TPL基础文法

  原文连接： http://blog.csdn.net/xushiweizh/article/details/2606892

 

操作符（规则组合） R1 + R2

R1 + R2 表示顺序匹配：匹配 R1 成功后继续匹配 R2。编译原理中一般以 R1 R2 表示（很遗憾，C++没有operator空格）。这应该是使用最多的文法了。

例如：要匹配html标签开始，也就是，这样写：'<' + html_symbol() + '>'。

R1 | R2

R1 | R2 表示如果 R1 匹配不成功，则匹配 R2。两者只要一个匹配成功就表示成功。

例如：要匹配C++中的类/结构体声明，也就是：

class/struct ClassName;

我们可以这样写：

(str("class") | str("struct")) + ws() + c_symbol() + skipws() + ';'

这里，ws()表示匹配>=1个空白字符，skipws()表示匹配>=0个空白字符。class/struct关键字和类名之间空白 是必须的，所以用ws()，而类名和;之间空白不是必须的，故而用skipws()。另外，str("class") | str("struct")可以缩写为str("class", "struct")，不过这不是我们要讨论的话题。

+R

+R 表示匹配规则 R 1次以上。编译原理中习惯以 R+ 表示。

例如：要匹配一个无符号整数，我们这样写： +digit()。

当然，对于这个例子，你其实不需要用+，因为我们已经提供了 u_integer() 规则了。

!R

!R 表示匹配规则 R 1次或0次。编译原理中习惯以 R? 表示，不过C++没有operator?，很遗憾。

例如：要匹配一个带符号整数，我们这样写：!(ch('+') | ch('-')) + u_integer()。

同str一样，ch('+') | ch('-') 可缩写为 ch('+', '-')。故此本例可简写为 !ch('+', '-') + u_integer()。

当然，对于这个例子，你其实不需要用!，因为我们已经提供了 integer() 规则了。

*R

*R 表示匹配规则 R 0次以上。编译原理中习惯以 R* 表示。

R1 % R2

R1 % R2 匹配一个列表。它等价于 R1 + *(R2 + R1)。

例如：要匹配一个空格分割的浮点数列表，如“1.2 1.3 2.4 3 23.01"，你只需要用 real() % ws() 即可。这里用了 ws()，这就允许中间的空白可以是一个或多个。如果只允许一个空格，那么用 real() % ' ' 即可。

~R

~R 表示匹配一个非R规则的字符。R规则要求是匹配单字符的规则。例如 ~(ch('+') | ch('-')) 表示匹配任一个非+或-的字符。

未完待续。。。

TPL的基础规则 ch(Char)

ch(Char) 规则用于匹配一个字符。例如ch('<')表示匹配单个字符'<'。当 ch(Char) 规则与其他规则连用时，可简写为 Char。

例如，我们前面介绍了匹配html标签开始，也就是，这样写：'<' + html_symbol() + '>'。其实它是 ch('<') + html_symbol() + ch('>') 的缩写。

ch(Char1, Char2), ch(Char1, Char2, Char3)

它只是 ch(Char1) | ch(Char2) 和 ch(Char1) | ch(Char2) | ch(Char3) 的简写。

ch_any()

ch_any() 规则匹配任意一个字符。除非当前已经到达文档结尾，否则该规则总返回成功。

ch_range()

ch_range() 规则表示一个字符区间。如 ch_range<'a', 'z'>() 表示所有小写字母。你可以理解ch_range()为ch(Char)的组合。例如 ch_range<'0', '9'>() 等价于 ch('0') | ch('1') | ch('2') | ch('3') | ch('4') | ch('5') | ch('6') | ch('7') | ch('8') | ch('9')。当然这只是逻辑上的等价，性能后者会差很多。

peek(Char)

peek(Char) 规则用于向前看一个字符（但并不移动匹配的当前指针）。例如peek('<')表示要求文档当前位置的字符必须为'<'。

peek(CharSet), peek(Char1, Char2), peek(Char1, Char2, Char3)

peek规则也允许传入任意的匹配单字符的规则。例如，peek(~ch('+', '-')) 要求文档当前位置的字符必须为非'+'或'-'的字符。 peek(Char1, Char2) 是 peek(ch(Char1) | ch(Char2)) 的缩写。peek(Char1, Char2, Char3) 类似。

str(String)

str(String) 规则用于匹配一个常量字符串。你仍然可以理解为是 ch(Char) 的组合。例如 str("class") 等价于 ch('c') + ch('l') + ch('a') + ch('s') + ch('s')。同ch(Char)类似，当str(String)规则与其他规则连用时，可简写为 String。

find(CharSet)

find(CharSet) 规则用于查找头一个存在于CharSet中的字符。如果bEat为true，那么find规则同时匹配该字符（匹配的当前位置将指向该字符的后一个位 置）。如果bEat为false，那么find匹配到该字符所在位置。默认bEat=false。也就是说find(CharSet)等价于 find(CharSet)。

find规则同样可以用ch规则实现。例如，find(ch('+', '-')) 等价于 *~ch('+', '-') + ch('+', '-')。不过 find(ch('+', '-')) 与 *~ch('+', '-') 并不等同，区别在于如果找不到'+'或'-'字符，find(ch('+', '-')) 将匹配失败，而 *~ch('+', '-') 将匹配到文档尾并匹配成功。所以需要注意的是，find(ch('+', '-')) 等同于 *~ch('+', '-') + peek('+', '-')，不是 *~ch('+', '-')。

find(String)

find(String) 规则用于在文档中查找字符串的第一次出现位置（从当前匹配位置开始算）。例如，要匹配C语言的注释/* … */，你可以用 "/*' + find("*/")。

规则的组合

以上介绍的ch, peek, str, find操作是TPL的基础规则。有了他们，你可以做出非常复杂的匹配模式。这里举一些例子进行说明。

integer()

匹配一个整数。它等价于： !ch('+', '-') + (+ch_range<'0', '9'>())。

c_symbol()

匹配一个C符号（变量名）。它等价于：(ch_range<'a', 'z'>() | ch_range<'A', 'Z'>() | '_') + *(ch_range<'a', 'z'>() | ch_range<'A', 'Z'>() | ch_range<'0', '9'>() | '_')。

其他

我们提供了很多很多的现成的规则，而且它们确确实实是这些基础规则的组合得到的，而不是通过实现一个自定义的匹配函数完成。虽然所有的匹配规则你都可以通过写匹配函数完成，但是那样的话就放弃了TPL最强悍的武器了。

目前已经提供的组合规则如下（不断更新中）：

匹配单字符的规则

non_eol_space()	匹配一个非行结束的空白字符。
space()	匹配一个空白字符。
alpha()	匹配一个字母。即[A-Za-z]。
lower()	匹配一个小写字母。即[a-z]。
upper()	匹配一个大写字母。即[A-Z]。
digit()	匹配一个10进制数字。即[0-9]。
xdigit()	匹配一个16进制数字。即[0-9a-fA-F]。
oct_digit()	匹配一个8进制数字。即[0-7]。
bin_digit()	匹配一个2进制数字。即[01]。

匹配多字符的规则

ws()	匹配>=1个空白字符。
skipws()	匹配>=0个空白字符。
non_eol_ws()	匹配>=1个非行结束的空白字符。
skip_non_eol_ws()	匹配>=0个非行结束的空白字符。
strict_eol()	匹配一个行结束。行结束不一定是单字符的。可以是/r/n, /r, /n等情况。
eol()	匹配一个行结束或文档结束。即 strict_eol() | eos()。
xml_symbol()	匹配一个XML的符号。
u_integer()	匹配一个无符号整数。
hex_integer()	匹配一个16进制无符号整数。注意，它并不匹配C/C++中的16进制数0xXXXX的前缀0x。如果你希望这样，应该用c_hex_integer() 而不是 hex_integer()。
oct_integer()	匹配一个8进制无符号整数。
bin_integer()	匹配一个2进制无符号整数。
integer()	匹配一个有符号整数。
u_strict_real()	匹配一个无符号的实数/浮点数。该实数是严格的浮点数，不能是整数。
strict_real()	匹配一个有符号的实数/浮点数。该实数是严格的浮点数，不能是整数。
u_real()	匹配一个无符号的实数/浮点数。即 u_strict_real() | u_integer()。
real()	匹配一个有符号的实数/浮点数。即 strict_real() | integer()。
t_year()	匹配年份。即yyyy或者yy。其中y是[0-9]。
t_month()	匹配月份。即mm或者m。其中m是[0-9]。目前我们并不限定其取值范围必须为1~12。但不排除以后可能会这样去限制。
t_day()	匹配天。
t_hour()	匹配小时。
t_minute()	匹配分钟。
t_second()	匹配秒。

C/C++文法

c_symbol()	匹配一个C/C++的符号。即 [A-Za-z_][A-Za-z0-9_]*。
cpp_single_line_comment()	匹配C++的//风格的注释。bEatEol为true时匹配行结束符，否则保留行结束符。和前面的find规则类似，默认bEatEol为false。
c_comment()	匹配C的/* … */风格的注释。
cpp_comment()	匹配C/C++的注释。即c_comment() | cpp_single_line_comment()。
c_skip()	忽略空白或C风格注释。即 *(ws() | c_comment())。
c_skip_non_eol()	忽略非行结束的空白字符或注释。即 *(non_eol_ws() | c_comment())。该规则适合于C预处理指令的匹配。
cpp_skip()	忽略空白或C/C++注释。即 *(ws() | cpp_comment()。
c_string()	匹配C/C++的字符串常量。即 "…"。注意并不包括L"…"中的L。
c_char()	匹配C/C++的字符常量。即 '…'。注意并不包括 L'…'中的L。
c_string_or_char()	即c_string() | c_char()。
c_hex_integer()	C/C++中的16进制数常量。即0xXXXX。注意并不包括0xXXXXL中的L。
c_oct_integer()	C/C++中的8进制数常量。即0XXXX。注意并不包括0XXXXL中的L。
c_u_integer()	C/C++中的无符号整数。即 c_hex_integer() | c_oct_integer() | u_integer()。
c_integer()	C/C++中的带符号整数。即 c_hex_integer() | c_oct_integer() | integer()。

HTML文法

html_space()	匹配一个HTML中的空白字符。
html_ws()	即+html_space()。
html_skipws()	即*html_space()。
html_symbol()	匹配一个HTML的符号。
html_value()	匹配HTML的属性值。
html_property()	匹配HTML的属性。包括名和值的对。注意值是可选的，HTML中可能出现一个属性有名无值。如 这样的标签。
html_u_integer()	匹配HTML的无符号整数。即#xXXXX（16进制）或者 #XXXX（10进制）。
html_entity()	匹配HTML的一个实体。如<   等命名实体。注意它也可以匹配非命名的实体。如? 等。
html_comment()	匹配一个HTML的注释。即 >。
html_uncommented_script_code()	未被注释的script代码。
html_commented_script_code()	被注释的script代码。注意不包含注释开始和结尾>。
html_script_code()	匹配一个HTML的script段。即：html_uncommented_script_code() | "" + html_commented_script_code() + ">"。
html_script_codes()	匹配多个HTML的script段。即 *html_script_code()。

关于 html script code。有些复杂的东西需要解释。看这样一段HTML代码：

<script> var hello="Hello, <script>!"; alert(hello); !'; alert(hello); --> script>

这里包含了两段html script code。一段是未注释的，一段是被注释的。要匹配这段文本，可以用""。注意我们用的是html_script_codes()，不是html_script_code()。也就是说，