从样本数据中创建解析器语法

Question

我一直在寻找可以帮助用户创建语法的可用内容。有各种IDE，但......它们似乎是文本编辑器，它们处理语法文件本身。我正在寻找一种以数据为中心的方法。所以，假设我有很多我想用解析器解析的数据的例子。所以，我想通过该样本数据并直接从中定义语法。

是否有任何现有软件可以做类似的事情？

我会试着更清楚......

我提到的以数据为中心的方法是用户加载数据样本的地方。然后他们会选择一些表明它们是字段的部分，或者选择项目并将它们标记为分隔符等。

与大多数IDE相反，我看到只有文本编辑器用于编写语法语言本身。

Answer 1

任何有限的字符串组构成常规语言。写一个接受这种语言的NFA是微不足道的。由此，您可以使用子集构造生成DFA，并使用DFA对于不可区分关系的每个等价类仅需要一个状态的事实来最小化它。所以这是一个完全算法的过程......然后获得正则表达式和/或语法同样很简单。

话虽如此，如果你想生成一个语法来生成字符串，可能还有其他人...你的问题似乎不合适。对于任何有限的字符串集，无限多的语法生成它们和其他字符串......只要您点击目标数据集，就可以生成任何其他字符串这一事实的数字的无限性。你的问题基本上是，“考虑到序列a1，a2，...，a，......的开头，说明接下来的n个元素是什么。”这是不可能的，除非你只是想要一些答案......在这种情况下，你总是可以从DFA开始并提出一般化方法（即只接受更多字符串）。

确实，例如一个普通的语法，很容易引入新的字符串...所以也许使用第一个答案作为起点。但是请注意，从NFA到DFA的转换可能非常低效......渐近指数。

Answer 2

我认为您不希望将此限制为FSA，而是将语法限制为（无论是否为上下文）。我建议看http://en.wikipedia.org/wiki/Grammar_induction;似乎有一些关于算法的讨论（对不起，不是软件）。