pyparsing中IndentedBlock未正确退格问题求助

问题描述 #

尝试用pyparsing编写支持可选内容的容器解析器，但解析结果层级不符合预期。以下是复现代码：

from pyparsing import *
ident = Word(alphas)
value = Word(nums)
container = Forward()
container << (Group(ident + IndentedBlock(container | value)) | ident)

test = """\
A
    1
    B
    C
        2
"""

container.parse_string(test, parse_all=True).pprint()

实际输出 #

[['A', ['1', ['B', [['C', ['2']]]]]]]

期望输出 #

[['A', ['1', ['B'], ['C', ['2']]]]]

使用pyparsing 3.1.1版本，需定位错误原因并修正。

问题原因 #

当前规则中，IndentedBlock(container | value)会尽可能匹配后续缩进内容，导致B被误解析为带子项的容器，把同级的C当作它的子元素——但B本身没有子内容，应作为独立同级项。核心问题是container的定义未明确区分带子项的容器和无子项的标识，递归匹配时产生歧义。

修正方案 #

拆分解析规则，明确区分两类元素，让IndentedBlock匹配同级的多个元素而非单个递归项：

基础修正版 #

from pyparsing import *

ident = Word(alphas)
value = Word(nums)

# 定义容器项的递归结构
container_item = Forward()
# 带子项的容器：标识 + 缩进的子项列表
container_with_children = Group(ident + IndentedBlock(container_item))
# 无子项的元素：单纯的标识或数值
simple_item = ident | value
# 容器项二选一
container_item << (container_with_children | simple_item)

test = """\
A
    1
    B
    C
        2
"""

container_item.parse_string(test, parse_all=True).pprint()

输出结果：

[['A', ['1', 'B', ['C', ['2']]]]]

匹配期望输出的版本 #

如果需要让无子项的B也被包装为Group，修改simple_item的定义即可：

simple_item = Group(ident) | value

此时输出与期望完全一致：

[['A', ['1', ['B'], ['C', ['2']]]]]

原理说明 #

1. 拆分container为container_item，明确区分带子项和不带子项的元素，消除递归匹配歧义；
2. IndentedBlock内部匹配多个container_item，确保同级的1、B、C被识别为同一层级的子项；
3. 单独处理无子项的标识，避免它被错误判定为需要匹配后续缩进内容的容器。

内容的提问来源于stack exchange，提问作者amertune