解析库的审查今天开始
2024 年 2 月 19 日
Zach Laine 提出的 Boost.Parser 库评审今日开始，并将于 2 月 28 日结束。
来自文档的介绍页面
Boost.Parser 是一个解析器组合子库。也就是说，它由一组低级原始解析器组成，以及用于将这些解析器组合成更复杂解析器的操作。
存在解析 epsilon（空字符串）、字符、整数、浮点数等的原始解析器。
存在一些操作可以将解析器组合起来以创建新的解析器。例如，Kleene 星号操作接受一个现有的解析器 p 并创建一个新的解析器，该解析器匹配 p 所匹配内容的零个或多个实例。可调用对象和运算符重载都用于组合操作。例如，operator*() 用于 Kleene 星号，您也可以写 repeat(n)[p] 来创建一个精确匹配 p n 次的解析器。
Boost.Parser 还努力适应人们经常想要从其解析代码中获取解析结果的多种方式。一些解析最好通过返回一个代表解析结果的对象来完成。其他解析最好通过填充预先存在的数据结构来完成。还有一些解析最好通过解析大型文档的小节，并通过回调报告子解析器完成的结果。Boost.Parser 能够适应所有这些工作方式，甚至可以通过不重写任何代码（只需将顶级调用从 parse() 更改为 callback_parse()）来实现基于回调或非基于回调的解析。
Boost.Parser 的所有公共接口都与 sentinel 和 range 兼容，就像 std::ranges 中的接口一样。
Boost.Parser 从头到尾都具备 Unicode 感知能力。当您解析 char 的范围时，Boost.Parser 不会假定任何特定的编码——无论是 Unicode 还是其他任何编码。对非纯 char 输入的解析假定输入是 Unicode。在 Unicode 感知代码路径中，所有解析都是通过匹配码点来完成的。这意味着您可以将 UTF-8 字符串输入到 Boost.Parser 中，无论是作为输入还是在您的解析器内部，都会发生正确的匹配。例如，如果您的解析器试图匹配 char '\xcc' 的重复（这是 UTF-8 序列中的一个前导字节，如果后面没有适当的 UTF-8 单元，则是一个格式错误的 UTF-8），它不会匹配 "\xcc\x80" 的开头（UTF-8 表示码点 U+0300）。Boost.Parser 知道匹配必须是完整的码点，因此它将 char '\xcc' 解释为码点 U+00CC。
错误报告的正确性非常重要，尤其要让最终用户容易理解错误。Boost.Parser 生成的运行时解析错误消息与使用 GCC 和 Clang 编译时获得的诊断信息非常相似（甚至支持不使解析失败的警告）。与诊断相关的确切 token 可以报告给用户，并引用包含该 token 的行，并带有指向该 token 的标记。Boost.Parser 会为您处理这些，您的解析器无需包含任何特殊代码来实现这一点。当然，如果错误处理程序不适合您的需求，您也可以完全替换它。
调试复杂的解析器可能是一场噩梦。Boost.Parser 可以轻而易举地获得您整个解析过程的跟踪信息，其中包含易于阅读（且非常详细）的指示，说明跟踪的每个部分在解析中的位置，解析产生的值的状态等。同样，您无需编写任何代码来实现这一点——只需将一个参数传递给 parse()。