如果回溯,为什么 attoparsec 需要 manyTill?

Why does attoparsec need manyTill if it backtracks?

考虑这些不同的解析器组合器的用法。

import Control.Applicative.Combinators
import Text.Regex.Applicative
 
main :: IO ()
main = do
  let parser1 = sym '"' *> manyTill anySym (sym '"')
  print $ match parser1 "\"abc\""
  let parser2 = sym '"' *> many anySym <* sym '"'
  print $ match parser2 "\"abc\""
import Control.Applicative.Combinators            
import Text.ParserCombinators.ReadP hiding(many, manyTill)
 
main :: IO ()
main = do
  let parser1 = char '"' *> manyTill get (char '"')
  print $ readP_to_S parser1 "\"abc\""
  let parser2 = char '"' *> many get <* char '"'
  print $ readP_to_S parser2 "\"abc\""
{-# LANGUAGE OverloadedStrings #-}
 
import Control.Applicative.Combinators
import Data.Attoparsec.Text hiding(manyTill)
 
main :: IO ()
main = do
  let parser1 = char '"' *> manyTill anyChar (char '"')
  print $ parseOnly parser1 "\"abc\""
  let parser2 = char '"' *> many anyChar <* char '"'
  print $ parseOnly parser2 "\"abc\""
import Control.Applicative.Combinators
import Text.Megaparsec hiding(many, manyTill)
import Data.Void

main :: IO ()
main = do
  let parser1 = single '"' *> manyTill anySingle (single '"') :: Parsec Void String String
  print $ parseMaybe parser1 "\"abc\""
  let parser2 = single '"' *> many anySingle <* single '"' :: Parsec Void String String
  print $ parseMaybe parser2 "\"abc\""

对于所有四个,manyTill 解析器成功匹配 abc,因为这不依赖于回溯。对于 regex-applicativeReadPmany 解析器也成功匹配 abc,因为它们都默认回溯。对于 megaparsecmany 解析器无法匹配,因为默认情况下它不会回溯。到目前为止,一切都说得通。然而,对于 attoparsecmany 解析器无法匹配,即使它确实回溯:its documentation 表示“attoparsec 解析器总是在失败时回溯”和“如果您将增量输入提供给 a解析器,它将需要与您提供的输入量成比例的内存。(这是支持任意回溯所必需的。)”。为什么是这样?这不就是回溯吗?

Attoparsec 文档中“回溯”的含义与其他回溯解析器的回溯含义不同。

它有助于复习在将 try 用于秒差距或百万秒差距解析器时“回溯”的含义。这些解析器有一个概念,即在使用输入后失败(“consume err”= cerr)与在不使用任何东西后失败(“empty err”= eerr)。对于这些解析器,p <|> q 替代运算符以不同方式处理 p 的失败,如果它是 cerr(立即使整个 p <|> q 失败)和 eerr(尝试替代 q)。 try 函数通过将 cerr 转换为 eerr 来回溯。也就是说,try p <|> q 将在事件 p 因 cerr 而失败时“回溯”输入流的错误消费。这是一个在备选方案中对失败进行回溯的单步(尽管使用嵌套try调用,可以在sequence/cascade个解析失败中执行多个回溯步骤)。

Attoparsec 不区分 cerr 和 eerr,因此就好像所有解析器都被 try 调用包围一样。这意味着它会自动执行多个替代方案中的失败回溯步骤。

ReadP 通过同时并行评估每个可能的解析,丢弃那些曾经失败的解析,并选择剩下的“第一个”解析来隐式回溯。 它在所有可能的解析树上“回溯”失败,无论失败是否在替代上下文中生成。

事实证明,“在备选方案中对失败进行多步回溯”是一种比“在所有可能的解析树上回溯”更适度的回溯形式。

几个简化的例子可能有助于显示差异。考虑解析器:

(anyChar *> char 'a') <|> char 'b'

和输入字符串 "bd"。此解析器因 Parsec/Megaparsec 而失败。左侧的替代方案在失败之前使用 "b"anyChar,消耗了输入 (cerr),并且整个解析器失败。不过,这对 Attoparsec 工作得很好:左侧的替代方案在 char 'a' 处失败,并且 Attoparsec 在替代方案中回溯此失败以尝试成功的 char 'b'。它还与 ReadP 一起工作,它并行构造所有可能的解析,然后在 char 'a' 失败时从左侧替代项中丢弃解析,从而导致 char 'b'.[= 的单个成功解析54=]

现在,考虑解析器:

(anyChar <|> pure '*') *> char 'b'

和输入字符串 "b"。 (回想一下 pure '*' 不消耗任何东西并且总是成功。)这个解析器失败并显示 Parsec/Megaparsec,因为 anyChar 解析 "b"pure '*' 被忽略,并且char 'b' 不匹配空字符串。它也因 Attoparsec 而失败:anyChar 成功解析了 "b",并且在替代方案的上下文中没有失败,因此没有回溯尝试 pure '*' 替代方案。随后尝试用 char 'b' 解析空字符串失败。 (这个失败,如果它发生在另一个替代方案的上下文中,可能会导致回溯那个替代方案,但永远不会重新考虑这个pure '*'替代品。)

相比之下,ReadP 解析得很好。 ReadP 并行解析备选方案,考虑到 anyChar 解析 "b"pure '*' 什么都不解析。当尝试 char 'b' 解析时,前者失败但后者成功。

回到你的例子。用Attoparsec解析时,因为:

many p = ((:) <$> p <*> many p) <|> pure []

左边的选择 (:) <$> anyChar <*> many anyChar 将继续成功匹配,直到 anyChar 匹配右引号的那一点。在 EOF 处,左侧将失败(不消耗输入,尽管 Attoparsec 不关心这一点),右侧将成功。替代方案中唯一的失败是在 EOF 处,它无论如何都没有消耗任何东西,因此 Attoparsec 的自动“回溯”不起作用; Megaparsec 会做同样的事情。无论如何,一旦这个 many anyChar 成功,它就不会被重新访问,即使终止 char '"' 随后失败。

所以,这就是为什么你需要manyTill来明确地监视终止符。