如何使用Parsec正确读取文本直至遇到停止词？

你的问题核心是贪婪匹配导致停止词被提前消耗，many1 anyChar会读取所有后续字符（包括"stop_word"），使得后续的string "stop_word"无法找到匹配。lookAhead正是解决这个场景的关键工具，它能在不移动解析指针的前提下检查后续内容。

修正后的代码 #

import Text.Parsec
import Text.Parsec.String (Parser)

-- 根据实际需求定义ParamBlock和paramExpr
data ParamBlock = ParamBlock String String deriving (Show)
paramExpr :: Parser String
paramExpr = many1 letter  -- 示例实现，替换为你的实际解析逻辑

paramBlockExpr :: Parser ParamBlock
paramBlockExpr = do
  p <- paramExpr
  -- 读取任意字符，直到检测到即将出现"stop_word"
  txt <- manyTill anyChar (lookAhead (string "stop_word"))
  -- 此时指针仍在"stop_word"开头，直接匹配即可
  _ <- string "stop_word"
  return $ ParamBlock p txt

关键逻辑说明 #

• manyTill anyChar (lookAhead (string "stop_word"))：manyTill会持续执行anyChar直到第二个解析器成功。lookAhead在这里的作用是仅检查当前位置是否能匹配"stop_word"，而不移动解析指针，因此当检测到停止词时，manyTill会停止读取，此时指针刚好停在"stop_word"的起始位置，后续的string "stop_word"可以正常匹配。
• 不要使用many (noneOf "stop_word")：这种方式会错误地阻止所有包含"s"、"t"等单个字符的内容，而不是等待完整的"stop_word"序列出现。

内容的提问来源于stack exchange，提问作者student422