使用pyparsing解析CV(C)音节时出现过度贪婪问题求助

我尝试用pyparsing解析遵循CV(C)模板的音节（每个音节以辅音开头），但当前解析器会“吃掉”下一个音节的辅音，导致解析失败。

现有代码 #

import pyparsing as pp

C = pp.Regex(r'[bcdghklmnpqrstwxyz]')
V = pp.Regex(r'[aeiou]|y$')
syllable = pp.Group(C + V + pp.Opt(C))
word = pp.WordStart() + pp.OneOrMore(syllable) + pp.WordEnd()

测试结果 #

测试单词：["banana", "bar", "ba"]

解析输出：

banana -> Expected end of a word, found 'ana'  (at char 3), (line:1, col:4)
bar -> [['b', 'a', 'r']]
ba -> [['b', 'a']]

期望结果 #

banana -> [['b', 'a'], ['n', 'a'], ['n', 'a']]
bar -> [['b', 'a', 'r']]
ba -> [['b', 'a']]

另外尝试过syllable = pp.Group(C ^ V ^ pp.Opt(C))，但解析会陷入挂起无法完成。

测试代码：

for w in "banana", "bar", "ba":
    try:
        result = word.parseString(w)
        print(f"{w} -> {result}")
    except pp.ParseException as e:
        print(f"{w} -> {e}")

问题根源在于贪婪匹配：原代码中syllable的pp.Opt(C)会优先吃掉后续的辅音，导致下一个音节找不到必须的开头辅音（比如banana中第一个音节会匹配ban，剩下的ana无法组成合法音节）。

要解决这个问题，需要限制可选尾辅音的匹配条件：只有当匹配尾辅音后到达词尾，或者后续字符不是辅音时，才允许匹配尾辅音（根据规则，后续若有字符则必须是下一个音节的开头辅音，因此实际只有词尾场景能匹配尾辅音）。

修改后的代码如下：

import pyparsing as pp

C = pp.Regex(r'[bcdghklmnpqrstwxyz]')
V = pp.Regex(r'[aeiou]|y$')

# 可选尾辅音：仅当匹配后到词尾，或后续不是辅音时才匹配
optional_coda = pp.Opt(C + pp.FollowedBy(pp.WordEnd() | ~C))
syllable = pp.Group(C + V + optional_coda)
word = pp.WordStart() + pp.OneOrMore(syllable) + pp.WordEnd()

测试验证 #

运行原测试代码后，输出与期望完全一致：

banana -> [['b', 'a'], ['n', 'a'], ['n', 'a']]
bar -> [['b', 'a', 'r']]
ba -> [['b', 'a']]

错误尝试说明 #

你之前用C ^ V ^ pp.Opt(C)是错误的：^在pyparsing中是选择匹配（逻辑或），而非顺序匹配。解析器会反复尝试匹配单个辅音、元音或可选辅音，导致无限循环，最终挂起。

内容的提问来源于stack exchange，提问作者sventechie