如何解析计算机代码，代码的出现 ay 3

百变鹏仔 5天前 #Python

文章标签代码

探秘advent of code第三天的解析挑战：优雅地处理杂乱输入

最近重温Advent of Code第三天的挑战，它巧妙地提出了一个有趣的解析问题：从杂乱的输入中提取有效代码。这对于解析器和词法分析器开发来说是一次绝佳的练习。让我们一起探索解决这个问题的策略。

起初，我依赖hy进行解析。但最近对生成式AI的探索让我转向了funcparserlib库。这次挑战让我深入了解了funcparserlib的强大功能。

词法分析（分词）

处理杂乱输入的第一步是词法分析（或标记化）。词法分析器（或分词器）扫描输入字符串，将其分解成独立的标记——进一步处理的基本单元。标记代表输入中有意义的单元，并按类型分类。本题中，我们关注以下标记类型：

我摒弃了funcparserlib教程中常见的“魔术字符串”方法，转而采用更结构化的枚举定义：

from enum import Enum, autoclass TokenSpec(Enum):    OP = auto()    NUMBER = auto()    COMMA = auto()    LPAREN = auto()    RPAREN = auto()    GIBBERISH = auto()

使用TokenSpec.OP、TokenSpec.NUMBER等，提高了代码可读性、可维护性和类型安全性。

为了与funcparserlib集成，我创建了一个名为tokenspec_的装饰器，它包装了funcparserlib的tokenspec函数，简化了标记定义：

from funcparserlib.lexer import tokenspecdef tokenspec_(spec: TokenSpec, *args, **kwargs):    return tokenspec(spec.name, *args, **kwargs)

利用tokenspec_，我们可以定义分词器：

from funcparserlib.lexer import make_tokenizerdef tokenize(input_str: str):    tokenizer = make_tokenizer([        tokenspec_(TokenSpec.OP, r"mul(?=(d{1,3},d{1,3}))|do(?=())|don't(?=())"),        tokenspec_(TokenSpec.NUMBER, r"d{1,3}"),        tokenspec_(TokenSpec.LPAREN, r"("),        tokenspec_(TokenSpec.RPAREN, r")"),        tokenspec_(TokenSpec.COMMA, r","),        tokenspec_(TokenSpec.GIBBERISH, r".")  #匹配任何字符    ])    return tuple(token for token in tokenizer(input_str) if token.type != TokenSpec.GIBBERISH.name)

mul的正则表达式使用前瞻断言确保正确的语法。

tokenize函数过滤掉乱码标记。

解析器实现

tokenize返回的标记序列将被送入解析器。为了简化解析器定义，我创建了tok_装饰器：

from funcparserlib.parser import tokdef tok_(spec: TokenSpec, *args, **kwargs):    return tok(spec.name, *args, **kwargs)

数字解析器：

number = tok_(TokenSpec.NUMBER) >> int

解析规则：

from dataclasses import dataclassfrom abc import ABC, abstractmethodclass Expr(ABC):    @abstractmethod    def evaluate(self) -> int:        pass@dataclassclass Mul(Expr):    alpha: int    beta: int    def evaluate(self) -> int:        return self.alpha * self.beta@dataclassclass Condition(Expr):    can_proceed: bool    def evaluate(self) -> int:        return 0 #条件表达式不参与计算mul = (tok_(TokenSpec.OP, "mul") + tok_(TokenSpec.LPAREN) + number + tok_(TokenSpec.COMMA) + number + tok_(TokenSpec.RPAREN)) >> (lambda t: Mul(t[2], t[4]))do = (tok_(TokenSpec.OP, "do") + tok_(TokenSpec.LPAREN) + tok_(TokenSpec.RPAREN)) >> (lambda _: Condition(True))dont = (tok_(TokenSpec.OP, "don't") + tok_(TokenSpec.LPAREN) + tok_(TokenSpec.RPAREN)) >> (lambda _: Condition(False))expr = mul | do | dontfrom funcparserlib.parser import finished, manyimport operatorcall = many(tok_(TokenSpec.NUMBER) | tok_(TokenSpec.LPAREN) | tok_(TokenSpec.RPAREN) | tok_(TokenSpec.COMMA)) + expr + many(tok_(TokenSpec.NUMBER) | tok_(TokenSpec.LPAREN) | tok_(TokenSpec.RPAREN) | tok_(TokenSpec.COMMA)) >> operator.itemgetter(1)program = many(call) + finished >> (lambda t: tuple(t[0]))def parse(tokens):    return program.parse(tokens)

难题求解

第一部分：

def part1(input_str: str) -> int:    expressions = parse(tokenize(input_str.strip()))    return sum(expr.evaluate() for expr in expressions if isinstance(expr, Mul))

第二部分：

def part2(input_str: str) -> int:    expressions = parse(tokenize(input_str.strip()))    can_proceed = True    total = 0    for expr in expressions:        if isinstance(expr, Condition):            can_proceed = expr.can_proceed        elif isinstance(expr, Mul):            if can_proceed:                total += expr.evaluate()    return total

迭代改进

最初，我的方法涉及两次解析。现在，单次解析就完成了所有任务，提高了效率。

这次Advent of Code之旅让我巩固了词法分析和解析的知识。期待未来更复杂的挑战！

文章推荐

如何解析计算机代码，代码的出现 ay 3

词法分析（分词）

解析器实现

难题求解

迭代改进

在现代工作环境中，Python编程对职业发展的重要性

为什么Python编程是目前最具竞争优势的就业方向？

Python开发者的薪资水平：真相揭秘

使用元组字面值创建一个Python程序

Python开发者所需硬技能与软技能的平衡