如何使用 nom 解析稍微模糊的数据？

Question

在 RFC1738 中，domainlabel 的 BNF 如下：

domainlabel = alphadigit | alphadigit *[ alphadigit | "-" ] alphadigit

也就是说，它要么是字母数字，要么是一个字符串，其中 first/last 个字符必须是字母数字，但中间字符可以是字母数字或破折号。

如何使用 nom 实现此功能？忽略单字符场景以简化案例，我最后的尝试是：

fn domain_label(s: &[u8]) -> IResult<&[u8], (&[u8], &[u8], &[u8])> {
    let left = take_while_m_n(1, 1, is_alphanumeric);
    let middle = take_while(|c| is_alphanumeric(c) || c == b'-');
    let right = take_while_m_n(1, 1, is_alphanumeric);
    let whole = tuple((left, middle, right));
    whole(s)
}

这个问题是 middle 可以消耗最后一个字符，因此 right 失败，因为没有字符可以消耗。

println!("{:?}", domain_label(b"abcde"));
Err(Error(([], TakeWhileMN)))

解析器应该能够尝试所有可能的消费路径，但是 nom 如何做到这一点？

Answer 1

domainlabel = alphadigit | alphadigit *[ alphadigit | "-" ] alphadigit

它是由任意数量的字符分隔的一系列字母数字序列-。所以这是一种方法：

use nom::bytes::complete::{tag, take_while1};
use nom::character::is_alphanumeric;
use nom::combinator::recognize;
use nom::multi::{many1, separated_list};
use nom::IResult;

fn domain_label(input: &[u8]) -> IResult<&[u8], &[u8]> {
    let alphadigits = take_while1(is_alphanumeric);
    let delimiter = many1(tag(b"-"));
    let parser = separated_list(delimiter, alphadigits);

    recognize(parser)(input)
}

fn main() {
    let (_, res) = domain_label(b"abcde").unwrap();
    assert_eq!(res, b"abcde");
    let (_, res) = domain_label(b"abcde-123-xyz-").unwrap();
    assert_eq!(res, b"abcde-123-xyz");
    let (_, res) = domain_label(b"rust-lang--1---37---0.org").unwrap();
    assert_eq!(res, b"rust-lang--1---37---0");
}

注意，您不需要成功解析的各个部分。结果只是符合域标签 BNF 的最长输入。这就是 recognize 组合子的用武之地。

如何使用 nom 解析稍微模糊的数据？

How to parse slightly ambiguous data using nom?

rust

nom