lark-parser - 用 Lark 语法识别多行部分

Question

我正在尝试编写一个简单的语法来解析具有多行部分的文本。我无法理解如何去做。这是我到目前为止写的语法 - 在这里将不胜感激。

ps：我意识到云雀对于这个问题来说太过分了，但这只是我试图解析的一个非常简化的版本。

from unittest import TestCase
from lark import Lark

text = '''
[section 1]
line 1.1
line 1.2

[section 2]
line 2.1
'''

class TestLexer(TestCase):

    def test_basic(self):
        p = Lark(r"""

            _LB: "["
            _RB: "]"
            _NL: /\n/+
            name: /[^]]+/
            content: /.+/s

            section: _NL* _LB name _RB _NL* content
            doc: section*

        """, parser='lalr', start='doc')


        parsed = p.parse(text)

Answer 1

问题是您的content正则表达式可以匹配任何长度的任何位置，这意味着语法的其余部分无法正常工作。相反，您应该将终端限制为单行，并赋予其比其他终端更低的优先级。

p = Lark(r"""

    _NL: /\n/+
    name: /[^]]+/
    content: (ANY_LINE _NL)+
    ANY_LINE.-1: /.+/

    section: _NL* "[" name "]" _NL* content
    doc: section*

""", parser='lalr', start='doc')

您现在可能需要一些额外的工作来将content规则转换为您想要的，但是由于您声称这实际上不是您的确切问题，所以我不会在这里打扰。