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：
-
运算符 (op): 例如
mul、do、don't。 -
数字: 数值，例如
2、3。 -
逗号:
,，参数分隔符。 -
括号:
(和)，定义函数调用结构。 - 乱码: 与其他类型不匹配的字符或字符序列。
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：
<code class="python">from enum import Enum, auto
class TokenSpec(Enum):
OP = auto()
NUMBER = auto()
COMMA = auto()
LPAREN = auto()
RPAREN = auto()
GIBBERISH = auto()</code>
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：
<code class="python">from funcparserlib.lexer import tokenspec
def tokenspec_(spec: TokenSpec, *args, **kwargs):
return tokenspec(spec.name, *args, **kwargs)</code>
利用tokenspec_，我们可以定义分词器：
<code class="python">from funcparserlib.lexer import make_tokenizer
def 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)</code>
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：
<code class="python">from funcparserlib.parser import tok
def tok_(spec: TokenSpec, *args, **kwargs):
return tok(spec.name, *args, **kwargs)</code>
数字解析器：
<code class="python">number = tok_(TokenSpec.NUMBER) >> int</code>
解析规则：
<code class="python">from dataclasses import dataclass
from abc import ABC, abstractmethod
class Expr(ABC):
@abstractmethod
def evaluate(self) -> int:
pass
@dataclass
class Mul(Expr):
alpha: int
beta: int
def evaluate(self) -> int:
return self.alpha * self.beta
@dataclass
class 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 | dont
from funcparserlib.parser import finished, many
import operator
call = 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)
</code>
难题求解
第一部分：
<code class="python">def part1(input_str: str) -> int:
expressions = parse(tokenize(input_str.strip()))
return sum(expr.evaluate() for expr in expressions if isinstance(expr, Mul))</code>
第二部分：
<code class="python">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
</code>
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！
