1
0

Delete article

Deleted articles cannot be recovered.

Draft of this article would be also deleted.

Are you sure you want to delete this article?

More than 1 year has passed since last update.

Ruby: 入れ子の配列だけをパースできるパーサを作る(手書きの再帰下降パーサ)

Last updated at Posted at 2022-12-25

たとえば ((), (), (())) という文字列を入力として与えると

p parse("((), (), (()))")
#=> [[], [], [[]]]

このように入れ子の配列を出力する(入れ子の配列に変換する)パーサを作ります。


入力文字列として使える文字は (, ), ,, 半角スペースの4つだけとします。

いきなり全部やろうとすると大変なので、4つのステップに分けましょう。
以下、「配列」と書いているところは Ruby の配列のイメージで大丈夫です。

  • (1) () をパースできる
    • 空配列
  • (2) (())((())) をパースできる
    • 配列の入れ子
  • (3) (要素, 要素)(要素, 要素, 要素) をパースできる
    • 配列の要素のくりかえし
  • (4) ((), (()))
    • 入れ子とくりかえしの組み合わせ

(0) 全体像と字句解析

全体のイメージはこんな感じ。これを育てていきます。

def parse(src)
  # ここを書いていく
end

src = "()"
tokens = tokenize(src)
tree = parse(tokens)
p tree

字句解析はこれでOK。

$tokens = nil

def tokenize(src)
  src.delete(" ").chars
end

def parse(tokens)
  $tokens = tokens
  # TODO
end

p parse(tokenize("()"))

たとえば tokenize("( )") の結果は ["(", ")"] になります。今回はスペースはあってもなくても同じなのでここで取り除いてしまいます。

グローバル変数 $tokens というのがありますが、きちんと書くなら次のようにパーサクラスのインスタンス変数になるでしょう。

class Parser
  def initialize(tokens)
    @tokens = tokens
    @pos = 0 # 後で出てくる $pos も同様
  end
  # ...
end

この記事ではシンプルさを優先してグローバル変数を使っています。「パーサのしくみを知る」のに必要なもの以外のノイズを減らすため。練習用・おためし用の小さなコードなので問題ないでしょう。

(1) 空配列

トークンの列を先頭から順番に見ていって、最初のトークンが (、次のトークンが ) という順番になっていたら空配列であるとみなし、結果として [] を返します。

$tokens = nil
$pos = nil # 現在のカーソル位置

def tokenize(src); src.delete(" ").chars end

# 現在のカーソル位置のトークンを返す
def peek
  $tokens[$pos]
end

# "(" から、対応する ")" までをパースする
def parse_array
  if peek() == "(" # $toekns[0] をチェック
    # 期待したトークンだったらカーソルを進める
    $pos += 1
  else
    raise "$tokens[0] は ( であるはず"
  end

  if peek() == ")" # $toekns[1] をチェック
    $pos += 1
  else
    raise "$tokens[1] は ) であるはず"
  end

  # 入力トークン列が ["(", ")"] だったらここまで到達するはず
  # → 空配列を返す
  []
end

def parse(tokens)
  # トークン列とカーソル位置をリセット
  $tokens = tokens
  $pos = 0

  parse_array()
end

p parse(tokenize("()")) #=> []

() という順番になっているかチェックしているので、たとえば )(( のような入力を渡すとパース失敗という結果になります(期待通りに失敗する)。

(2) 入れ子

再帰呼び出しを使います。再帰が出てくるのでここからちょっと難しくなりますね。

$tokens = nil
$pos = nil

def tokenize(src); src.delete(" ").chars end
def peek; $tokens[$pos] end

# "(" と対応する ")" までの中身をパースする
def parse_elements
  elements = []

  if peek() == ")"
    return elements
  end

  elements << parse_array() # 再帰

  elements
end

def parse_array
  if peek() == "("
    $pos += 1
  else
    raise "$tokens[#{$pos}] は ( であるはず"
  end

  ary = parse_elements() # 再帰

  if peek() == ")"
    $pos += 1
  else
    raise "$tokens[#{$pos}] は ) であるはず"
  end

  ary
end

def parse(tokens)
  puts "tokens: " + $tokens.inspect

  # トークン列とカーソル位置をリセット
  $tokens = tokens
  $pos = 0

  parse_array()
end

p parse(tokenize("()"    )) #=> []
p parse(tokenize("(())"  )) #=> [[]]
p parse(tokenize("((()))")) #=> [[[]]]

(3) くりかえし

くりかえしだけをやってみます。

p parse(tokenize(""     )) #=> []
p parse(tokenize("x"    )) #=> ["x"]
p parse(tokenize("x,x"  )) #=> ["x", "x"]
p parse(tokenize("x,x,x")) #=> ["x", "x", "x"]

最初に「入力文字列として使える文字は (, ), ,, 半角スペースの4つだけ」と言っていましたが、このステップでは単純化のために配列の要素として x という文字を使います。

$tokens = nil
$pos = nil

def tokenize(src); src.delete(" ").chars end
def peek; $tokens[$pos] end

def parse_repeat
  elements = []

  if $tokens.size <= $pos
    # 要素が0個の場合
    return elements
  end

  # 最初の要素
  elements << peek()
  $pos += 1

  # 2番目以降の要素
  while peek() == ","
    $pos += 1 # カーソルを , の次に進める
    elements << peek()
    $pos += 1
  end

  elements
end

def parse(tokens)
  puts "tokens: " + $tokens.inspect
  $tokens = tokens
  $pos = 0

  parse_repeat()
end

p parse(tokenize(""     )) #=> []
p parse(tokenize("x"    )) #=> ["x"]
p parse(tokenize("x,x"  )) #=> ["x", "x"]
p parse(tokenize("x,x,x")) #=> ["x", "x", "x"]

(4) 入れ子とくりかえしの組み合わせ

(2) と (3) を組み合わせるだけ。

$tokens = nil
$pos = nil

def tokenize(src); src.delete(" ").chars end
def peek; $tokens[$pos] end

def parse_elements
  elements = []

  if peek() == ")"
    return elements
  end

  elements << parse_array()

  while peek() == ","
    $pos += 1
    elements << parse_array()
  end

  elements
end

def parse_array
  if peek() == "("
    $pos += 1
  else
    raise "$tokens[#{$pos}] は ( であるはず"
  end

  ary = parse_elements()

  if peek() == ")"
    $pos += 1
  else
    raise "$tokens[#{$pos}] は ) であるはず"
  end

  ary
end

def parse(tokens)
  puts "tokens: " + $tokens.inspect
  $tokens = tokens
  $pos = 0

  parse_array()
end

p parse(tokenize("()"))           #=> []
p parse(tokenize("(())"))         #=> [[]]
p parse(tokenize("((), ())"))     #=> [[], []]
p parse(tokenize("((), (), ())")) #=> [[], [], []]
p parse(tokenize("((), (()))"))   #=> [[], [[]]]
p parse(tokenize("(((), (())))")) #=> [[[], [[]]]]

これで完成です :tada:

おまけ

  if peek() == "("
    # 期待したトークンだったらカーソルを進める
    $pos += 1
  else
    raise "$tokens[#{$pos}] は ( であるはず"
  end

この部分はメソッドに抽出するとよさそうですね。

あわせて、クラス化まで行ったものも貼っておきます。

class Parser
  def initialize(tokens)
    @tokens = tokens
    @pos = 0
  end

  def peek
    @tokens[@pos]
  end

  def consume(expected)
    if peek() == expected
      @pos += 1
    else
      raise "@tokens[#{@pos}] は #{expected.inspect} であるはず"
    end
  end

  def parse_elements
    elements = []

    if peek() == ")"
      return elements
    end

    elements << parse_array()

    while peek() == ","
      @pos += 1
      elements << parse_array()
    end

    elements
  end

  def parse_array
    consume "("
    ary = parse_elements()
    consume ")"
    ary
  end
end

def tokenize(src)
  src.delete(" ").chars
end

def parse(tokens)
  puts "tokens: " + tokens.inspect
  Parser.new(tokens).parse_array()
end

発展

  • 演算子の優先順位
  • AST(抽象構文木)を組み立ててから評価(実行)

1
0
0

Register as a new user and use Qiita more conveniently

  1. You get articles that match your needs
  2. You can efficiently read back useful information
  3. You can use dark theme
What you can do with signing up
1
0

Delete article

Deleted articles cannot be recovered.

Draft of this article would be also deleted.

Are you sure you want to delete this article?