Lexy 2025.05.0 版本发布:解析库的重大更新与功能增强
Lexy 是一个现代化的 C++ 解析库,专注于提供高效、灵活且类型安全的解析解决方案。它采用了编译时解析器组合的方式,允许开发者通过组合各种解析规则来构建复杂的解析器,同时保持代码的高性能和可维护性。Lexy 特别适合用于构建编程语言解析器、配置文件解析器以及其他需要复杂文本处理的场景。
潜在的重大变更
本次 2025.05.0 版本引入了一些可能影响现有代码的变更:
-
API 重命名:
scanner-common::capture_token被重命名为scanner-common::capture,同时移除了旧的scanner-common::capture实现。这一变更使得 API 命名更加一致,虽然旧代码可能会遇到编译错误,但这是向更清晰 API 设计迈出的一步。 -
解析树行为变更:
lexy::parse_as_tree现在会为原本为空的产生式节点添加位置标记。这一改进确保了没有产生式节点会是完全空的(除非直接使用构建器 API),使得解析树的结构更加一致和可靠。 -
错误恢复行为调整:
lexy::dsl::try_()的错误恢复行为现在会在可选的错误恢复规则后跳过空白字符,这更符合大多数场景下的预期行为。 -
API 弃用:弃用了不接收
remaining_input参数的lexy::parse_tree::builder::finish()重载版本,开发者应该迁移到新版本。 -
拼写修正:修正了
lexy::code_point::spaing_mark的拼写错误,现在正确的形式是spacing_mark。
新功能亮点
实验性多遍解析支持
本次版本引入了实验性的多遍解析支持,通过新增的 lexy::parse_tree_input 和 lexy::dsl::tnode/lexy::dsl::pnode 功能,开发者可以实现更复杂的解析场景,其中需要对输入进行多次处理。
增强的字节匹配功能
新增了 lexy::dsl::byte 的一系列方法(if_/set/range/ascii),使得对特定字节的匹配更加灵活和强大。这些方法为处理二进制数据或特定编码格式提供了更多可能性。
错误处理改进
新增了扫描器上 fatal_error() 的重载版本,支持构造类型擦除的通用错误,这大大增强了错误处理的灵活性。同时修复了 lexy_ext::report_error 无条件写入 stderr 的问题,现在它会正确考虑输出迭代器。
缓冲区管理增强
新增了 lexy::buffer::release() 和 lexy::buffer::adopt() 方法,允许开发者解构缓冲区到其组件并在之后重新组装,这为缓冲区的生命周期管理提供了更多控制。
解析树功能增强
新增了 lexy::parse_tree::node::position() 和 ::covering_lexeme() 方法,使得从解析树节点获取位置信息和覆盖的词素更加方便。
其他实用改进
- 为
lexy::dsl::flag()添加了默认参数,简化了常见用例 - 新增了
lexy::callback_with_state,支持带状态的回调 - 改进了
lexy::dsl::op和lexy::dsl::error的标签构造函数,现在会传递解析状态(如果需要) - 为子目录构建启用了 CMake 安装规则
重要错误修复
本次版本修复了多个关键问题:
-
无限循环问题:修复了
dsl::delimited在处理无效代码点时可能出现的无限循环问题。 -
错误处理问题:修复了大小写折叠规则中错误被吞掉的问题,以及
dsl::scan相关的多个错误。 -
解析树问题:修复了
lexy::parse_as_tree中缺失lexy::error_context::position的问题,以及lexy::parse_tree中的静态断言问题。 -
位置比较问题:修复了
lexy::input_location::operator<中的错误,确保位置比较的正确性。 -
编译问题:为容器回调和
lexy::as_string添加了缺失的constexpr,修复了多个编译器兼容性问题。
技术影响与升级建议
本次更新在保持 Lexy 核心设计理念的同时,显著增强了其功能和稳定性。多遍解析支持的引入为复杂语言解析开辟了新可能性,而错误处理和解析树的改进则提升了库的健壮性。
对于现有项目,建议开发者:
-
检查是否使用了被重命名或修改的 API,如
capture_token或try_()的错误恢复行为。 -
考虑利用新的字节匹配功能简化现有解析逻辑。
-
评估是否可以从解析树的新功能中受益,如
position()和covering_lexeme()方法。 -
对于需要复杂错误处理的场景,可以尝试新的
fatal_error()重载。
Lexy 2025.05.0 版本标志着该项目在成熟度和功能丰富性上的重要进步,为 C++ 解析领域提供了更加强大和可靠的解决方案。
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00