Është publikuar numri i parë i bibliotekës scan (0.1.0), e cila interpreton tekst në vlera sipas një shablli të njohur gjatë fazës së kompilimit. Shablli ose formati shkruhet si një argument shablli C++ dhe shndërrohet gjatë kompilimit në një automat të fundëm të shënuar (tagged deterministic finite automaton, TDFA), kalimi i të cilit zhvillohet përmes gjendjeve në kod gjatë fazës së kompilimit duke përdorur shabllonat C++. Rezultati i ekzekutimit është vlera e llojit të kërkuar. Koodi i projektit është shkruar në C++23 dhe shpërndahet nën licencën GPLv3. import scan; // A është i barabartë e gjithë vargu. Çdo pikë hyrëse është gjithashtu një adapteri diapazoni. scan::match(address); address | scan::match<"[a-z]+@[a-z.]+"}; // Me grupe. const auto found = scan::match("42-abc"); found.get().to_view(); // "42" // Fillimi i vargut, i zënë me shabllon, dhe e para përputhje kudo. scan::starts_with("abc123").whole().to_view(); // "abc" scan::search("id=4210x").to_view(); // "4210" // Të gjitha përputhjet dhe copat midis tyre - paraqitje të lenjshme. for (const auto& one : text | scan::search_all) { ... } const auto fields = "a,bb,,ccc" | scan::split | std::ranges::to(); // Vlerat, jo tekst. struct row { int id; std::string_view name; }; const row one = scan::scan(line); // Lista, shuma e llojeve, forma e thelluar. struct all { std::vector values; std::variant tail; }; const all got = scan::scan("1,2,3 abc"); // Fillimi i inputit dhe çfarë ka mbetur. const auto [value, rest] = scan::scan_prefix(line).take(); // Duke regjistruar një herë, nga çfarëdo. for (const row& one : scan::each(text).of()) { ... }
Një diapazon, që mund të lexohet vetëm një herë, lexohet pa buferim, fushat mblidhen gjatë pranisë së simboleve. Sa simbole do të mbahen, shablli e përcakton gjatë kompilimit; aty ku nuk ka një numër të tillë, leximet zbatohen gjatë kompilimit. 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()) { ... } Performanca.
Matjet janë realizuar në Ryzen 9 9950X, clang 22.1.8 me libc++, -O3 -march=native, LTO. Tridhjetë e dy regjistrime për kalim, mediana e shtatë kalimeve. «([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 të njëjtat pesë fusha, nga dyqind shkronja çdo një scan::scan<f>.sentinel() 57.8 ns re2c 637 ns CTRE 692 ns RE2 11751 ns «first.last@subdomain.example.com» njohja, asgjë nuk nxirret scan::match<p>.sentinel().scalar() 436 ns scan::match<p>.scalar() 545 ns re2c 1186 ns RE2 2616 ns CTRE 14339 ns Përmbledhja e grupeve gjatë analizës
Tipi informon se cilës grupi i përket karakteri i radhës dhe llogaritja kryhet në vend: asnjë iteracion i ciklit nuk ruhet, asnjë nënkarakter nuk krijohet. 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»
Çdo objekt i thirrjes — alokatori, puli, arena, çfarëdo tjetër — mund të kalojë në atë thirrje që krijon një vlerë. Lloji i kontekstit këtu nuk humbet: gjendja e skanerit dhe çdo thirrje e tij mund të jenë shabllone sipas tij, kështu që asnjë lloj i thirrjes nuk përmendet në skaner. 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); // një për të dy vendet scan::scan(text).of(mine, scan::default_context); // nga një për vend scan::scan(text).of({mine, scan::default_context}); // të njëjtën në kllapa const both got = scan::scan(text).with(mine); // Konteksti nuk është e detyrueshme të jetë tipi i tij: alokatori arrin deri në atë // që ndihmon në ndërtimin e leximit. struct two { std::pmr::string name; std::pmr::string tail; }; const two kept = scan::scan(text).of<( std::pmr::polymorphic_allocator(&bytes));
Huka merr vetë objektin e thirrjes, e jo një kopje, kështu që gjendja mund të ruajë adresën e tij: konteksti jeton aq sa thirrja, dhe të gjithë leximi ndodh brenda kësaj thirrjeje. Veçori të tjera
- Dy shtresa: shtresa e shablloneve (match, starts_with, search, search_all, split) dhe shtresa e formateve, ku «{}» është fusha, dhe vlera e vendit përcaktohet nga fushat e vetë tipit.
- Rregulli i zgjidhjes së dyshimeve është leftmost-first, si në Perl, RE2 dhe CTRE.
- E gjithë kjo funksionon gjithashtu në shprehje konstante.
- Nuk ka lookaround, referenca prapa dhe tipare Unicode; shabllonet punojnë me byte.
- Nuk mbështeten shabllonet që janë të njohura vetëm gjatë ekzekutimit.
Ndërtimi
Kompilohet në clang dhe GCC. Modul C++ nuk është i detyrueshëm: janë të disponueshme skedarë titujsh (include/) që gjenerohet nga të njëjtit module me utilitarin demodulizer — çdo push në main e rikompilon, lidhen dhe i komiton mbrapsht. Varësia e vetme, Boost.PFR, nuk është e nevojshme kur janë aktivizuar paketat e lidhjes nga 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)
Burimi: opennet.ru
