简单的XML解析器在bison/flex中

Question

我希望使用bison/flex创建一个简单的XML解析器。我不需要验证、注释和参数，只需要处理形如<tag>value</tag>的标签，其中value可以是数字、字符串或其他<tag>value</tag>格式的内容。例如：

<div>
  <mul>
    <num>20</num>
    <add>
      <num>1</num>
      <num>5</num>
    </add>
  </mul>
  <id>test</id>
</div>

如果有帮助的话，我知道所有可能出现的标签名称，也知道给定标签可以容纳多少个子标签。是否可能创建一个Bison解析器来实现以下功能：

- new Tag("num", 1)           // tag1
- new Tag("num", 5)           // tag2
- new Tag("add", tag1, tag2)  // tag3
- new Tag("num", 20)          // tag4
- new Tag("mul", tag4, tag3)
...
- root = top_tag

标签和子标签的数量：

• num: 1（仅值）
• str: 1（仅值）
• add | sub | mul | div: 2（num | str | tag，num | str | tag）

你能帮我处理语法，以便创建类似上面给出的AST吗？

- user360872

---

你是否需要使用XML的子集来完成这个任务？如果你的语言只包含算术表达式，我建议你考虑解析中缀表达式，这样你就可以使用像(20 * (1 + 5)) / test这样的字符串。除非出于其他原因需要使用XML，否则似乎有点过度设计，特别是如果你正在编写解析器的话！ - anton.burger

数据保存在 XML 中，所以我别无选择。 - user360872

抱歉回复晚了，你离解决方案更近了吗？既然必须使用XML，为什么不使用已经编写好的库呢？你有选择编程语言的权利吗？还是整个练习的重点就是编写解析器？如果是这样，你必须使用解析器生成器吗？对于这样一个相对简单的语法，你可以轻松地编写递归下降解析器。 - anton.burger

@shambulator，是的，我的目标是不使用库编写xml解析器。由于我没有得到任何关于如何做到这一点的建议，所以我决定进行实验，并且事实证明，在bison中编写xml语法非常简单。 - user360872

这听起来太奇怪了。你为什么要用 bison 做这件事？这听起来像是一个错误的工具或者一个不好（或者至少很尴尬）的选择来做一个学习项目。 - user34537

Answer 1

根据您的需求，我认为 yax 系统 可以很好地满足要求。从 README 中可以看到，yax 项目的目标是允许使用 YACC（实际上是 Gnu Bison）来解析/处理 XML 文档。实现上述目标的关键软件是提供一个库，该库可以从 XML 文档中生成 XML 词法记号流。这个流可以被包装成 yylex() 的实例，以向 Bison 语法提供标记并解析处理 XML 文档。使用流加上 Bison 语法，至少可以进行以下几种活动：验证 XML 文档、直接解析 XML 文档以创建内部数据结构、构造 DOM 树。

- Dennis

Answer 2

我认为使用它来创建XML解析器不是最佳工具。

如果我必须完成这项工作，我会手动完成。

Flex代码将包含：

• NUM匹配整数，在此示例中。
• STR匹配任何不包含'<'或'>'的字符串。
• STOP匹配所有闭合标签。
• START匹配起始标签。

<\?.*\?> { ;} 
<[a-z]+> { return START; }
</[a-z]+> { return STOP; }
[0-9]+ { return NUM; }
[^><]+ { return STR; }

Bison代码将如下所示：

%token START, STOP, STR, NUM
%%
simple_xml : START value STOP
;
value : simple_xml 
| STR
| NUM
| value simple_xml
;

- VGE

---

由于所有的XML标签都将匹配您的第一个模式，因此它们始终会触发，您将永远看不到START或STOP。您需要在START/STOP模式之后移动该模式。 - Chris Dodd

第一个模式仅匹配以 "<?" 开头，以 "?>" 结尾的令牌，我不明白为什么任何 START 或 STOP 都会匹配。"<?" 相当于 "<[?]" 并匹配 "<?"，而不代表 "<?" 后面有一个可选的大于号。 - VGE

为什么要手写语法解析器，当有许多可靠的工具已经被使用了几十年呢？这些工具是强大的，并且已经被成千上万的用户调试过。你不可能通过手写来创建一个更好的解析器。这是一个糟糕的建议。 - shrewmouse