Хочу сделать облегченную разметку, вроде markdown. Но, в отличии от Text::Markdown хотелось бы сделать обработку ошибок, и валидный код на выходе.
Есль примеры подобных вещей на перле, или статьи, как это можно сделать?

1. Написать грамматику для языка разметки. Но в этом случае ограничены возможности по коррекции неправильного ввода. Если хватает диагностики "а у вас тут тег не правильный", без коррекции, - то это оптимальный вариант. Хотя можно попытаться сделать грамматику более лёгкой и строить html по дереву разбора с коррекцией. Но не уверен в результатах такого подхода.
2. Спуститься уровнем ниже, и писать свой конечный автомат по разбору текста. В этом случае можно и вносить исправления, и выдавать любую диагностику. Минус - количество переходов между состояниями растёт очень быстро. У меня есть простой парсер bb-кодов, сделанный вручную как автомат, могу показать.

Да, достатоточно "а у вас тут тег не правильный", но только сразу найти все ошибки в тексте. И желательно сказать, почему не правильный.

Грамматики мне показались сложноватыми, кроме того, в разметке присуствует неодназначность -


Block может быть воспринят как абзац с пробелами для удобочитаемости - абзацы разделяются пустыми строками. Но если каждая строка "абзаца" начинается с пробелных символов, то это другая синтаксическая конструкция.

Да, хотелось бы взглянуть на парсер bb-кодов.

А есть где-нибудь полное описание этой разметки? По ссылке в Text::Markdown на родной сайт - очень мутное описание. Отделить блок  от "блока, начинающегося с пробелов" - достаточно просто. Вот пример грамматики для разметки, содержащей только блоки из строк, возможно начинающихся с пробелов, разделённых переводами строк. Капсом выделены терминалы:

text = | block CRLF text
block = with_spaces | without_spaces
with_spaces = | SPACE line with_spaces
without_spaces = | line without_spaces
line = NO_START_SPACE_LINE CRLF

Почему неправильный - сказать сможет. Выдать сразу все ошибки - нет. Считайте, что это компилятор, работает до 1го сбоя в исходниках) Исходники парсера завтра скину.

Это сообщение отредактировал(а) DurRandir - 15.9.2010, 23:58

Разметка своя, из markdown и других взяты идеи. Некоторые вещи специфичны для проекта.


Разметка ориентированна на автоматическую верстку, с минимальным участием редактора.
На счет строгости, еще окончательно не решил, пока думаю лучше сообщать о возможных ошибках, чем выводить текст как есть. Имею ввиду такие вещи, как


Для упрощения конструкции вроде *жирный ~жирный курсивный* курсивный~ не допускаются, т.е. все корректно вложенное.
inline элементы (цитата, оформление текста) нельзя разрывать блочными (абзац, диалоги, заголовок).
Некоторые теги запрещены внутри других. Например нельзя вставить картинку в заголовок, цитату в имя автора в диалоге.

http://dur-randir.ru/bbcode.parser.rar

Ключевые куски - это lexer() и BBCode::FSM, неформальное описание автомата - в BBCode::FSM_scheme, остальное занимается генерацией html'я.

Правильно я понимаю, при разборе по грамматикам, возможным будет некоторое нарушение:


Одиночный превод строки не будет иметь специального значения внутри inline элементов (т.к. это необходимо в обычных абзацах). В результате включение inline элемента в блок, где перевод строки важен, будет скрывать смысл перевода строки от анализатора.

Это сообщение отредактировал(а) Logo - 19.10.2010, 17:07