parsing

该博文介绍了构建OrgWebAlchemy的过程，这是一个采用解析表达式语法（Parsing Expression Grammars）的Guile Scheme库，用于解析Org mode文档并通过SXML转换为HTML，同时对比了在此任务中PEGs与正则表达式的优劣。

Tilia 是 Haskell 的一个新格式化工具，它解决了诸如注释处理、运算符固定性推断和 CPP 支持等挑战。

LLM基准测试的评分流程可能由于预处理而错误地将不支持的工具调用响应视为稳定的空输出，这凸显了在评估中区分解析失败和真实输出的重要性。

这篇博客文章详细介绍了优化C++ Markdown解析器内存使用的技术，通过arena分配和指针压缩，将AST节点大小从232字节显著减少到16字节，同时保持解析速度。

本文分享了关于现代编译器构建的个人观点，主张使用如OhmJS进行解析和Prolog进行类型检查的工具，重点强调简洁性和迭代开发。

SecretSpec 发布了 dotenv-ng，这是 dotenvy 的一个现代 Rust 分叉版，旨在修复诸如 bcrypt 片段等秘密的解析问题，并处理 .env 文件处理中的维护缺口。

The paper introduces Stoicheia, a 405M-parameter character-level masked diffusion encoder for Ancient Greek that unifies textual restoration, parsing, and metrical scansion in a single model, outperforming prior systems like Ithaca on benchmark tasks.

LlamaIndex 认为，文档 OCR 并未被前沿模型商品化，基准数据显示专业解析器仍然更准确且成本更低。

这篇文章解释了像 PCRE 这样的现代正则表达式引擎能够解析远超正则语言的内容，驳斥了“HTML 无法用正则表达式解析”这一常见说法。

本文探讨了解析 C 语言 `sizeof` 运算符所面临的挑战，该运算符可以接受表达式或带括号的类型，而复合字面量和后缀运算符又带来了额外的复杂性。文章讨论了解析策略，并指出 C2y 新引入的 `_Countof` 运算符也面临类似问题。

一篇博客文章，介绍 bx::Scanner，一组小型零拷贝、无分配的扫描原语，简化了编写解析器的过程，而无需完整的解析器生成器或复杂的 PEG 库。

关于在 Scheme (Gambit) 中构建解析器组合子的教程，解释了如何使用函数式编程技术编写快速且可读的解析器。

ast-grep 用 Rust 重写了 Tree-sitter 的 C 核心，实现了高达 30% 的解析速度提升和 22% 的端到端性能提升，但内存使用略有增加。

这篇博文探讨了C23中涉及`auto`作为类型推断说明符或存储类说明符的解析歧义，展示了当`x`是typedef时，GCC和Clang在解析如`auto x = 67;`这样的声明上的分歧，以及属性如何使情况复杂化。

一篇介绍如何在个人网站上消费和使用Microformats 2数据的文章，涵盖解析器选择、获取注意事项和数据存储策略。

这篇博文开启了一个系列，介绍如何在Python中构建APL解释器，涵盖对包含数字、函数和运算符的基本APL表达式进行分词和解析。

七十年解析理论及其在计算机科学中的实际应用概述。

本文研究了利用大型语言模型（LLM）重写碎片化对话话语以改进冻结的篇章解析器，发现零样本澄清不可靠，且通过重写进行错误修复存在实际上限，表明可重写性预测是一项缺失的关键能力。

一篇探讨在TypeScript中应用“解析，而非验证”原则的博客文章，展示了如何使用品牌类型（branded types）在解析后保留类型信息，尽管TypeScript的结构类型系统使得这种做法不如在Elm或Haskell等语言中那样自然。

作者分享了一个具体例子，使用Claude AI调试hyperscript中的解析回归问题，展示了AI辅助开发的优势与不足，并提醒不要过度依赖。