解析和字符集：为什么我的脚本不起作用

Question

我只想提取 attribute1 和 attribute3 值。我不明白为什么 charset 在我的情况下似乎无法“跳过”任何其他属性（attribute3 没有按照我的意愿提取）：

content: {<tag attribute1="valueattribute1" attribute2="valueattribute2" attribute3="valueattribute3">
</tag>
<tag attribute2="valueattribute21" attribute1="valueattribute11" >
</tag>
}


attribute1: [{attribute1="} copy valueattribute1 to {"} thru {"}]
attribute3: [{attribute3="} copy valueattribute3 to {"} thru {"}]

spacer: charset reduce [tab newline #" "]
letter: complement spacer 
to-space: [some letter | end]

attributes-rule: [(valueattribute1: none valueattribute3: none) [attribute1 | none] any letter [attribute3 | none] (print valueattribute1 print valueattribute3)
| [attribute3 | none] any letter [attribute1 | none] (print valueattribute3 print valueattribute1
valueattribute1: none valueattribute3: none
)
| none
]

rule: [any [to {<tag } thru {<tag } attributes-rule {>} to {</tag>} thru {</tag>}] to end]

parse content rule

输出是

>> parse content rule
valueattribute1
none
== true
>>

Answer 1

首先，您没有使用parse/all。在 Rebol 2 中，这意味着在解析运行之前空格已被有效去除。在 Rebol 3 中情况并非如此：如果您的解析规则采用块格式（正如您在此处所做的那样），则隐含 /all 。

（注：人们似乎一致认为 Rebol 3 将抛出出非块形式的解析规则，有利于那些“最小”解析场景的 split 函数，这将完全摆脱 /all 。不幸的是，尚未对此采取任何行动。）

其次，您的代码存在错误，我不会花时间来解决这些错误。 （这主要是因为我认为使用 Rebol 的解析来处理 XML/HTML 是一个相当愚蠢的想法 :P）

但是不要忘记您有一个重要的工具。如果您在解析规则中使用设置字，那么会将解析位置捕获到变量中。然后您可以将其打印出来并查看您所在的位置。将 attribute-rule 中您首先说 any letter 的部分更改为 pos: (print pos) any letter，您将看到以下内容：

>> parse/all content rule
 attribute2="valueattribute2" attribute3="valueattribute3">
</tag>
<tag attribute2="valueattribute21" attribute1="valueattribute11" >
</tag>

valueattribute1
none
== true

看到前导空格了吗？您在任何字母之前的规则将您置于一个空格...既然您说任何字母都可以，那么没有字母都可以，一切都被抛弃了。

（注意：Rebol 3 有一个更好的调试工具...单词 ??。当您将其放入解析块时，它会告诉您当前正在处理的标记/规则以及输入的状态。使用此工具，您可以更轻松地了解正在发生的情况：

>> parse "hello world" ["hello" ?? space ?? "world"]
space: " world"
"world": "world"
== true

...尽管现在 r3 mac intel 上确实存在错误。）

此外，如果如果您没有使用copy，那么您的to X thru X模式是不必要的，您只需使用thru X即可实现这一点。如果您想进行复制，也可以使用更简短的 copy Y to X X 来完成，或者如果它只是一个符号，您可以编写更清晰的 copy Y to Xski

在您发现自己编写重复代码的地方，请记住 Rebol 可以通过使用 compose 等来更进一步：

>> temp: [thru (rejoin [{attribute} num {=}]) 
          copy (to-word rejoin [{valueattribute} num]) to {"} thru {"}]

>> num: 1
>> attribute1: compose temp
== [thru "attribute1=" copy valueattribute1 to {"} thru {"}]

>> num: 2
>> attribute2: compose temp
== [thru "attribute2=" copy valueattribute2 to {"} thru {"}]

Answer 2

简短的回答，[任何字母]都会吃掉你的 attribute3="..." 因为 #"^"" 字符根据你的定义是一个“字母”。此外，如果没有 attribute2，那么你的通用第二个属性规则可能会出现问题将吃attribute3并且你的attribute3规则不会有任何匹配的东西 - 最好明确有一个可选的attribute2或一个可选的除attribute3以外的任何东西

attribute1="foo"       attribute2="bar" attribute3="foobar" 
<- attribute1="..." -> <-     any letter                 -> <- attibute3="..." ->

此外，'不带/all细化的解析会忽略空格（或者至少是非常）在涉及空格的地方很笨拙） - 强烈建议 /all 用于这种类型的解析。

Answer 3

当添加 parse/all 时，它似乎没有改变任何东西。最后这似乎可行（使用 set-word 确实对调试有很大帮助！），你觉得怎么样？

content: {<tag attribute1="valueattribute1" attribute2="valueattribute2" attribute3="valueattribute3">
</tag>
<tag attribute2="valueattribute21" attribute1="valueattribute11" >
</tag>
}


attribute1: [to {attribute1="} thru {attribute1="} copy valueattribute1 to {"} thru {"}]
attribute3: [to {attribute3="} thru {attribute3="} copy valueattribute3 to {"} thru {"}]

letter: charset reduce ["ABCDEFGHIJKLMNOPQRSTUabcdefghijklmnopqrstuvwxyz1234567890="]

attributes-rule: [(valueattribute1: none valueattribute3: none) 
[attribute1 | none] any letter pos: 
[attribute3 | none] (print valueattribute1 print valueattribute3)
| [attribute3 | none] any letter [attribute1 | none] (print valueattribute3 print valueattribute1
valueattribute1: none valueattribute3: none
)
| none
]

rule: [any [to {<tag } thru {<tag } attributes-rule {>} to {</tag>} thru {</tag>}] to end]

parse content rule

其输出：

>> parse/all content rule
valueattribute1
valueattribute3
valueattribute11
none
== true
>>