Vlákno názorů k článku Parser bankovních výpisů aneb hrátky s Ragel od b*d - awk - i s naucenim bych to zvladnul...
-
Rejpal (neregistrovaný)Ragel se hodí na víc věcí, než jen na parsování nějakých tabulek. ;-) Třeba rubí webový server Mongrel ho využívá na značně efektivní zpracování HTTP protokolu na vstupu. Prostě HTTP 1.1 se nemění a je dobře zdokumentované, tak šup s ním rovnou do Cčkového stavového automatu. ;-)
-
Je potřeba si uvědomit, že to zadání v článku je oproti skutečnosti trochu zjednodušeno. Pokud vezmeš jen ten konkrétní formát, tak máš pravdu (až na to, že v awku se fakt blbě pracuje s třídou ActiveRecord z RoR - asi bych z toho musel generovat přímo SQL pro Postgres, což by ale nebylo úplně ono, protože bych neměl průběžné kontroly - např. u čísel protiúčtů, navíc bych asi musel poznávat datové typy - nevím, zda to jde v awku - moc ho neumím). Krom toho ty výpisy byly i historické - formát se čas od času trochu měnil, takže v tom zpracování byla i nějaká "business logika".
No a nakonec, pokud bych ten parser v Ragelu bral jako východisko pro trochu obecnější parser obdobných souborů, tak mi to pořád celkem příjde jako krok rozumným směrem. Když si napíšeš regulární výrazy pro trochu obecnější CSV - třeba že v hodnotách polí mohou být escapované uvozovky a že některé hodnoty nemusejí být uzavřené do uvozovek, tak se mi zdá, že výsledné reguláry budou, no, hnusné. -
Plague (neregistrovaný)Inu hnusné, ale není potřeba se učit obecnější nástoj, když současné postačují celkem dobře...
Chapu, že ten jzyk se dá použít na obecnější věci a asi se dá použít dobře, ale prostě instalovat a učit se a skriptovat parní lokomotivu kvuli takovém uzadání, je podle mě docela blbost.
Chybně vybraný příklad a jaké pohoršení to způsobilo co? :) -
Mně osobně se napříkald pracuje s komplikovanými regulárními výrazy dost špatně - hlavně co se týká hledání chyb a relativně malé flexibility. Mám radši nástroje, jejichž výrazové prostředky mi dovolí rychle se zorientovat v kódu, který jsem psal před týdnem a které mi např. nabídnou prostředky pro rychlé a pohodlné ladění. BTW, Ragel je z podobných prostředků IMHO poměrně mocný, přitom velmi "lightweight".
Rád bych ještě jednou zdůraznil, že v článku jde o zjednodušený příklad. Pokud byste to bral jako úplné zadání reálného problému, tak bych se já naopak mohl podivovat nad použitím regulárních výrazů jako nepřiměřeného prostředku. Pak by přece v podstatě stačily tři primitivní řetězcové operace: na řádku useknout úvodní a koncové uvozovky a rozdělit řádek na řetězce v místech, kde se vyskytuje ",". Na to přece regulární výrazy potřeba nejsou. :-)
-
b*d (neregistrovaný)Ale jo budiž.
Myslím, že čtenáře může článek zaujmou (i třeba nadpisem) i tím, že se docela hodí rozparzovat bankovní výpis (příjmy, výdaje, úroky) a to i tak že je blízko k daňovému přiznání a ročních uzávěrek. Teď mně zrovna napadlo, že umět něco víc než AWK je zrovna pro uzávěrku dobré (třeba: toto je účet dodavatele, toto jsou účty zákazníka atp.)
Já jsem to napsal, a promiňte jestli se vás to dotklo, rozhodně jsem tím nechtěl snižovat kvalitu článku nebo tématu, chtěl jsem napsat "potřebuješ-li parsovat jednoduchý výpis, zkus se podívat po awk".
Na druhou stanu musím souhlasit, že jednoduchý zápis pravidel je alfou a omegou, z našeho šálku kávy - mnoho projektů stále používá JavaCC (pozor ne javac s jedním c nakonci), než třeba ANTL (jestli to píšu správně). Přestože je JavaCC mrtvý (dál se nevyvíjí), důvod vidím v tom, že start-up je dalo rychlejší v JavaCC než v ANTNL. Nedostatky JavaCC si člověk uvědomí po chvíli používaní.
A jen tak naokraj ono BNF od regexů zas tak daleko nemá (myslím třeba JavaCC).
