Разбиение текста на блоки, (разделено) Опции

[Saraby]

Здрасте, я здесь новичок, так что не судите строго за вопросы.
У меня проблема связана с парсеровщиком. Нужно разбить текст на блоки (хотябы) и добавить эти блоки в таблицу (на сервере). На входе - текст вроде:
BEGIN bla-bla-bla
bla-bla-bla
END BEGIN;
Далее могут идти похожие блоки, но вместо BEGIN другие определенные слова.
Если есть какие-нибудь советы по такой разбивке, подскажите, буду очень благодарна.


PS В грамматиках я не очень, так что...

[Бродяжник]

Поскольку задача сформулирована очень обще, ответить толком трудновато. Если в общем случае текст имеет структуру вида
{ * } { * } { * }
где * - произвольный текст, а {} - пары некоторых ограничителей, и при этом между блоками нет никакого левого мусора, то задача упрощается. Если на самом деле все гораздо запутаннее, то...
Упрощенную задачу можно решать так:
Считываем из входного потока произвольный открывающий разделитель. Если это не он, то выдаем ошибку. А если он, то запоминаем его и читаем из входного потока текст, накапливая его в буфер. Как только мы натыкаемся на что-то, что не есть текст, смотрим: это что? ожидаемый закрывающий разделитель? Или какое-то левое служебное слово? Если левое, выдаем ошибку. Если это правильный разделитель, то кидаем содержимое буфера на сервер и возвращаемся в начало цикла, чтобы прочесть очередной произвольный открывающий разделитель. Вот пока и все. Немного сумбурно...

[Saraby]

Нет, мусора между блоками нет (в идеале). Проблема в том, что вместо ограничителя (char) стоит слово (string). Как проверить начинается ли строка с "зарезервированного" слова и заканчивается ли она "зарезервированным" словом - что в совокупности составляет блок, который мне нужен.

Ну например текст:

SING abc IS "Алфавит"
HEAD ('Упорядоченная последовательность символов')
END SING;

LOG adsdd IS "Измененный алфавит"
HEAD ('Последовательность символов')
END LOG;

Мне извесно, что этот текст (строка) содержит блоки, которые должны начинаться со слова SING или LOG и заканчиваться END SING; или END LOG; соответственно. Так вот, мне нужно взять по отдельности каждый блок и одновременно проверить их на правильность, т е чтобы на выходе не было результата вроде:

LOG adsdd IS "Измененный алфавит"
HEAD ('Упорядоченная последовательность символов')
END SING;


???

Сообщение отредактировано: Saraby - 17.03.2006 16:36

[hardcase]

Могу дать парсер строки, который способен разбивать строку на токены - числа, операторы, идентификаторы и терминальные символы, которые ты сам можешь указать (строковые константы не поддерживаются). Кроме того, парсер чувствителен к регистру (так и не добавил опции отключения сей протеворечивой функции)

Всё написано мною на делфи, протестено.

А возможно использовать другой тип входных файлов? Например использовать XML формат.
И сбросить парсинг XML на DOM-инспектора. Это скорее всего лучший вариант.

Вот пример использования парсера:

procedure TForm1.OnLexem(Sender: TLexParser; const Lexem: TLexem);
  var S: string;
  begin
//    Lexem.Rec - это поле заполнено, в случае, если лексема является
//          идентификатором или ключевым словом
//          в других случаях придётся вытаскивать лексему используя Copy

    S:=Copy(Line, Lexem.Pos, Lexem.Length); //вытаскиваем лексему
    Memo1.Lines.Add(Format('%s %s',[S, LEXEMKIND[Lexem.Kind]]));
  end;

procedure TForm1.Button1Click(Sender: TObject);
  var Parser: TLexParser;
  begin
    Memo1.Clear;
//в конструкторе можно указать класс хэш-записи
// это нужно я не знаю для чего (на всякий случай эту опцию сохранил)
    Parser:=TLexParser.Create;

    Parser.EmitSpace:=false;  //отключаем "узнавание" пробелов и табов
                              //(он их будет пропускать)
    Parser.EmitEOL:=false;   //отключам маркер конца строки

 //ограничение на идентификаторы:
 // использовать можно тока символы (и цыфры) или
 // только знаки и скобки

    Parser.AddWord('begin', wtKeyword); // добавляем "ключевое слово"
    Parser.AddWord('end',wtKeyword);

    Parser.AddWord('+', wtOperator); //добавляем оператор "плюс"
    Parser.AddWord('and',wtOperator);

    Line:=Edit1.Text;

    Parser.ProcessLine(PChar(Line),Length(Line), OnLexem);

// есть перегруженная версия ProcessLine которая
// возвращает массив лексем

    Parser.Free;
  end;

[Saraby]

спасиб, тока разобраться - не меньше, чем 0,5 литра надо. У меня еще вопрос - как реализовать проверку текста с помощью case..end - есть текст, мы бежим циклом по каждому символу и в конструкции case делаем определенные действия в зависимости от того, символ это алфавитный или цифра, или еще какая нибудь закорючка. Если будет пример такого кусочка кода - то отдельное тому спасибо.

[Бродяжник]

Типа так? (TP 6.0)

Program Example;

Var
  f: file of char;
  c: char;

Begin
  Assign(f,'input.txt');
  Reset(f);

  While not EoF(f) do
    begin
      Read(f,c);

      case c of
         '0'..'9':
                   begin
                       { It is a digit }
                   end;
         'A'..'Z','a'..'z':
                   begin
                       { It is a Latin letter }
                   end;
         '$':
                   begin
                       { It is an US Dollar }
                   end;
            else begin
                       { Any other Character }
                   end;               
      end;
    end;

  Close(f);
End.

[Saraby]

Спасибо тебе большое, именно это мне и надо было!

[Бродяжник]

Пожалуйста!

[Saraby]

Пожалуйста!

А ета все можно только если текст находится в файле?

[Бродяжник]

А где он находится?
"Скажи, и я скажу..."

[Saraby]

А где он находится?
"Скажи, и я скажу..."

пусть ета просто строка s : string;

[volvo]

For i := 1 to Length(s) Do
  Case s[i] Of
  ... { То же самое, что приводил Бродяжник }
  End;

[Saraby]

Спасибо, пока пищи для размышления много и свою первоначальную задачу я может быть решу, но конечно хотелось бы знать, если кто-то подобным занимался, есть ли более удобный, простой или "эргономичный" способ решения такого рода задач - я имею ввиду парсинг строк какого-либо кода?

[Saraby]

Function StrOneSpace(s: String): String;
Функция удаляет из строки все лишние пробелы таким образом, что между остальными символами всегда остается только один пробел.

вот эта цитата из паскалевского фака по строкам, туда я вопрос задавать не решаюсь, но не задавать его тоже глупо! Поэтому вопрос такой: а если в строке есть символы #13 и их надо заменить на один пробел, причем неизвесно сколько #13 символов между словами, т.е. bla#13#32#32#13bla - короче надо заменить всю лабуду между словами bla bla на один пробел. Это как делается?

[volvo]

Ты об этом:

type
  CharSet = set of char;

function OneDelim(s: string; delim: CharSet): string;
var i, k: byte;
begin

  i := 1;
  while i <= length(s) do begin
    if s[ i ] in delim then begin
      k := 0;
      while s[i + k] in delim do inc(k);
      delete(s, i, k);
      insert(#32, s, i);
    end;
    inc(i);
  end;
  OneDelim := s;
end;


const
  s: string = 'bla'#13#13#32#13#32'bla';
begin
  writeln(s);
  s := OneDelim(s, [#13, #32]);
  writeln(s);
end.

?

Я только одного не пойму: если тема в разделе Дельфи, почему тебя вообще интересует Паскалевский FAQ? В Дельфях есть столько своих функций для работы со строками, что Паскалю и не снилось!!! Почему ты их не используешь?

Или тему перенести в "Паскаль", чтобы избежать путаницы в дальнейшем?

[Saraby]

Я только одного не пойму: если тема в разделе Дельфи, почему тебя вообще интересует Паскалевский FAQ? В Дельфях есть столько своих функций для работы со строками, что Паскалю и не снилось!!! Почему ты их не используешь?

Или тему перенести в "Паскаль", чтобы избежать путаницы в дальнейшем?

Да, я об этом, а тему переносить не надо, я просто, видимо, не все дельфовские функции знаю, а тут FAQ про паскалевские строки подвернулся, вот я и решила задать вопрос...sorry

[hardcase]

я просто, видимо, не все дельфовские функции знаю

Набери в дельфийской справке String handling routines - он тебе полный список доступных функций расскажет.