steve-chavez/CParseC 源码：https://github.com/steve-chavez/CParseC

CParseC

C语言中的解析存在以下问题：

• 手写解析器（递归下降、状态机等）难以维护。
• Flex 或 Bison 生成的代码同样难以维护，并且会复杂化构建流程。

CParseC（C Parser Combinators，C 解析器组合子）提供了一种灵活且高性能的解析方案：

• 用纯 C99 编写，可组合、表达力强（受 Haskell 的 Parsec 启发）
• 单头文件（cparsec.h），无依赖（默认不依赖 libc）
• 零拷贝解析
• 无隐藏内存分配，由用户提供分配区（arena）
• 内联友好，热路径使用宏而非函数指针
• 提供 SIMD 专用组合子

演示

一个 CSV 解析器如下所示：

#include <stdio.h>
#include <stdlib.h>

#define CPC_USE_MEMCHR
#define CPC_USE_UNNAMED
#include "cparsec.h"

CPC_TAKE_QUOTED(quotedField, '"', '"')
CPC_TAKE_TILL_ONE_OF(unquotedField, ",\r\n")
CPC_ALT(field, quotedField, unquotedField)
CPC_SEP_BY_1(record, field, CPC_STRING_(","))
CPC_ALT(lineEnd, CPC_END_OF_LINE_, CPC_EOF_)
CPC_LEFT(parse_csv_row, record, lineEnd)

int main(void) {
    CpcArena arena;
    CpcValue arena_storage[8192];
    cpc_arena_init(&arena, arena_storage, sizeof(arena_storage) / sizeof(arena_storage[0]), NULL);

    const char csv[] = "alpha,\"beta\",\"ga,mm,a\",d\"\"elta\n";
    CpcSlice input = cpc_slice_from_cstr(csv);
    CpcResult result = parse_csv_row(&arena, input);

    for (size_t i = 0; i < result.out.as.list.len; ++i) {
        const CpcValue *cell = cpc_val_list_at(&arena, &result.out, i);
        CpcSlice slice = cell->as.slice;
        printf("%.*s ", (int)slice.len, slice.ptr);
        //alpha "beta" "ga,mm,a" delta
    }
    return EXIT_SUCCESS;
}

在解析 100 万行 CSV 时，上述解析器比 BurntSushi/rust-csv (https://github.com/BurntSushi/rust-csv) 快约 1.25 倍，比 attoparsec-csv (https://github.com/robinbb/attoparsec-csv/) 快约 20 倍。请参阅 CI 上的持续基准测试 (https://github.com/steve-chavez/CParseC/actions/runs/27530243247) 来确认结果。

API

基本组合子

所有宏本质上都会生成可内联的函数，这些函数接受其他可内联函数作为参数。它们返回 CpcValue，可以是切片（CpcSlice）或列表（CpcList，需要 CpcArena 来存储）。

为了方便，某些解析器可以匿名使用，以减少为每个函数命名带来的开销。标记为 * 的解析器（如 CPC_STRING_）需要 #define CPC_USE_UNNAMED，因为它们依赖于非标准 C99 行为（嵌套函数 (https://gcc.gnu.org/onlinedocs/gcc/Nested-Functions.html)、语句表达式 (https://gcc.gnu.org/onlinedocs/gcc/Statement-Exprs.html) 和 __COUNTER__）。

_LABEL 变体接受一个额外的 label 参数，用于更改内置错误消息。

内部错误消息（显示“分配区大小超出”和“无进展”（针对编写不良的解析器导致的无限循环））不能覆盖。

SIMD 组合子

这些解析器是特殊版本，利用 memchr 实现 SIMD 加速。由于 memchr 并非随处可用，它们需要 #define CPC_USE_MEMCHR。

与 Haskell 的对比

与 Haskell 的不同之处

• 要就做，要不就不做，没有 try。与 Haskell 的 Parsec 不同，我们不需要 try，因为基于切片进行回溯成本很低。像 CPC_STRING 这样的解析器在失败时不会消耗输入。
• CParseC 的解析器总是终止的。与 Haskell 中的 many、manyTill、sepby、sepby1（它们可能无限循环）不同。
• 没有与 >> 等价的函数，因为它可以由 *>（即 CPC_RIGHT）表达。
• 只有那些可能失败且具有内置错误消息的解析器，才可以通过该解析器的 _LABEL 变体覆盖其错误消息。
  • 为什么？根据 https://github.com/steve-chavez/CParseC/pull/2 的发现，将非叶子解析器包装在函数中会严重损害性能，因为会阻碍内联。

与 Haskell 的相似之处

所有函数都受 Haskell 的 Parsec 或 AttoParsec 启发。下表列出了一些等价关系：