HaskellのParsecライブラリを使ってみる

HaskellのParsecの初歩的な使い方をまとめてみた。

Parsecとは？

Haskellのパーサコンビネータライブラリ。
これを使って、例えばJSONをパースするパーサを作ったり、ソースコードの構文解析をしたりできる。
正規表現の代わりに使うこともできる。

１文字だけパース(というか認識)するパーサを作る

おそらく最も簡単な１文字だけをパースするパーサを作ってみる。
つまり、入力文字がパーサが指定した文字とマッチするかどうかを判定するだけのパーサ。
これを作ることの実用的な意味は全くない。

手っ取り早く、インタプリタで動かしてみる。

• インタプリタ起動

$> ghci



• Parsecをインポートする

GHCI> import Text.ParserCombinators.Parsec



• 文字'a'をパースする

GHCI> parseTest (char 'a') "a" 'a'


parseTestは、引数にパーサと入力文字列を受取り、パーサを実行する。
この場合は、パーサはchar 'a'で、入力文字列は、"a"。
char 'a'というパーサの動作は、文字'a'を受取り、'a'を返し、それ以外の文字を受け取った場合はエラーとなる。
ここでは、入力文字列が"a"なので、パースは成功し、'a'を返している。


• 'a'以外の文字を入力してみる

GHCI> parseTest (char 'a') "b" parse error at (line 1, column 1): unexpected "b" expecting "a"


入力文字列を"b"にしてみると、失敗していることがわかる。
「aを期待しているのにbが来てますよ」って言っている。

小文字のaを大文字のAに変換するパーサを作る

先に作ったchar 'a'というパーサは、ただ'a'という文字と入力文字がマッチするか判定するだけだったが、今度はマッチして、さらにそれを大文字に変換させるようにパーサを進化させてみる。

次のコードの３行目のようにパーサを定義することで実現できる。
まず、char 'a'で'a'とマッチさせ、return 'A'というパーサで返す文字を決めている。
この２つのパーサはモナドなので>>で、２つのパーサを連結することができる。
そして同じようにparseTest関数で実行する。

1  2  3  4	-- sample1.hs import Text.ParserCombinators.Parsec p = char 'a' >> return 'A' main = parseTest p "a"

コンパイルして実行する。

$> ghc sample1.hs $> ./sample1 'A'

実行結果をみると、ちゃんと'a'が'A'に変換されていることがわかる。
このようにして、Parsecでは小さなパーサを繋げていって大きなパーサを作っていく。

複数の文字をパースしてみる

今度は１文字だけ処理するパーサを、複数の文字を処理できるパーサへ拡張する。
先と同じように１文字だけをパースするパーサを組み合わせれは、簡単に２文字をパースするパーサを作ることができる。

char 'a' >> char 'b'

３文字のパーサだったら次のようになる。

char 'a' >> char 'b' >> char 'c'

次のコードをコンパイルして実行してみる。
main関数を少し改良して、コマンドラインから文字列を入力できるようにした。

1  2  3  4  5  6	-- sample2.hs import Text.ParserCombinators.Parsec p = char 'a' >> char 'b' >> char 'c' main = do   input <- getContents   parseTest p input

$> ghc sample2.hs $> echo "abc" | ./sample2 'c'

ここで注意しなければならないのは、出力結果が'c'になっていること。
最後のパーサchar 'c'の戻り値が結果として出力される。
最初の２つのパーサの結果は捨てられている。
これらのパーサの結果を使いたければ、>>ではなく>>=を使えばよい。

char 'a' >>= \a -> char 'b' >>= \b -> char 'c' >>= return $ a:b:c:[]

または、doを使えば、

1  2  3  4  5	do  a <- char 'a'  b <- char 'b'  c <- char 'c'  return $ a:b:c:[]

とも書くこともできる。

コードを書き換えて、実行してみる。

1  2  3  4  5  6	-- sample3.hs import Text.ParserCombinators.Parsec p = char 'a' >>= \a -> char 'b' >>= \b -> char 'c' >>= \c -> return $ a:b:c:[] main = do   input <- getContents   parseTest p input

$> ghc sample3.hs $> echo "abc" | ./sample3 "abc"

今度は、全てのパーサの結果を使えた。

ところで、Parsecライブラリには、上記のパーサを簡単に書ける関数が用意されていて、次のように書ける。

string "abc"

このstring関数は、引数に取る文字列をパースするパーサを作成してくれる。
これを使えば、charパーサをいくつも連結する必要はない。

1  2  3  4  5  6	-- sample4.hs import Text.ParserCombinators.Parsec p = string "abc" main = do   input <- getContents   parseTest p input

$> ghc sample4.hs $> echo "abc" | ./sampl43 "abc"

同じ結果を得られる。

文字列置換するパーサ

ここまでは、ほとんど実用的なものではなかったので、少しだけ実用的なものとして、文字列を置換するsubstr関数を作成してみる。

substr関数は、引数を３つ取る。
第一引数は、置換したい文字列。
第二引数は、置換後の文字列。
第三引数は、対象の文字列。
戻り値は、置換後の第三引数の文字列。
例えば、"hello world"という文字列の"hello"を"hi"に置換したい場合は、

substr "hello" "hi" "hello world" -- "hi world"

というように使う。

とりあえず、ソースコードは次のようなものになった。

1  2  3  4  5  6  7  8  9  10  11  12  13  14  15	-- sample5.hs import Text.ParserCombinators.Parsec substr :: String -> String -> String -> String substr from to str = case parse parser "error" str of   Right x -> x   Left x -> str   where     parser = do       res <- many $ convert <|> string1       return $ foldl (\a -> \b -> a ++ b) "" res     convert = (try $ string from) >> return to     string1 = anyChar >>= \x -> return $ x:[]

この関数の主な処理は、９行目に定義されているparserパーサが行っている。
１文字づつ処理していき、fromとマッチすればtoに変換し、マッチしなければ何もせずに１文字だけ進むことを繰り返しているパーサを表現している。

parserの中で、新たに定義されたパーサconvert, string1を使っている。

convertは、文字列fromとマッチしたら文字列toに変換するパーサ。
tryを使うことで、パースに失敗した場合は、入力文字列を消費しないようにしている。

string1は、どんな文字でも１文字マッチし、マッチしたChar型の文字をString型に変換するパーサ。
anyCharは、すべての文字をパースするパーサ。どんな文字もパースしたいときに使用する。

convertが失敗すれば、string1を適用したい場合は、「または」を意味する<|>を使う。
つまり、convert <|> string1のようにする。
これで、fromとマッチすればtoに変換し、マッチしなければ何もせずに１文字だけ進むパーサを作成できた。
ただし、これだけだったら入力文字列の第一文字めからfromにマッチするか、そうでなければ単に１文字だけパースするパーサになってしまい、入力文字列の途中にfromがあっても処理してくれない。
そこで、manyを使う。manyは、引数にとったパーサの０回以上の繰り返しをパースする。
これによって、fromにマッチしなければ、１文字進み、途中でもマッチすればtoに変換するパーサになる。

５行目のparse関数は、parseTestのようにパーサを実行するところは同じだが、若干の違いがある。
第一引数は、実行したいパーサ。
第二引数は、失敗した場合のメッセージのようなものを指定する。
第三引数は、パース対象の文字列。
戻り値は、パース結果を格納したEither。成功した結果は、Rightに、失敗した場合は、Leftにそれぞれ格納される。

これでsubstr関数の完成。