એક નાનકડા પ્રોજેક્ટની વાર્તા બાર વર્ષ લાંબી (BIRMA.NET વિશે પ્રથમ વખત અને સ્પષ્ટપણે પ્રથમ હાથ)

આ પ્રોજેક્ટનો જન્મ એક નાનો વિચાર ગણી શકાય જે મને 2007 ના અંતમાં ક્યાંક આવ્યો હતો, જે ફક્ત 12 વર્ષ પછી તેનું અંતિમ સ્વરૂપ શોધવાનું નક્કી કરવામાં આવ્યું હતું (આ સમયે - અલબત્ત, જો કે વર્તમાન અમલીકરણ મુજબ, લેખક માટે, ખૂબ જ સંતોષકારક છે).

આ બધું ત્યારે શરૂ થયું જ્યારે, પુસ્તકાલયમાં મારી તત્કાલીન સત્તાવાર ફરજો પૂરી કરવાની પ્રક્રિયામાં, મેં એ હકીકત તરફ ધ્યાન દોર્યું કે પુસ્તક (અને સંગીત) પ્રકાશનોની સામગ્રીના કોષ્ટકોના સ્કેન કરેલા ટેક્સ્ટમાંથી ડેટાને હાલના ડેટાબેઝમાં દાખલ કરવાની પ્રક્રિયા, દેખીતી રીતે, ઇનપુટ માટે જરૂરી તમામ ડેટાની સુવ્યવસ્થિતતા અને પુનરાવર્તિતતાની મિલકતનો લાભ લઈને નોંધપાત્ર રીતે સરળ અને સ્વચાલિત કરી શકાય છે, જેમ કે લેખના લેખકનું નામ (જો આપણે લેખોના સંગ્રહ વિશે વાત કરી રહ્યા હોય), શીર્ષક લેખ (અથવા વિષયવસ્તુના કોષ્ટકમાં પ્રતિબિંબિત ઉપશીર્ષક) અને વર્તમાન વિષયવસ્તુની આઇટમનો પૃષ્ઠ નંબર. શરૂઆતમાં, મને વ્યવહારિક રીતે ખાતરી થઈ કે આ કાર્ય કરવા માટે યોગ્ય સિસ્ટમ ઇન્ટરનેટ પર સરળતાથી મળી શકે છે. જ્યારે મને આવો કોઈ પ્રોજેક્ટ ન મળ્યો તે હકીકતને કારણે આશ્ચર્ય થયું, ત્યારે મેં તેને જાતે જ અમલમાં મૂકવાનો પ્રયાસ કરવાનું નક્કી કર્યું.

એકદમ ટૂંકા સમય પછી, પ્રથમ પ્રોટોટાઇપ કામ કરવાનું શરૂ કર્યું, જેનો મેં તરત જ મારી રોજિંદા પ્રવૃત્તિઓમાં ઉપયોગ કરવાનું શરૂ કર્યું, એક સાથે મારા હાથમાં આવેલા તમામ ઉદાહરણો પર તેને ડિબગ કરવાનું શરૂ કર્યું. સદનસીબે, મારા સામાન્ય કાર્યસ્થળ પર, જ્યાં હું કોઈ પણ રીતે પ્રોગ્રામર ન હતો, ત્યારે પણ હું મારા કામમાં દેખાતા "ડાઉનટાઇમ"થી દૂર રહ્યો, જે દરમિયાન હું સઘન રીતે મારા મગજને ડીબગ કરી રહ્યો હતો - વર્તમાન વાસ્તવિકતાઓમાં લગભગ અકલ્પ્ય વસ્તુ, જેનો અર્થ થાય છે. દિવસ દરમિયાન કરવામાં આવેલા કામના દૈનિક અહેવાલો. પ્રોગ્રામને પોલિશ કરવાની પ્રક્રિયામાં લગભગ એક વર્ષથી ઓછો સમય લાગ્યો, પરંતુ તે પછી પણ પરિણામ ભાગ્યે જ સંપૂર્ણપણે સફળ કહી શકાય - શરૂઆતમાં ઘણી બધી વિવિધ વિભાવનાઓ મૂકવામાં આવી હતી જે અમલીકરણ માટે સંપૂર્ણપણે સ્પષ્ટ ન હતી: વૈકલ્પિક તત્વો જે કરી શકે છે છોડવું; તત્વોનું આગળ જોવાનું (શોધ પરિણામોમાં અગાઉના ઘટકોને બદલવાના હેતુ માટે); રેગ્યુલર એક્સપ્રેશન્સ (જે એક અનન્ય વાક્યરચના ધરાવે છે) જેવા કંઈક અમલમાં મૂકવાનો આપણો પોતાનો પ્રયાસ પણ. મારે કહેવું જ જોઇએ કે આ પહેલાં મેં પ્રોગ્રામિંગને કંઈક અંશે છોડી દીધું હતું (લગભગ 8 વર્ષ માટે, જો વધુ નહીં), તેથી મારી કુશળતાને રસપ્રદ અને જરૂરી કાર્યમાં લાગુ કરવાની નવી તકે મારું ધ્યાન સંપૂર્ણપણે ખેંચ્યું. તે આશ્ચર્યજનક નથી કે પરિણામી સ્રોત કોડ - મારા તરફથી તેની ડિઝાઇન માટે કોઈ સ્પષ્ટ અભિગમોની ગેરહાજરીમાં - ખૂબ જ ઝડપથી C++ ના કેટલાક ઘટકો અને વિઝ્યુઅલ પ્રોગ્રામિંગના પાસાઓ સાથે C ભાષામાં અલગ-અલગ ટુકડાઓનો અકલ્પનીય મિશમેશ બની ગયો (શરૂઆતમાં તે બોરલેન્ડ સી++ બિલ્ડર - "લગભગ ડેલ્ફી, પરંતુ સીમાં") જેવી ડિઝાઇન સિસ્ટમનો ઉપયોગ કરવાનું નક્કી કરવામાં આવ્યું હતું. જો કે, આ બધું આખરે અમારી લાઇબ્રેરીની દૈનિક પ્રવૃત્તિઓને સ્વચાલિત કરવામાં ફળ આપે છે.

તે જ સમયે, મેં વ્યાવસાયિક સોફ્ટવેર ડેવલપર્સને તાલીમ આપવા માટે અભ્યાસક્રમો લેવાનું નક્કી કર્યું. મને ખબર નથી કે ત્યાં શરૂઆતથી "પ્રોગ્રામર બનવું" શીખવું ખરેખર શક્ય છે કે કેમ, પરંતુ તે સમયે મારી પાસે પહેલેથી જ હતી તે કૌશલ્યોને ધ્યાનમાં લેતા, હું તે સમય સુધીમાં વધુ સુસંગત એવી તકનીકોમાં કંઈક અંશે માસ્ટર બનવા સક્ષમ હતો, જેમ કે C# તરીકે, NET હેઠળ વિકાસ માટે વિઝ્યુઅલ સ્ટુડિયો, તેમજ Java, HTML અને SQL ને લગતી કેટલીક ટેકનોલોજી. સમગ્ર તાલીમમાં કુલ બે વર્ષનો સમય લાગ્યો, અને મારા બીજા પ્રોજેક્ટ માટે પ્રારંભિક બિંદુ તરીકે સેવા આપી, જે આખરે ઘણા વર્ષો સુધી લંબાઈ - પરંતુ આ એક અલગ પ્રકાશન માટેનો વિષય છે. અહીં ફક્ત એ નોંધવું યોગ્ય રહેશે કે મેં C# અને WinForms માં સંપૂર્ણ સુવિધાયુક્ત વિન્ડો એપ્લિકેશન બનાવવા માટે વર્ણવેલ પ્રોજેક્ટ પર પહેલાથી જ થયેલા વિકાસને અનુકૂલિત કરવાનો પ્રયાસ કર્યો છે જે જરૂરી કાર્યક્ષમતાને અમલમાં મૂકે છે, અને તેનો આધાર તરીકે ઉપયોગ કરે છે. આગામી ડિપ્લોમા પ્રોજેક્ટ.
સમય જતાં, આ વિચાર મને “LIBKOM” અને “CRIMEA” જેવી વિવિધ પુસ્તકાલયોના પ્રતિનિધિઓની ભાગીદારી સાથે આવી વાર્ષિક પરિષદોમાં અવાજ ઉઠાવવા યોગ્ય લાગવા લાગ્યો. વિચાર, હા, પરંતુ તે સમયે મારા અમલીકરણમાં નહીં. પછી મને આશા હતી કે કોઈ વધુ સક્ષમ અભિગમોનો ઉપયોગ કરીને તેને ફરીથી લખશે. એક રીતે અથવા બીજી રીતે, 2013 સુધીમાં મેં મારા પ્રારંભિક કાર્ય પર એક અહેવાલ લખવાનું અને કોન્ફરન્સમાં ભાગ લેવા માટે અનુદાન માટેની અરજી સાથે કોન્ફરન્સ ઓર્ગેનાઈઝિંગ કમિટીને મોકલવાનું નક્કી કર્યું. મને કંઈક અંશે આશ્ચર્ય થયું, મારી અરજી મંજૂર કરવામાં આવી, અને મેં પ્રોજેક્ટને કોન્ફરન્સમાં પ્રસ્તુતિ માટે તૈયાર કરવા માટે તેમાં કેટલાક સુધારા કરવાનું શરૂ કર્યું.

તે સમય સુધીમાં, પ્રોજેક્ટને પહેલેથી જ એક નવું નામ BIRMA પ્રાપ્ત થઈ ગયું હતું, તેણે વિવિધ વધારાની (એટલી બધી સંપૂર્ણ અમલમાં નહીં, પરંતુ ધારવામાં આવેલી) ક્ષમતાઓ પ્રાપ્ત કરી છે - તમામ વિગતો મારા અહેવાલમાં મળી શકે છે.

સાચું કહું તો, BIRMA 2013 ને કંઈક પૂર્ણ કહેવું મુશ્કેલ હતું; સાચું કહું તો, તે ઉતાવળમાં બનાવેલ ખૂબ જ હેકી હસ્તકલા હતી. કોડની દ્રષ્ટિએ, IRBIS 64 ફોર્મેટિંગ ભાષા (અને હકીકતમાં, ISIS સિસ્ટમ પણ -) ની યાદ અપાવે તેવા દેખાવમાં, પાર્સર માટે અમુક પ્રકારના એકીકૃત વાક્યરચના બનાવવાના બદલે નિઃસહાય પ્રયાસ સિવાય, વ્યવહારીક રીતે કોઈ ખાસ નવીનતાઓ નહોતી. ચક્રીય બંધારણ તરીકે કૌંસ સાથે; શા માટે તે સમયે મને લાગ્યું કે તે ખૂબ સરસ લાગે છે). વિશ્લેષક નિરાશાજનક રીતે યોગ્ય પ્રકારના કૌંસના આ વર્તુળો પર ઠોકર ખાય છે (કારણ કે કૌંસએ બીજી ભૂમિકા પણ ભજવી હતી, એટલે કે, તેઓ પદચ્છેદન દરમિયાન વૈકલ્પિક માળખાને ચિહ્નિત કરે છે જે છોડી શકાય છે). હું તે સમયના મારા અહેવાલમાં વધુ વિગતમાં BIRMA ના તત્કાલીન અઘરા, ગેરવાજબી વાક્યરચનાથી પરિચિત થવા માંગતા હોય તેવા દરેકને ફરીથી સંદર્ભિત કરું છું.

સામાન્ય રીતે, મારા પોતાના પાર્સર સાથે સંઘર્ષ કરવા સિવાય, મારી પાસે આ સંસ્કરણના કોડ વિશે કહેવા માટે વધુ કંઈ નથી - સિવાય કે .NET કોડની કેટલીક વિશિષ્ટ સુવિધાઓને સાચવીને વર્તમાન સ્ત્રોતોને C++ માં રિવર્સ રૂપાંતર સિવાય (પ્રમાણિકપણે, તે છે. સમજવું મુશ્કેલ , મને બધુ પાછું ખસેડવા માટે ખરેખર શું પ્રોત્સાહિત કર્યું - કદાચ મારા સોર્સ કોડ્સને ગુપ્ત રાખવા માટે કોઈ મૂર્ખ ડર, જાણે કે તે કોકા-કોલાની ગુપ્ત રેસીપીની સમકક્ષ હોય).

કદાચ આ મૂર્ખ નિર્ણય ઇલેક્ટ્રોનિક કેટલોગમાં ડેટા દાખલ કરવા માટે ઘરે બનાવેલા વર્કસ્ટેશનના હાલના ઇન્ટરફેસ સાથે પરિણામી DLL લાઇબ્રેરીને જોડવામાં મુશ્કેલીઓનું કારણ પણ છે (હા, મેં બીજી મહત્વપૂર્ણ હકીકતનો ઉલ્લેખ કર્યો નથી: હવેથી, બધા BIRMA “એન્જિન” નો કોડ અપેક્ષા મુજબનો હતો, તે ઈન્ટરફેસના ભાગથી અલગ અને યોગ્ય DLL માં પેક કરવામાં આવ્યો છે). શા માટે આ હેતુઓ માટે એક અલગ વર્કસ્ટેશન લખવું જરૂરી હતું, જે કોઈપણ રીતે, તેના દેખાવ અને વપરાશકર્તા સાથેની ક્રિયાપ્રતિક્રિયાની પદ્ધતિમાં, IRBIS 64 સિસ્ટમના સમાન વર્કસ્ટેશન "કેટેલોગાઇઝર" ની નિર્લજ્જતાથી નકલ કરે છે - આ એક અલગ પ્રશ્ન છે. ટૂંકમાં: તે મારા ગ્રેજ્યુએશન પ્રોજેક્ટ માટેના મારા તત્કાલીન વિકાસને જરૂરી નક્કરતા આપી (અન્યથા એકલું અપચો પાર્સર એન્જિન કોઈક રીતે પૂરતું ન હતું). વધુમાં, પછી મને C++ અને C# એમ બંનેમાં અમલમાં મૂકાયેલ મારા પોતાના મોડ્યુલો સાથે Cataloger વર્કસ્ટેશનના ઇન્ટરફેસને અમલમાં મૂકવા અને મારા એન્જિનને સીધું એક્સેસ કરવામાં કેટલીક મુશ્કેલીઓનો સામનો કરવો પડ્યો.

સામાન્ય રીતે, વિચિત્ર રીતે, તે ભાવિ BIRMA.NET નો આ અણઘડ પ્રોટોટાઇપ હતો જે આગામી ચાર વર્ષ માટે મારું "વર્કહોર્સ" બનવાનું નક્કી કરવામાં આવ્યું હતું. એવું કહી શકાય નહીં કે આ સમય દરમિયાન મેં ઓછામાં ઓછા લાંબા સમયથી ચાલતા વિચારના નવા, વધુ સંપૂર્ણ અમલીકરણ માટે માર્ગો શોધવાનો પ્રયાસ કર્યો નથી. અન્ય નવીનતાઓમાં, ત્યાં પહેલેથી જ નેસ્ટેડ ચક્રીય સિક્વન્સ હોવા જોઈએ જેમાં વૈકલ્પિક તત્વો શામેલ હોઈ શકે - આ રીતે હું પ્રકાશનોના ગ્રંથસૂચિ વર્ણનો અને અન્ય વિવિધ રસપ્રદ વસ્તુઓ માટે સાર્વત્રિક નમૂનાઓના વિચારને જીવનમાં લાવવા જઈ રહ્યો હતો. જો કે, તે સમયે મારી પ્રાયોગિક પ્રવૃત્તિઓમાં, આ બધાની ઓછી માંગ હતી, અને તે સમયે મારી પાસે જે અમલીકરણ હતું તે સામગ્રીના કોષ્ટકો દાખલ કરવા માટે પૂરતું હતું. આ ઉપરાંત, અમારી લાઇબ્રેરીના વિકાસનું વેક્ટર મ્યુઝિયમ આર્કાઇવ્સના ડિજિટાઇઝેશન, રિપોર્ટિંગ અને મને ઓછી રુચિ ધરાવતી અન્ય પ્રવૃત્તિઓ તરફ વધુને વધુ વિચલિત થવા લાગ્યું, જેના કારણે અંતે મને તે છોડી દેવાની ફરજ પડી, જેઓ તેમને માર્ગ આપે છે. આ બધાથી વધુ ખુશ થાઓ.

વિરોધાભાસી રીતે, આ નાટકીય ઘટનાઓ પછી જ બિરમા પ્રોજેક્ટ, જે તે સમયે એક લાક્ષણિક લાંબા ગાળાના બાંધકામ પ્રોજેક્ટની તમામ લાક્ષણિકતાઓ ધરાવતો હતો, તે તેના લાંબા સમયથી રાહ જોવાતી નવી જીંદગી લેવાનું શરૂ કરે છે! મારી પાસે નિષ્ક્રિય વિચારો માટે વધુ ખાલી સમય હતો, મેં ફરીથી સમાન કંઈકની શોધમાં વર્લ્ડ વાઇડ વેબને કાંસકો કરવાનું શરૂ કર્યું (સદભાગ્યે, હવે હું આ બધું ફક્ત ક્યાંય નહીં, પણ ગિટહબ પર જોવાનું અનુમાન કરી શકું છું), અને ક્યાંક એટ ધ. આ વર્ષની શરૂઆતમાં, આખરે હું જાણીતી સેલ્સફોર્સ કંપની તરફથી નજીવા નામ હેઠળ અનુરૂપ ઉત્પાદન મેળવ્યો. ગોર્પ. આવા પાર્સર એન્જિનમાંથી મને જોઈતી લગભગ દરેક વસ્તુ તે જાતે જ કરી શકે છે - એટલે કે, મનસ્વી, પરંતુ સ્પષ્ટ રીતે સંરચિત ટેક્સ્ટમાંથી વ્યક્તિગત ટુકડાઓને બુદ્ધિપૂર્વક અલગ કરો, જ્યારે અંતિમ વપરાશકર્તા માટે એકદમ વપરાશકર્તા મૈત્રીપૂર્ણ ઇન્ટરફેસ હોય, જેમાં સમજી શકાય તેવા એસેન્સનો સમાવેશ થાય છે. એક પેટર્ન, ટેમ્પલેટ અને ઘટના, અને તે જ સમયે નિયમિત અભિવ્યક્તિઓના પરિચિત વાક્યરચનાનો ઉપયોગ કરીને, જે પદચ્છેદન માટે નિયુક્ત સિમેન્ટીક જૂથોમાં વિભાજનને કારણે અજોડ રીતે વધુ વાંચી શકાય તેવું બને છે.

સામાન્ય રીતે, મેં નક્કી કર્યું કે આ એક છે ગોર્પ (મને આશ્ચર્ય થાય છે કે આ નામનો અર્થ શું છે? કદાચ કોઈ પ્રકારનું “સામાન્ય લક્ષી નિયમિત પાર્સર”?) – બરાબર તે જ હું લાંબા સમયથી શોધી રહ્યો છું. સાચું, મારી પોતાની જરૂરિયાતો માટે તેના તાત્કાલિક અમલીકરણમાં એવી સમસ્યા હતી કે આ એન્જિનને સ્રોત ટેક્સ્ટના માળખાકીય ક્રમનું ખૂબ કડક પાલન જરૂરી હતું. લોગ ફાઇલો જેવા કેટલાક અહેવાલો માટે (એટલે ​​​​કે, તેઓ પ્રોજેક્ટનો ઉપયોગ કરવાના સ્પષ્ટ ઉદાહરણો તરીકે વિકાસકર્તાઓ દ્વારા મૂકવામાં આવ્યા હતા), આ એકદમ યોગ્ય છે, પરંતુ વિષયવસ્તુના સ્કેન કરેલા કોષ્ટકોના સમાન પાઠો માટે, તે અસંભવિત છે. છેવટે, વિષયવસ્તુના કોષ્ટક સાથેનું તે જ પૃષ્ઠ "સામગ્રીનું કોષ્ટક", "સામગ્રી" અને અન્ય કોઈપણ પ્રારંભિક વર્ણનોથી શરૂ થઈ શકે છે જેને આપણે ઉદ્દેશિત વિશ્લેષણના પરિણામોમાં મૂકવાની જરૂર નથી (અને તેને જાતે જ કાપી નાખવી. દરેક વખતે પણ અસુવિધાજનક છે). વધુમાં, વ્યક્તિગત પુનરાવર્તિત ઘટકો, જેમ કે લેખકનું નામ, શીર્ષક અને પૃષ્ઠ નંબર વચ્ચે, પૃષ્ઠમાં ચોક્કસ માત્રામાં કચરો હોઈ શકે છે (ઉદાહરણ તરીકે, રેખાંકનો અને ફક્ત રેન્ડમ અક્ષરો), જેને સક્ષમ થવામાં પણ તે સરસ રહેશે. કાપી નાખવું જો કે, છેલ્લું પાસું હજી એટલું નોંધપાત્ર નહોતું, પરંતુ પ્રથમને લીધે, અસ્તિત્વમાંના અમલીકરણ ચોક્કસ જગ્યાએથી ટેક્સ્ટમાં જરૂરી માળખાં શોધવાનું શરૂ કરી શક્યું નથી, પરંતુ તેના બદલે તેને શરૂઆતથી જ પ્રક્રિયા કરી હતી, તે મળ્યું નથી. ત્યાં દાખલાઓનો ઉલ્લેખ કર્યો અને... મારી નોકરી પૂરી કરી. દેખીતી રીતે, પુનરાવર્તિત રચનાઓ વચ્ચે ઓછામાં ઓછી થોડી જગ્યા આપવા માટે કેટલાક ટ્વિકિંગની જરૂર હતી, અને તે મને કામ પર પાછો ફર્યો.

બીજી સમસ્યા એ હતી કે પ્રોજેક્ટ પોતે જ જાવામાં લાગુ કરવામાં આવ્યો હતો, અને જો મેં ભવિષ્યમાં વર્તમાન ડેટાબેસેસમાં ડેટા દાખલ કરવા માટે પરિચિત એપ્લિકેશનો સાથે આ ટેક્નોલોજીને ઇન્ટરફેસ કરવાના કેટલાક માધ્યમો અમલમાં મૂકવાનું આયોજન કર્યું છે (જેમ કે Irbis નું “Cataloguer”), તો ઓછામાં ઓછું આ C# અને .NET માં કરો. એવું નથી કે જાવા પોતે એક ખરાબ ભાષા છે - મેં એકવાર તેનો ઉપયોગ એક રસપ્રદ વિન્ડો એપ્લિકેશનને અમલમાં કરવા માટે પણ કર્યો હતો જેણે સ્થાનિક પ્રોગ્રામેબલ કેલ્ક્યુલેટરની કાર્યક્ષમતાને અમલમાં મૂકી હતી (કોર્સ પ્રોજેક્ટના ભાગ રૂપે). અને સિન્ટેક્સની દ્રષ્ટિએ તે સમાન સી-શાર્પ જેવું જ છે. ઠીક છે, આ ફક્ત એક વત્તા છે: મારા માટે હાલના પ્રોજેક્ટને અંતિમ સ્વરૂપ આપવાનું સરળ રહેશે. જો કે, હું વિન્ડો (અથવા તેના બદલે, ડેસ્કટોપ) જાવા તકનીકોની આ અસામાન્ય દુનિયામાં ફરીથી ડૂબવા માંગતો ન હતો - છેવટે, ભાષા પોતે આવા ઉપયોગ માટે "અનુકૂલિત" ન હતી, અને હું તેના પુનરાવર્તનની ઝંખના કરતો ન હતો. અગાઉનો અનુભવ. કદાચ તે ચોક્કસપણે છે કારણ કે વિનફોર્મ્સ સાથે જોડાણમાં C# ડેલ્ફીની ખૂબ નજીક છે, જેની સાથે આપણામાંના ઘણાએ એકવાર શરૂઆત કરી હતી. સદનસીબે, જરૂરી ઉકેલ તદ્દન ઝડપથી મળી આવ્યો - પ્રોજેક્ટના સ્વરૂપમાં IKVM.NET, જે હાલના જાવા પ્રોગ્રામ્સને સંચાલિત .NET કોડમાં અનુવાદિત કરવાનું સરળ બનાવે છે. સાચું, તે સમય સુધીમાં લેખકો દ્વારા પ્રોજેક્ટ પોતે જ છોડી દેવામાં આવ્યો હતો, પરંતુ તેના નવીનતમ અમલીકરણથી મને સ્રોત ગ્રંથો માટે જરૂરી ક્રિયાઓ સફળતાપૂર્વક હાથ ધરવાની મંજૂરી મળી. ગોર્પ.

તેથી મેં તમામ જરૂરી ફેરફારો કર્યા અને તે બધાને યોગ્ય પ્રકારના DLL માં એસેમ્બલ કર્યા, જે વિઝ્યુઅલ સ્ટુડિયોમાં બનાવેલ .NET ફ્રેમવર્ક માટેના કોઈપણ પ્રોજેક્ટ દ્વારા સરળતાથી "પિક અપ" કરી શકાય છે. આ દરમિયાન, મેં પાછા ફરેલા પરિણામોની અનુકૂળ રજૂઆત માટે બીજું સ્તર બનાવ્યું ગોર્પ, અનુરૂપ ડેટા સ્ટ્રક્ચર્સના સ્વરૂપમાં કે જે કોષ્ટક દૃશ્યમાં પ્રક્રિયા કરવા માટે અનુકૂળ હશે (પંક્તિઓ અને કૉલમ બંને; શબ્દકોશ કી અને સંખ્યાત્મક અનુક્રમણિકા બંનેને આધારે). ઠીક છે, પરિણામોની પ્રક્રિયા કરવા અને પ્રદર્શિત કરવા માટે જરૂરી ઉપયોગિતાઓ ખૂબ ઝડપથી લખવામાં આવી હતી.

ઉપરાંત, વિષયવસ્તુના કોષ્ટકોના સ્કેન કરેલા પાઠોના હાલના નમૂનાઓનું વિશ્લેષણ કરવાનું શીખવવા માટે નવા એન્જિન માટે ટેમ્પલેટ્સને અનુકૂલિત કરવાની પ્રક્રિયામાં કોઈ ખાસ ગૂંચવણો ઊભી થઈ નથી. વાસ્તવમાં, મારે મારા અગાઉના નમૂનાઓનો સંદર્ભ લેવાની જરૂર નહોતી: મેં ફક્ત શરૂઆતથી જ બધા જરૂરી નમૂનાઓ બનાવ્યા. તદુપરાંત, જો સિસ્ટમના પાછલા સંસ્કરણ સાથે કામ કરવા માટે રચાયેલ નમૂનાઓ ટેક્સ્ટ્સ માટે એકદમ સાંકડી માળખું સેટ કરે છે જે તેમની સહાયથી યોગ્ય રીતે પદચ્છેદન કરી શકાય છે, તો નવા એન્જિને પહેલાથી જ વિવિધ પ્રકારના માર્કઅપ માટે યોગ્ય સાર્વત્રિક નમૂનાઓ વિકસાવવાનું શક્ય બનાવ્યું છે. એકવાર મેં વિષયવસ્તુના કોઈપણ મનસ્વી કોષ્ટક માટે અમુક પ્રકારનો વ્યાપક નમૂનો લખવાનો પણ પ્રયાસ કર્યો હતો, જોકે, અલબત્ત, મારા માટે તમામ નવી શક્યતાઓ ખુલતી હોવા છતાં, ખાસ કરીને, સમાન માળખાના પુનરાવર્તિત ક્રમને અમલમાં મૂકવાની મર્યાદિત ક્ષમતા ( જેમ કે, ઉદાહરણ તરીકે, એક પંક્તિમાં ઘણા લેખકોની અટક અને આદ્યાક્ષરો), આ એક યુટોપિયા હોવાનું બહાર આવ્યું.

કદાચ ભવિષ્યમાં મેટા-ટેમ્પલેટ્સની ચોક્કસ વિભાવનાને અમલમાં મૂકવી શક્ય બનશે, જે એકસાથે ઉપલબ્ધ ઘણા નમૂનાઓનું પાલન કરવા માટે સ્રોત ટેક્સ્ટને તપાસવામાં સક્ષમ હશે, અને પછી, પ્રાપ્ત પરિણામો અનુસાર, પસંદ કરો. સૌથી યોગ્ય, અમુક પ્રકારના બુદ્ધિશાળી અલ્ગોરિધમનો ઉપયોગ કરીને. પણ હવે હું બીજા પ્રશ્ન વિશે વધુ ચિંતિત હતો. જેમ એક વિશ્લેષક ગોર્પ, તેની તમામ વૈવિધ્યતા અને મેં કરેલા ફેરફારો છતાં, તે હજી પણ એક મોટે ભાગે સરળ વસ્તુ કરવા માટે સ્વાભાવિક રીતે અસમર્થ હતું જે મારા સ્વ-લેખિત પાર્સર ખૂબ જ પ્રથમ સંસ્કરણથી કરવા સક્ષમ હતું. જેમ કે: તેની પાસે સ્રોત ટેક્સ્ટમાંથી તમામ ટુકડાઓ શોધવા અને કાઢવાની ક્ષમતા હતી જે યોગ્ય સ્થાને ઉપયોગમાં લેવાતા નમૂનામાં નિર્દિષ્ટ માસ્ક સાથે મેળ ખાતી હોય છે, જ્યારે આ ટુકડાઓ વચ્ચેની જગ્યાઓમાં આપેલ ટેક્સ્ટમાં શું છે તે અંગે તેને બિલકુલ રસ ન હતો. અત્યાર સુધી, મેં નવા એન્જિનમાં માત્ર થોડો સુધારો કર્યો છે, જે તેને વર્તમાન સ્થિતિમાંથી આવા માસ્કના આપેલ ક્રમની તમામ સંભવિત નવી પુનરાવર્તનો શોધવાની મંજૂરી આપે છે, જે સંપૂર્ણ રીતે મનસ્વી અક્ષરોના સેટના ટેક્સ્ટમાં હાજરીની સંભાવનાને છોડી દે છે. પાર્સિંગ માટે બિનહિસાબી, શોધાયેલ પુનરાવર્તિત બંધારણો વચ્ચે બંધ. જો કે, આનાથી અનુરૂપ માસ્કનો ઉપયોગ કરીને પાછલા ટુકડાને શોધવાના પરિણામોને ધ્યાનમાં લીધા વિના આગળનો માસ્ક સેટ કરવાનું શક્ય બન્યું નથી: વર્ણવેલ ટેક્સ્ટ સ્ટ્રક્ચરની કડકતાએ હજી પણ અનિયમિત અક્ષરોના મનસ્વી સમાવેશ માટે જગ્યા છોડી નથી.

અને જો વિષયવસ્તુના કોષ્ટકોના ઉદાહરણો માટે કે જે મને આ સમસ્યા આવી છે તે હજી એટલી ગંભીર નથી લાગતી, તો પછી જ્યારે વેબસાઇટની સામગ્રીઓ (એટલે ​​​​કે સમાન પદચ્છેદન) ના સમાન કાર્ય માટે નવી પદચ્છેદન પદ્ધતિ લાગુ કરવાનો પ્રયાસ કરી રહ્યા હોય, તો તે મર્યાદાઓ અહીં છે તેઓ તેમની તમામ સ્પષ્ટતા સાથે દેખાયા હતા. છેવટે, વેબ માર્કઅપના ટુકડાઓ માટે જરૂરી માસ્ક સેટ કરવાનું એકદમ સરળ છે, જેની વચ્ચે આપણે જે ડેટા શોધી રહ્યા છીએ (જેને કાઢવાની જરૂર છે) તે સ્થિત હોવો જોઈએ, પરંતુ આપણે પાર્સરને તરત જ આગલા પર જવા માટે કેવી રીતે દબાણ કરી શકીએ? સમાન ટુકડો, તમામ સંભવિત ટૅગ્સ અને HTML લક્ષણો હોવા છતાં જે તેમની વચ્ચેની જગ્યાઓમાં મૂકી શકાય છે?

થોડો વિચાર કર્યા પછી, મેં કેટલાક સેવા દાખલાઓ રજૂ કરવાનું નક્કી કર્યું (% all_before) и (%all_after), એ સુનિશ્ચિત કરવાના સ્પષ્ટ ઉદ્દેશ્યને પૂર્ણ કરે છે કે સ્રોત ટેક્સ્ટમાં સમાવિષ્ટ દરેક વસ્તુ તેમને અનુસરતી કોઈપણ પેટર્ન (માસ્ક) પહેલાં છોડી દેવામાં આવે છે. વધુમાં, જો (% all_before) ફક્ત આ બધા મનસ્વી સમાવેશની અવગણના કરી (%all_after), તેનાથી વિપરીત, તેમને અગાઉના ટુકડામાંથી ખસેડ્યા પછી ઇચ્છિત ટુકડામાં ઉમેરવાની મંજૂરી આપી. તે એકદમ સરળ લાગે છે, પરંતુ આ ખ્યાલને અમલમાં મૂકવા માટે મારે જરૂરી ફેરફારો કરવા માટે ફરીથી ગોર્પ સ્ત્રોતો દ્વારા કાંસકો કરવો પડ્યો જેથી પહેલાથી અમલમાં આવેલ તર્કને તોડી ન શકાય. અંતે, અમે આ કરવામાં સફળ થયા (જોકે ખૂબ જ, ખૂબ જ પ્રથમ, ખૂબ જ બગડેલ હોવા છતાં, મારા પાર્સરનું અમલીકરણ લખવામાં આવ્યું હતું, અને તે પણ ઝડપી - થોડા અઠવાડિયામાં). હવેથી, સિસ્ટમે ખરેખર સાર્વત્રિક સ્વરૂપ લીધું છે - તેને કાર્ય કરવાના પ્રથમ પ્રયાસો પછી 12 વર્ષથી ઓછા નહીં.

અલબત્ત, આ આપણા સપનાનો અંત નથી. તમે મફત વ્યાકરણના અમલીકરણ માટે ઉપલબ્ધ કોઈપણ પુસ્તકાલયોનો ઉપયોગ કરીને, C# માં gorp ટેમ્પલેટ પાર્સરને સંપૂર્ણપણે ફરીથી લખી શકો છો. મને લાગે છે કે કોડ નોંધપાત્ર રીતે સરળ બનાવવો જોઈએ, અને આ અમને હાલના જાવા સ્ત્રોતોના સ્વરૂપમાં વારસામાંથી છુટકારો મેળવવાની મંજૂરી આપશે. પરંતુ હાલના પ્રકારનાં એન્જિન સાથે, વિવિધ રસપ્રદ વસ્તુઓ કરવાનું પણ શક્ય છે, જેમાં મેં પહેલેથી જ ઉલ્લેખ કર્યો છે તે મેટા-ટેમ્પ્લેટ્સનો અમલ કરવાનો પ્રયાસ સહિત, વિવિધ વેબસાઇટ્સમાંથી વિવિધ ડેટાને પાર્સ કરવાનો ઉલ્લેખ ન કરવો (જોકે, હું નકારી શકતો નથી. કે હાલના વિશિષ્ટ સોફ્ટવેર ટૂલ્સ આ માટે વધુ યોગ્ય છે – મને હજી સુધી તેનો ઉપયોગ કરવાનો યોગ્ય અનુભવ મળ્યો નથી).

માર્ગ દ્વારા, આ ઉનાળામાં મને પહેલેથી જ સેલ્સફોર્સ ટેક્નોલોજીનો ઉપયોગ કરતી કંપની તરફથી ઇમેઇલ દ્વારા આમંત્રણ મળ્યું છે (મૂળનો વિકાસકર્તા ગોર્પ), રીગામાં અનુગામી કાર્ય માટે એક ઇન્ટરવ્યુ પાસ કરો. કમનસીબે, આ ક્ષણે હું આવા પુનઃનિર્માણ માટે તૈયાર નથી.

જો આ સામગ્રી થોડી રુચિ જગાડે છે, તો પછી બીજા ભાગમાં હું સેલ્સફોર્સમાં ઉપયોગમાં લેવાતા અમલીકરણના ઉદાહરણનો ઉપયોગ કરીને ટેમ્પલેટ્સને કમ્પાઇલ કરવા અને ત્યારબાદ પાર્સિંગ માટેની તકનીકનું વધુ વિગતવાર વર્ણન કરવાનો પ્રયાસ કરીશ. ગોર્પ (મારા પોતાના ઉમેરાઓ, પહેલાથી જ વર્ણવેલ કેટલાક ફંક્શન શબ્દોના અપવાદ સાથે, ટેમ્પલેટ સિન્ટેક્સમાં વર્ચ્યુઅલ રીતે કોઈ ફેરફાર કરતા નથી, તેથી મૂળ સિસ્ટમ માટે લગભગ તમામ દસ્તાવેજો ગોર્પ મારા સંસ્કરણ માટે પણ યોગ્ય).

સોર્સ: www.habr.com