %cdata_end; 

action text_begin { 
    text_begin_at = p; 
} 

action text_end { 
    text_end_at = p; 
} 

action cdata_end { 
    delegate.cdata(data.byteslice(text_begin_at, text_end_at-text_begin_at)) 
} 

從本質上講，你等到你確信你射擊的回調，使用信息，您先前捕獲的前解析一個完整的CDATA標籤。

此外，我發現Ragel中的某些形式的非確定性需要使用優先級明確處理。雖然這看起來有點難看，但它在某些情況下是唯一的解決方案。

在處理諸如(a+ >a_begin %a_end | b)*這樣的模式時，您會發現遇到的每個單個a都會調用這些事件，而不是最長的子序列。在某些情況下，可以使用最長匹配kleene星形**來解決這個模糊問題。它所做的是喜歡匹配現有的模式而不是環繞。

令我驚訝的是，這實際上也改變了事件被調用的方式。作爲一個例子，這將產生一個機器調用回調時，這是無法在一個時間緩衝不止一個字符：

%%{ 
    machine example; 

    action a_begin {} 
    action a_end {} 

    main := ('a'+ >a_begin %a_end | 'b')*; 
}%% 

產地：

你會發現，它調用a_begin和a_end每次。

與此相反，我們可以使內環和事件處理貪婪：

%%{ 
    machine example; 

    action a_begin {} 
    action a_end {} 

    main := ('a'+ >a_begin %a_end | 'b')**; 
}%% 

主要生產：