Разбор языка на основе отступов с помощью комбинаторов парсера scala

Предположим, у нас есть очень простой язык, на котором это корректная программа.

block
  inside
  the
  block

и мы хотим проанализировать это в List[String] с каждой строкой внутри блока как один String.

Сначала мы определяем метод, который принимает минимальный уровень отступа и возвращает синтаксический анализатор для строки с этим уровнем отступа.

def line(minIndent:Int):Parser[String] = 
  repN(minIndent + 1,"\\s".r) ~ ".*".r ^^ {case s ~ r => s.mkString + r}

Затем мы определяем блок с минимальным уровнем отступа, повторяя синтаксический анализатор строк с подходящим разделителем между строками.

def lines(minIndent:Int):Parser[List[String]] =
  rep1sep(line(minIndent), "[\n\r]|(\n\r)".r)

Теперь мы можем определить синтаксический анализатор для нашего маленького языка следующим образом:

val block:Parser[List[String]] =
  (("\\s*".r <~ "block\\n".r) ^^ { _.size }) >> lines

Сначала он определяет текущий уровень отступа, а затем передает его как минимум синтаксическому анализатору строк. Давайте проверим это:

val s =
"""block
    inside
    the
    block
outside
the
block"""

println(block(new CharSequenceReader(s)))

И мы получаем

[4.10] parsed: List(    inside,     the,     block)

Чтобы все это скомпилировалось, вам нужны эти импорты

import scala.util.parsing.combinator.RegexParsers
import scala.util.parsing.input.CharSequenceReader

И вам нужно поместить все в объект, который расширяет RegexParsers вот так

object MyParsers extends RegexParsers {
  override def skipWhitespace = false
  ....

Из того, что я знаю, нет, комбинаторы парсеров Scala не поддерживают такие вещи из коробки. Вы, безусловно, можете сделать это, осмысленно анализируя пустое пространство, но вы столкнетесь с некоторыми проблемами, поскольку вам нужна какая-то форма конечного автомата для отслеживания стека отступов.

Я бы порекомендовал сделать шаг предварительной обработки. Вот небольшой препроцессор, который добавляет маркеры к отдельным блокам с отступом:

object Preprocessor {

    val BlockStartToken = "{"
    val BlockEndToken = "}"

    val TabSize = 4 //how many spaces does a tab take

    def preProcess(text: String): String = {
        val lines = text.split('\n').toList.filterNot(_.forall(isWhiteChar))
        val processedLines = BlockStartToken :: insertTokens(lines, List(0))
        processedLines.mkString("\n")
    }

    def insertTokens(lines: List[String], stack: List[Int]): List[String] = lines match {
        case List() => List.fill(stack.length) { BlockEndToken } //closing all opened blocks
        case line :: rest => {
            (computeIndentation(line), stack) match {
                case (indentation, top :: stackRest) if indentation > top => {
                    BlockStartToken :: line :: insertTokens(rest,  indentation :: stack)
                }
                case (indentation, top :: stackRest) if indentation == top =>
                    line :: insertTokens(rest, stack)
                case (indentation, top :: stackRest) if indentation < top => {
                    BlockEndToken :: insertTokens(lines, stackRest)
                }
                case _ => throw new IllegalStateException("Invalid algorithm")
            }
        }
    }


    private def computeIndentation(line: String): Int = {
        val whiteSpace = line takeWhile isWhiteChar
        (whiteSpace map {
            case ' ' => 1
            case '\t' => TabSize
        }).sum
    }

    private def isWhiteChar(ch: Char) = ch == ' ' || ch == '\t'
}

Выполнение для этого текста дает:

val text =
    """
      |line1
      |line2
      |    line3
      |    line4
      |    line5
      |        line6
      |        line7
      |  line8
      |  line9
      |line10
      |   line11
      |   line12
      |   line13
    """.stripMargin
println(Preprocessor.preProcess(text))

... следующий результат

{
line1
line2
{
    line3
    line4
    line5
{
        line6
        line7
}
}
{
  line8
  line9
}
line10
{
   line11
   line12
   line13
}
}

И послесловие вы можете использовать библиотеку комбинатора, чтобы сделать синтаксический анализ более простым способом.

Надеюсь это поможет