Haskell新手求助：如何用Attoparsec递归提取TXT文件所有单词？

嘿，刚上手Haskell和Attoparsec对吧？你的问题很典型——Attoparsec默认只会从输入开头匹配一次你定义的解析规则，不会自动遍历整个文本。从你说的只得到Prose {word = "Hello"}来看，大概率是你的解析器只定义了单个单词的解析逻辑，没告诉它要重复解析所有单词。

我来给你拆解一下解决方案：

1. 先完善单个单词的解析 #

首先得处理英文里的各种单词情况，比如带撇号的I'm、带点号的Mr.Robot，还要把单词后面的标点（逗号、句号）排除在外。我们可以这么写：

{-# LANGUAGE OverloadedStrings #-}
import Data.Attoparsec.Text
import Data.Text (Text)
import Data.Char (isAlpha, isSpace)

-- 你的Prose数据类型
data Prose = Prose { word :: Text } deriving (Show)

-- 匹配单词字符：字母、撇号、点号（处理缩写/尊称）
wordChar :: Char -> Bool
wordChar c = isAlpha c || c == '\'' || c == '.'

-- 解析单个单词
wordParser :: Parser Text
wordParser = takeWhile1 wordChar

-- 解析单词之间的分隔符：空格、换行、标点符号
separator :: Parser ()
separator = skipMany $ satisfy (\c -> isSpace c || c `elem` [',', '.', '!', '?'])

2. 关键：重复解析所有单词 #

这是你原来代码缺失的部分——用many让解析器重复匹配所有单词，同时处理分隔符：

-- 解析整个文本的所有单词
proseParser :: Parser [Prose]
proseParser = do
  separator  -- 跳过文本开头的空白/标点（如果有的话）
  many $ do
    w <- wordParser
    separator  -- 跳过当前单词后的所有分隔符
    return $ Prose w

3. 测试解析逻辑 #

用你的示例文本测试一下：

sampleText :: Text
sampleText = "Hello World, I am Elliot Anderson. \nAnd I'm Mr.Robot.\n"

main :: IO ()
main = case parseOnly proseParser sampleText of
  Left err -> putStrLn $ "解析错误：" ++ err
  Right proseList -> print proseList

运行这段代码，你会得到所有单词的列表：

[Prose {word = "Hello"}, Prose {word = "World"}, Prose {word = "I"}, Prose {word = "am"}, Prose {word = "Elliot"}, Prose {word = "Anderson"}, Prose {word = "And"}, Prose {word = "I'm"}, Prose {word = "Mr.Robot"}]

为什么原来的代码只解析了第一个单词？ #

Attoparsec的解析器是单次匹配的——如果你只写了Prose <$> wordParser，它只会匹配输入里第一个符合wordParser的内容，然后就停止了。必须用many（匹配0或多次）或者some（匹配1或多次）来告诉它要遍历整个输入，重复解析所有符合规则的单词。

另外，别忘了处理分隔符——如果不跳过单词之间的空格、标点，解析器会在第一个单词后遇到逗号/空格，直接抛出匹配失败的错误。

内容的提问来源于stack exchange，提问作者centrinok