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包含多行部分的文本.. 我不知道该怎么做。这是我到目前为止编写的语法 - 如果您能在这里提供任何帮助，我们将不胜感激。

ps：我意识到百灵鸟对这个问题有点矫枉过正，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地方，这意味着语法的其余部分无法正常工作。相反，您应该将终端限制在一条线路上，并赋予它比其余部分更低的优先级。

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 规则转换成您想要的，但由于您声称这实际上不是您的确切问题，所以我不会在这里费心。

用 lark 语法识别多行部分

recognizing multi-line sections with lark grammar

lark-parser