parsing - "Sub-parsers"在管道-attoparsec

Question

我正在尝试使用 Haskell 中的 Pipes-attoparsec 来解析二进制数据。涉及管道(代理)的原因是使读取与解析交错，以避免大文件占用大量内存。许多二进制格式基于 block (或 block )，它们的大小通常由文件中的字段描述。我不确定这样一个 block 的解析器叫什么，但这就是我在标题中所说的“子解析器”的意思。我遇到的问题是以简洁的方式实现它们，而不需要占用大量内存。我提出了两种替代方案，但都在某些方面失败了。

替代方案 1 是将 block 读入单独的字节串并为其启动单独的解析器。虽然简洁，但大的 block 会导致高内存使用。

替代方案 2 是在同一上下文中保持解析并跟踪消耗的字节数。这种跟踪很容易出错，并且似乎会感染组成最终 block 解析器的所有解析器。对于格式错误的输入文件，在比较跟踪的大小之前，它还可能通过比大小字段指示的进一步解析来浪费时间。

import Control.Proxy.Attoparsec
import Control.Proxy.Trans.Either
import Data.Attoparsec as P
import Data.Attoparsec.Binary
import qualified Data.ByteString as BS

parser = do
    size <- fromIntegral <$> anyWord32le

    -- alternative 1 (ignore the Either for simplicity):
    Right result <- parseOnly blockParser <$> P.take size
    return result

    -- alternative 2
    (result, trackedSize) <- blockparser
    when (size /= trackedSize) $ fail "size mismatch"
    return result

blockParser = undefined

main = withBinaryFile "bin" ReadMode go where
    go h = fmap print . runProxy . runEitherK $ session h
    session h = printD <-< parserD parser <-< throwParsingErrors <-< parserInputD <-< readChunk h 128
    readChunk h n () = runIdentityP go where
        go = do
            c <- lift $ BS.hGet h n
            unless (BS.null c) $ respond c *> go

Answer 1

我喜欢称其为“固定输入”解析器。

我可以告诉你pipes-parse将如何做到这一点。您可以预览我将在 parseN 中的 pipes-parse 中描述的内容。和 parseWhile图书馆的职能。这些实际上用于通用输入，但我也编写了类似的示例，例如 String 解析器 here和 here .

技巧非常简单，您在希望解析器停止的位置插入一个假的输入标记结尾，运行解析器(如果它命中输入标记的假结尾，解析器将会失败)，然后删除输入标记的结尾.

显然，这并不像我说的那么容易，但这是一般原则。棘手的部分是:

• 以使其仍然有效的方式进行操作。我链接的那个还没有这样做，但是以流方式执行此操作的方法是在上游插入一个管道，该管道对流过它的字节进行计数，然后在正确的位置插入输入结束标记。

• 不干扰现有的输入结束标记

这个技巧可以适用于pipes-attoparsec，但我认为最好的解决方案是attoparsec直接包含此功能。但是，如果该解决方案不可用，那么我们可以限制提供给 attoparsec 解析器的输入。