复杂字符串解析通用方法问询：自定义语法场景下替代正则的方案

你说得太对了——正则表达式对付简单字符串匹配确实顺手，但一旦语法涉及可选组件、层级结构或者规则组合，正则的复杂度会呈指数级上升，写出来的规则不仅难读，后续维护和扩展更是噩梦。针对你定义的{who}[{where}].{what} = {value}这种有可选部分的自定义语法，最通用且可控的方法主要有两种：手写递归下降解析器，或者使用解析器生成器。

一、手写递归下降解析器（最适合你的场景） #

递归下降解析器是一种自上而下的解析方式，核心思路是把你的语法规则拆分成一个个独立的小单元，每个单元对应一个处理函数，逐个解析。这种方式逻辑清晰，调试和维护都很方便，特别适合你这种不算特别复杂但有可选规则的语法。

针对你的语法的实现思路 #

你的语法可以拆解为几个核心单元：

• 顶层规则：[主体部分] = [值部分]
• 主体部分：{who} + 可选的[{where}] + .{what}
• 各个子单元：{who}、{where}、{what}、{value}都是包裹在大括号里的标识符

给你一个Python风格的简化伪代码示例，你可以参考这个思路实现：

def parse_custom_syntax(input_str):
    # 第一步：拆分赋值语句的左右两边
    if '=' not in input_str:
        raise ValueError("Invalid syntax: missing '='")
    
    left_segment, value_segment = input_str.split('=', 1)
    # 提取value部分（去掉前后空格和大括号）
    parsed_value = value_segment.strip().strip('{}')

    # 第二步：处理左边的主体部分
    # 先找who的结束位置：要么是[，要么是.
    bracket_pos = left_segment.find('[')
    dot_pos = left_segment.find('.')
    who_end = bracket_pos if bracket_pos != -1 and bracket_pos < dot_pos else dot_pos
    parsed_who = left_segment[:who_end].strip().strip('{}')

    # 第三步：处理可选的where部分
    parsed_where = None
    if bracket_pos != -1:
        # 提取[]包裹的内容
        where_end = left_segment.find(']', bracket_pos)
        if where_end == -1:
            raise ValueError("Invalid syntax: missing closing ']'")
        parsed_where = left_segment[bracket_pos+1:where_end].strip().strip('{}')
        # 更新dot_pos到]之后的位置
        dot_pos = left_segment.find('.', where_end)
    
    # 第四步：处理what部分
    if dot_pos == -1:
        raise ValueError("Invalid syntax: missing '.' before what")
    parsed_what = left_segment[dot_pos+1:].strip().strip('{}')

    return {
        'who': parsed_who,
        'where': parsed_where,
        'what': parsed_what,
        'value': parsed_value
    }

这种方式的优势很明显：

• 逻辑直观，每个步骤对应语法的一个部分，出问题可以单独调试
• 扩展性强：如果以后要给语法加新的可选组件（比如加个{time}），只要新增对应的处理分支就行
• 可读性高：其他开发者看代码就能快速理解你的语法规则

二、使用解析器生成器（适合更复杂的语法） #

如果你的语法后续可能变得更复杂（比如增加嵌套结构、更多规则分支），可以用解析器生成器来自动生成解析逻辑。这类工具需要你用**BNF范式（巴科斯范式）**定义语法规则，然后工具会帮你生成对应语言的解析器代码。

你的语法的BNF示例 #

<statement> ::= <subject> "=" <value>
<subject> ::= <who> ( "[" <where> "]" )? "." <what>
<who> ::= "{" <identifier> "}"
<where> ::= "{" <identifier> "}"
<what> ::= "{" <identifier> "}"
<value> ::= "{" <identifier> "}"
<identifier> ::= [a-zA-Z0-9_]+

常见的解析器生成器有：

• ANTLR：支持几乎所有主流编程语言，功能强大，适合复杂语法
• PEG.js：针对JavaScript/TypeScript的PEG解析器生成器，轻量易用
• Ply：Python的Lex-Yacc实现，适合Python生态的开发者

这种方式的好处是你只需要关注语法规则本身，不需要手动写递归逻辑，适合快速构建复杂解析器。

总结 #

• 正则表达式适合无结构的简单字符串匹配，一旦涉及有明确层级、可选组件的自定义语法，解析器方案是更优选择
• 对于你的当前场景，手写递归下降解析器是性价比最高的方案，逻辑清晰且易于维护
• 如果语法后续会大幅扩展，再考虑用解析器生成器来简化开发

内容的提问来源于stack exchange，提问作者aiko