如何使用Python的Lark解析带--->标记的文本段落

你的解析器未识别出section的核心问题有三点：

1. start规则采用section* | line*的歧义分支，Lark会优先尝试匹配line*（因你的section规则仅匹配标题行和后续两个换行，无法覆盖完整section结构，导致解析器 fallback 到line*分支）
2. section规则仅定义了标题行，未包含该section对应的内容部分
3. 内容匹配规则未排除新的section起始行，无法正确划分section边界

修正后的语法与代码 #

from lark import Lark

parser = Lark(r"""
    start: section*

    section: section_header content
    section_header: "---> " SECTION_TITLE "\n"
    SECTION_TITLE: "TITLE" | "CONTENT" | "SOURCE" | "OUTPUT" | "TEST"  # 补充示例中出现的TEST类型

    # 匹配所有不以--->开头的行，直到下一个section开头或文档结束
    content: (NON_SECTION_LINE)+
    NON_SECTION_LINE: /^(?!--->).*\n?/
""", start='start')

with open("src/index.mdx") as _in:
    tree = parser.parse(_in.read())
    print(tree.pretty())

关键调整说明 #

• 重新定义start为section*，明确文档是多个section的序列，消除歧义
• 给section补充content部分，让每个section完整包含标题和对应内容
• 用(?!--->)否定前瞻正则，确保NON_SECTION_LINE不会匹配新的section起始行，正确划分每个section的边界
• 补充示例里的TEST类型到SECTION_TITLE中，避免解析失败

测试你提供的示例文档，解析后的语法树会清晰拆分出每个section的标题和对应内容，不会再全部识别为ANY_LINE。

内容的提问来源于stack exchange，提问作者Alan W. Smith