Foi publicado o primeiro lançamento da biblioteca scan (0.1.0), que analisa texto em valores conforme um padrão conhecido na fase de compilação. O padrão ou formato é inserido como um argumento de template C++ e se transforma, durante a compilação, em um autômato finito determinístico marcado (tagged deterministic finite automaton, TDFA), cuja traversão se desenrola em estados no código na fase de compilação usando templates C++. O resultado da execução é um valor do tipo solicitado. O código do projeto é escrito em C++23 e é distribuído sob a licença GPLv3. import scan; // O que corresponde à string inteira. Cada ponto de entrada é também um adaptador de intervalo. scan::match(address); address | scan::match; // Com grupos. const auto found = scan::match("42-abc"); found.get().to_view(); // "42" // Início da string, ocupado pelo padrão, e a primeira correspondência em qualquer lugar. scan::starts_with("abc123").whole().to_view(); // "abc" scan::search("id=4210x").to_view(); // "4210" // Todas as correspondências e pedaços entre elas - representações preguiçosas. for (const auto& one : text | scan::search_all) { … } const auto fields = "a,bb,,ccc" | scan::split | std::ranges::to(); // Valores, não texto. struct row { int id; std::string_view name; }; const row one = scan::scan(line); // Lista, soma de tipos, forma aninhada. struct all { std::vector values; std::variant tail; }; const all got = scan::scan("1,2,3 abc"); // Início da entrada e o que sobrou dela. const auto [value, rest] = scan::scan_prefix(line).take(); // Um registro por vez, de qualquer coisa. for (const row& one : scan::each(text).of()) { … }
Um intervalo que pode ser lido apenas uma vez é lido sem buffer, e os campos são coletados à medida que os caracteres chegam. Quantos caracteres precisam ser retidos, o padrão define na compilação; onde esse número não está disponível, a leitura é rejeitada na compilação. std::istringstream source("set speed 42\nset gain 7\n"); source > std::noskipws; struct command { scan::held name; int value; }; for (const command& one : scan::each(std::views::istream(source)).of()) { … } Desempenho.
As medições foram feitas no Ryzen 9 9950X, clang 22.1.8 com libc++, -O3 -march=native, LTO. Trinta e duas entradas por execução, mediana de sete execuções. «([a-z]+),([a-z]+),([a-z]+),([a-z]+),([a-z]+)» «alpha,bravo,charlie,delta,echo» scan::scan<f>.sentinel() 477 ns re2c 554 ns scan::scan<f> 659 ns CTRE 717 ns RE2 15986 ns os mesmos cinco campos, duzentas letras cada um scan::scan<f>.sentinel() 57.8 ns re2c 637 ns CTRE 692 ns RE2 11751 ns «first.last@subdomain.example.com» reconhecimento, nada é extraído scan::match<p>.sentinel().scalar() 436 ns scan::match<p>.scalar() 545 ns re2c 1186 ns RE2 2616 ns CTRE 14339 ns Agrupamento de grupos durante a análise
É informado ao tipo a qual grupo seu símbolo pertence, e o cálculo é realizado no local: nenhuma iteração do ciclo é armazenada, nenhuma substring é criada. struct tally { unsigned long value = 0; }; struct reading { tally number; std::string_view tail; }; template struct scan::scanner { static constexpr std::string_view pattern() { return R«(\\(((_+)(X|Y)*)*\\))»; } struct state_type { unsigned long total = 0; unsigned place = 0, marks = 0; }; static constexpr state_type begin_groups() { return {}; } static constexpr void opened_group(state_type& one, scan::group_at) { one.place = 0; one.marks = 0; } static constexpr void closed_group(state_type& one, scan::group_at) { unsigned long weight = 1; for (unsigned step = 1; step < one.place; ++step) weight *= 10; one.total += weight * one.marks; } static constexpr void push_group(state_type& one, scan::group_at, char) { ++one.place; } static constexpr void push_group(state_type& one, scan::group_at, char letter) { one.marks += letter == ‘Y’ ? 2u : 1u; } static constexpr tally finish_groups(state_type one) { return {one.total}; } }; const reading got = scan::scan(«value=(__X_XX)abcdefgh»).of(); // got.number.value == 12, got.tail == «abcdefgh»
Qualquer objeto de chamada — alocador, pool, arena, qualquer outra coisa — pode ser passado para aquela chamada que cria o valor. O tipo de contexto não é perdido: o estado do scanner e cada um de seus hooks podem ser modelos para isso, de modo que nenhum tipo de chamada seja mencionado no scanner. struct arena { std::pmr::memory_resource* where = nullptr; std::pmr::memory_resource* resource() const { return where; } }; struct numbers { std::pmr::vector values; }; struct both { numbers left; numbers right; }; template struct scan::scanner { static constexpr std::string_view pattern() { return "([0-9]+)(?:,([0-9]+))*"; } template struct state { std::pmr::vector values; int running = 0; }; static state begin_groups() { return {}; } template requires requires(const Told& one) { one.resource(); } static state begin_groups(const Told& told) { return {std::pmr::vector(told.resource()), 0}; } template static void push_group(state& one, scan::group_at, char digit) { one.running = one.running * 10 + (digit - '0'); } template static void closed_group(state& one, scan::group_at) { one.values.push_back(one.running); one.running = 0; } template static numbers finish_groups(state one) { return {std::move(one.values)}; } }; std::pmr::monotonic_buffer_resource bytes; const arena mine{&bytes}; scan::scan(text).of(mine); // um para ambos os lugares scan::scan(text).of(mine, scan::default_context); // um para cada lugar scan::scan(text).of({mine, scan::default_context}); // o mesmo entre parênteses const both got = scan::scan(text).with(mine); // O contexto não precisa ser do seu tipo: o alocador chega a // construir a leitura. struct two { std::pmr::string name; std::pmr::string tail; }; const two kept = scan::scan(text).of<( std::pmr::polymorphic_allocator(&bytes));
O hook recebe o próprio objeto de chamada, e não uma cópia, portanto o estado pode armazenar seu endereço: o contexto vive tanto quanto a chamada, e toda a leitura ocorre dentro dessa chamada. Outras características
- Duplo nível: camada de templates (match, starts_with, search, search_all, split) e camada de formatos, onde "{}" é o campo, e o valor do espaço é determinado pelos campos do próprio tipo.
- A regra de resolução de ambiguidade é leftmost-first, como em Perl, RE2 e CTRE.
- Tudo que foi mencionado funciona também em expressões constantes.
- Sem lookaround, referências reversas e propriedades Unicode; os templates funcionam com bytes.
- Templates conhecidos apenas em tempo de execução não são suportados.
Compilação
Compila no clang e no GCC. Módulos C++ não são obrigatórios: os arquivos de cabeçalho (include/) são gerados pela mesma ferramenta demodulizer — cada push no main recompila, vincula e comita-os de volta. A única dependência, Boost.PFR, não é necessária com os pacotes de binding ativados a partir do C++26. FetchContent_Declare(scan GIT_REPOSITORY https://github.com/j4niwzis/scan.git GIT_TAG v0.1.0) FetchContent_MakeAvailable(scan) target_link_libraries(mine PRIVATE scan::scan)
Fonte: opennet.ru
