解析 Haskell 中的字符 (――) 时出错

Question

我正在编写一个解析器来使用 attoparsec 解析大量英文文本。到目前为止一切都很好，除了解析这个字符 "――"。我知道这只是 2 个破折号 "--"。奇怪的是，解析器在这段代码中捕获了它：

wordSeparator :: Parser ()
wordSeparator = many1 (space <|> satisfy (inClass "――?!,:")) >> pure ()

但在这种情况下不是：

specialChars = ['――', '?', '!', ',', ':']
wordSeparator :: Parser ()
wordSeparator = many1 (space <|> satisfy (inClass specialChars)) >> pure ()

我使用列表 specialChars 的原因是因为我有很多字符需要考虑并且我将它应用到多个案例中。对于输入，请考虑："I am ――Walt Whitman._" 并且输出应该是 {"I", "am", "Walt", "Whiteman."} 我相信这主要是因为 "――" 不是 Char？我该如何解决？

Answer 1

一个Char是一个字符，句号。 ――是两个字符，所以是两个Char。您可以将任意多的 Char 装入一个 String，但您肯定不能将两个 Char 装入一个 Char.

由于 satisfy 一次考虑单个字符，如果您需要将两个字符的序列作为一个单元进行解析，这可能不是您想要的。 inClass 函数只产生一个字符谓词（inClass 部分应用于一个参数产生类型 Char -> Bool 的函数），因此 inClass "――" 与 [=23= 相同]，这与 inClass ['―'] 相同，因为重复项无关紧要。那对你帮助不大。

考虑使用 string 代替 inClass 或与 inClass 结合使用，因为它旨在处理 字符序列 。例如，这样的内容可能更适合您的需求：

wordSeparator :: Parser ()
wordSeparator = many1 (space <|> string "――" <|> satisfy (inClass "?!,:")) >> pure ()

解析 Haskell 中的字符 (――) 时出错

Error parsing a char (――) in Haskell

haskell

attoparsec