在Java中解析latex-like語言

我正在嘗試在Java中編寫一個類似於Latex的簡單語言的解析器，即它包含大量的非結構化文本，並帶有一些\ commands {with} {some} {parameters}在之間。 \ \等逃逸序列也必須考慮在內。在Java中解析latex-like語言

我試着爲JavaCC生成一個解析器，但它看起來好像JavaCC這樣的編譯器編譯器只適用於高度結構化的代碼（典型用於通用編程語言），而不適用於凌亂的乳膠樣標記。到目前爲止，似乎我必須走低層次，編寫自己的有限狀態機。

所以我的問題是，什麼是最簡單的方法來解析大多數非結構化的輸入，只有少數類似Latex的命令？

編輯：由於Latex命令可以嵌套，例如使用有限狀態機，所以很困難。 \ cmd1 {\ cmd2 {\ cmd3 {...}}}

來源

2010-08-16 python dude

的規範資源[學習寫一個編譯器（HTTP： //stackoverflow.com/questions/1669/learning-to-write-a-compiler）。你的問題可能很小，以至於手工遞歸下降方法是有意義的。另外，我認爲你可能會混淆lexing和解析，這可能會使它看起來比它更難。 – dmckee 2010-08-16 16:33:35

您可以定義語法來接受Latex輸入，使用只需字符作爲最差投中的標記。爲此，JavaCC應該很好。

語法和解析器生成器的好處是它可以解析FSA遇到的問題，尤其是嵌套結構。

在你的語法第一切口可以是（我不知道這是有效的JavaCC，但它是合理的EBNF）：

Latex = item* ; 
item = command | rawtext ; 
command = command arguments ; 
command = '\' letter (letter | digit)* ; -- might pick this up as lexeme 
letter = 'a' | 'b' | ... | 'z' ; 
digit= '0' | ... | '9' ; 
arguments = epsilon | '{' item* '}' ; 
rawtext = (letter | digit | whitespace | punctuationminusbackslash)+ ; -- might pick this up as lexeme 
whitespace = ' ' | '\t' | '\n' | '\:0D' ; 
punctuationminusbackslash = '!' | ... | '^' ;

來源

2010-08-19 16:37:46

是的，這看起來像一個有效的解決方案。但我想知道是否將文本拆分爲單字符標記是不好的表現方式...... – 2010-08-20 06:48:51

@python dude：除非您的latex文件很大，否則我懷疑這一點很重要。你要求的是「最簡單」的方式來做到這一點，就是這樣！如果你想讓它更快，你可以實現一些非終結者（rawtext等）作爲更傳統的詞位。我已經稍微修改了語法以使其更容易。 – 2010-08-20 12:17:23

在Java中解析latex-like語言

回答

相關問題