介绍
我在许多项目中使用 Scalaz 7 的迭代器,主要用于处理较大的文件。我想开始转向使用 Scalaz stream, 它们旨在取代 iteratee 包(它缺少很多部分,而且使用起来很麻烦)。
Streams 基于 machines(迭代器思想的另一种变体),这些机器已经在 Haskell 中 得到实现。我用过 Haskell 的 machines 库,但机器和流之间的关系并不完全明显(至少对我来说),而 streams 库的文档还有点 稀疏。
这个问题是关于一个简单的解析任务,我想看到使用 streams 来实现它,而不是使用迭代器。如果没有其他人先于我回答这个问题,我会回答这个问题,但我肯定不是唯一一个正在进行(或至少正在考虑)这个转变的人,因为我需要完成这个练习,所以我想在公共场合做。
任务
假设我有一个文件,其中包含已被分词和标记了词性的句子:
no UH
, ,
it PRP
was VBD
n't RB
monday NNP
. .
the DT
equity NN
market NN
was VBD
illiquid JJ
. .
每行一个令牌,单词和词性之间用一个空格分隔,空行表示句子边界。我想解析这个文件并返回一个句子列表,我们可以将其表示为字符串元组的列表:
List((no,UH), (,,,), (it,PRP), (was,VBD), (n't,RB), (monday,NNP), (.,.))
List((the,DT), (equity,NN), (market,NN), (was,VBD), (illiquid,JJ), (.,.)
像往常一样,如果我们遇到无效的输入或文件读取异常,我们希望优雅地失败,不必担心手动关闭资源等问题。
一个迭代器解决方案
首先是一些通用的文件读取内容(实际上应该是迭代器包的一部分,但目前迭代器包没有提供任何高级功能):
import java.io.{ BufferedReader, File, FileReader }
import scalaz._, Scalaz._, effect.IO
import iteratee.{ Iteratee => I, _ }
type ErrorOr[A] = EitherT[IO, Throwable, A]
def tryIO[A, B](action: IO[B]) = I.iterateeT[A, ErrorOr, B](
EitherT(action.catchLeft).map(I.sdone(_, I.emptyInput))
)
def enumBuffered(r: => BufferedReader) = new EnumeratorT[String, ErrorOr] {
lazy val reader = r
def apply[A] = (s: StepT[String, ErrorOr, A]) => s.mapCont(k =>
tryIO(IO(Option(reader.readLine))).flatMap {
case None => s.pointI
case Some(line) => k(I.elInput(line)) >>== apply[A]
}
)
}
def enumFile(f: File) = new EnumeratorT[String, ErrorOr] {
def apply[A] = (s: StepT[String, ErrorOr, A]) => tryIO(
IO(new BufferedReader(new FileReader(f)))
).flatMap(reader => I.iterateeT[String, ErrorOr, A](
EitherT(
enumBuffered(reader).apply(s).value.run.ensuring(IO(reader.close()))
)
))
}
然后是我们的句子阅读器:
def sentence: IterateeT[String, ErrorOr, List[(String, String)]] = {
import I._
def loop(acc: List[(String, String)])(s: Input[String]):
IterateeT[String, ErrorOr, List[(String, String)]] = s(
el = _.trim.split(" ") match {
case Array(form, pos) => cont(loop(acc :+ (form, pos)))
case Array("") => cont(done(acc, _))
case pieces =>
val throwable: Throwable = new Exception(
"Invalid line: %s!".format(pieces.mkString(" "))
)
val error: ErrorOr[List[(String, String)]] = EitherT.left(
throwable.point[IO]
)
IterateeT.IterateeTMonadTrans[String].liftM(error)
},
empty = cont(loop(acc)),
eof = done(acc, eofInput)
)
cont(loop(Nil))
}
最后,我们的解析操作:
val action =
I.consume[List[(String, String)], ErrorOr, List] %=
sentence.sequenceI &=
enumFile(new File("example.txt"))
我们可以证明它是有效的:
scala> action.run.run.unsafePerformIO().foreach(_.foreach(println))
List((no,UH), (,,,), (it,PRP), (was,VBD), (n't,RB), (monday,NNP), (.,.))
List((the,DT), (equity,NN), (market,NN), (was,VBD), (illiquid,JJ), (.,.))
我们完成了。
我的要求
使用Scalaz流而不是迭代器实现基本相同的程序。