如何使用attoparsec在Haskell中高效解析TXT电子书并统计句子数？

嘿，作为Haskell新手就敢上手attoparsec做文本解析，这步子迈得很扎实！我看了你给出的代码片段，帮你把它补全并优化，刚好能实现统计文本句子数量的需求。

首先咱们明确核心需求：句子一般是以.、!、?这类标点结尾，后面跟着空格或者换行（先暂时忽略Mr.这种缩写的复杂情况，先实现基础版本，之后再扩展）。

先给你补全并修正后的完整代码：

{-# LANGUAGE OverloadedStrings #-}

import Data.Attoparsec.Text
import qualified Data.Text as T
import qualified Data.Text.IO as Txt
import Control.Applicative ((<*>), (*>), (<$>), (<|>), pure)

-- 可以用这个类型封装句子，或者直接用Text也没问题
data Sentence = Sentence T.Text deriving Show

-- 匹配句子结尾的三种常见标点
sentenceEnd :: Parser Char
sentenceEnd = char '.' <|> char '!' <|> char '?'

-- 解析单个句子：读取到标点前的内容 → 匹配结尾标点 → 跳过后续空白
sentenceParser :: Parser Sentence
sentenceParser = do
  -- 读取所有非结尾标点的字符，至少一个（避免空句子）
  content <- takeWhile1 (\c -> c /= '.' && c /= '!' && c /= '?')
  end <- sentenceEnd
  -- 跳过句子后面的空格、换行等空白字符
  skipMany space
  -- 把内容和标点拼接，顺便去掉首尾空白
  pure $ Sentence (T.strip content `T.snoc` end)

-- 解析整个文本的所有句子
allSentencesParser :: Parser [Sentence]
allSentencesParser = many1 sentenceParser <* endOfInput

-- 主函数：读取文件、解析、输出句子数量
main :: IO ()
main = do
  -- 替换成你的电子书路径
  inputTxt <- Txt.readFile "your-book.txt"
  case parseOnly allSentencesParser inputTxt of
    Left err -> putStrLn $ "解析出错啦: " ++ err
    Right sentences -> putStrLn $ "这本书总共有 " ++ show (length sentences) ++ " 个句子"

给你拆解一下关键部分：

• 你原来代码里的optional其实不用自己定义，Control.Applicative里已经提供了这个函数，直接用就行
• sentenceParser是核心：先抓句子的主体内容，再匹配结尾标点，最后跳过后面的空白（避免把换行或空格当成句子的一部分）
• allSentencesParser会把整个文本拆成句子列表，最后用endOfInput确保解析到文件末尾，避免遗漏
• 主函数里用parseOnly处理解析结果，成功就统计长度，失败就输出错误信息

如果之后想处理更复杂的场景，比如区分缩写和句子结尾，可以加一些规则：

• 比如检查句号后面的字符是不是大写字母（正常句子开头是大写）
• 或者预先定义常见的缩写列表，遇到这些缩写后面的句号就不认为是句子结尾

这个基础版本足够应付大部分普通文本的句子统计需求啦。

内容的提问来源于stack exchange，提问作者centrinok