KPeg 使用与技术文档
1. 安装指南
KPeg 是一个为 Ruby 语言设计的简单 PEG(Parsing Expression Grammar)库。以下是安装 KPeg 的步骤:
-
确保已经安装了 Ruby 环境。
-
使用 RubyGems 安装 KPeg:
gem install kpeg
-
安装完成后,你可以在 Ruby 项目中引入 KPeg 库。
2. 项目使用说明
KPeg 允许用户通过定义一系列规则来构建语法。以下是构建语法的步骤:
设置语法
所有语法都以类/模块名称开始,这将作为解析器:
%% name = Example::Parser
接着可以定义一个 Ruby 代码块,该代码块将被添加到解析器的类体中。在这个代码块中定义的属性可以作为实例变量在解析器中使用。同时也可以定义方法,并在动作块中使用它们。
%% {
attr_accessor :something_cool
def something_awesome
# 执行一些伟大的操作
end
}
定义字面量
字面量是设计用于在语法中重用的字符或正则表达式的静态声明。可以是常量或变量。字面量可以接受字符串、正则表达式或字符范围。
ALPHA = /[A-Za-z]/
DIGIT = /[0-9]/
period = "."
string = "a string"
regex = /(regexs?)+/
char_range = [b-t]
字面量也可以接受多个定义:
vowel = "a" | "e" | "i" | "o" | "u"
alpha = /[A-Z]/ | /[a-z]/
定义规则
在使用字符串进行解析之前,需要定义规则来接受或拒绝该字符串。KPeg 中有多种不同类型的规则。
最基础的规则是字符串捕获:
alpha = < /[A-Za-z]/ > { text }
规则还可以像函数一样接受参数:
d(num) = <.> &{ text[0] == num }
规则支持一些正则表达式语法来匹配:
- 可选
?
- 多个
+
- 克里尼
*
- 分组
()
定义动作
如上所述,KPeg 允许基于匹配执行动作。动作可以定义在提供的块中或规则定义本身。
num = /[1-9][0-9]*/
sum = < num:n1 "+" num:n2 > { n1 + n2 }
引用外部语法
KPeg 允许运行在另一个语法中定义的规则。这对于希望在另一个解析器中重用定义好的规则集非常有用。创建语法并使用 kpeg 命令行工具生成解析器。
kpeg literals.kpeg
在新的语法中引入生成的解析器文件,并创建一个变量来持有外部语法的接口。
%{
require "literals.kpeg.rb"
}
%foreign_grammar = Literal
然后在本地语法文件中使用外部语法中定义的规则。
注释
KPeg 允许使用 #
符号在语法文件中添加注释。
变量
变量如下所示:
%% name = value
KPeg 允许以下控制输出解析器的变量:
name
:生成的解析器的类名。custom_initialize
:当生成独立的解析器时,默认的initialize
方法不会被包含。
指令
指令如下所示:
%% header {
...
}
KPeg 允许以下指令:
header
:放在任何生成代码之前。pre-class
:放在类定义之前,用于提供类注释。footer
:放在类定义之后(用于要求依赖于解析器命名空间的文件)。
3. 项目 API 使用文档
KPeg 的 API 由一系列用于构建语法的规则和方法组成。以下是 API 的简要概述:
< rule > { block }
:定义一个规则,并执行一个动作块。&{ condition }
:如果条件为真,则返回 true。!{ condition }
:如果条件为真,则返回 false。~method_name(args)
:调用定义的方法。
4. 项目安装方式
KPeg 的安装方式如安装指南中所述,通过 RubyGems 进行安装。
确保已经安装了 Ruby 环境,然后使用以下命令安装 KPeg:
gem install kpeg
安装完成后,你可以开始使用 KPeg 来构建你的语法解析器。
- QQwen3-Next-80B-A3B-InstructQwen3-Next-80B-A3B-Instruct 是一款支持超长上下文(最高 256K tokens)、具备高效推理与卓越性能的指令微调大模型00
- QQwen3-Next-80B-A3B-ThinkingQwen3-Next-80B-A3B-Thinking 在复杂推理和强化学习任务中超越 30B–32B 同类模型,并在多项基准测试中优于 Gemini-2.5-Flash-Thinking00
GitCode-文心大模型-智源研究院AI应用开发大赛
GitCode&文心大模型&智源研究院强强联合,发起的AI应用开发大赛;总奖池8W,单人最高可得价值3W奖励。快来参加吧~0100Sealos
以应用为中心的智能云操作系统TSX00GitCode百大开源项目
GitCode百大计划旨在表彰GitCode平台上积极推动项目社区化,拥有广泛影响力的G-Star项目,入选项目不仅代表了GitCode开源生态的蓬勃发展,也反映了当下开源行业的发展趋势。08- HHunyuan-MT-7B腾讯混元翻译模型主要支持33种语言间的互译,包括中国五种少数民族语言。00
GOT-OCR-2.0-hf
阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile02
- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00
- Dd2l-zh《动手学深度学习》:面向中文读者、能运行、可讨论。中英文版被70多个国家的500多所大学用于教学。Python011
热门内容推荐
最新内容推荐
项目优选









