xml – 如何编写简单的Ragel标记器(无回溯)？

更新2

原始问题：我可以避免使用Ragel的| ** |如果我不需要回溯？

更新的答案：是的,如果您不需要回溯,可以使用()*编写一个简单的标记器.

更新1

我意识到询问XML标记化是一个红色的鲱鱼,因为我所做的并不是特定于XML.

结束更新

我有一个Ragel扫描仪/标记器,只需在文件中查找FooBarEntity元素,如：

<ABC >
  <XYZ >
    <FooBarEntity>
      <Example >Hello world</Example >
    </FooBarEntity>
  </XYZ >
  <XYZ >
    <FooBarEntity>
      <Example >sdrastvui</Example >
    </FooBarEntity>
  </XYZ >
</ABC >

扫描仪版本：

%%{
  machine simple_scanner;
  action Emit {
    emit data[(ts+14)..(te-15)].pack('c*')
  }
  foo = '<FooBarEntity>' any+ :>> '</FooBarEntity>';
  main := |*
    foo => Emit;
    any;
  *|;
}%%

非扫描仪版本(即使用()*而不是| ** |)

%%{
  machine simple_tokenizer;
  action MyTs {
    my_ts = p
  }
  action MyTe {
    my_te = p
  }
  action Emit {
    emit data[my_ts...my_te].pack('c*')
    my_ts = nil
    my_te = nil    
  }
  foo = '<FooBarEntity>' any+ >MyTs :>> '</FooBarEntity>' >MyTe %Emit;
  main := ( foo | any+ )*;
}%%

我想出了这个并在https://github.com/seamusabshere/ruby_ragel_examples为它编写了测试

您可以在https://github.com/seamusabshere/ruby_ragel_examples/blob/master/lib/simple_scanner.rl和https://github.com/seamusabshere/ruby_ragel_examples/blob/master/lib/simple_tokenizer.rl看到读/缓冲代码

您不必使用扫描程序来解析XML.我已经实现了 simple XML parser in Ragel,没有扫描仪. Here是一篇博客文章,其中包含一些时间和更多信息.

编辑：你可以做很多事.你可以使用扫描仪.您可以解析单词,如果您看到STARTANIMAL,则会开始收集单词,直到您看到STOPANIMAL.