9、语法设计与实际应用:从CSV到JSON的解析之旅

语法设计与实际应用:从CSV到JSON的解析之旅

1. 词法与语法规则基础

1.1 常见词法规则匹配

在进行语法设计时,一些常见的词法规则匹配是基础。以下是几种常见的词法规则示例:
- 匹配双引号字符串

STRING : '"' ( ESC | . )*? '"' ;
fragment ESC : '\\' [btnr"\\] ; // \b, \t, \n etc...
  • 匹配并丢弃注释
LINE_COMMENT : '//' .*? '\n' -> skip ;
COMMENT : '/*' .*? '*/' -> skip ;
  • 匹配并丢弃空白字符
WS : [ \t\n\r]+ -> skip ;

1.2 词法与语法分析的界限划分

在设计语法时,如何划分词法分析器(lexer)和语法分析器(parser)的工作界限是一个重要问题。ANTLR的词法规则可以使用递归,从技术上讲,词法分析器和语法分析器的能力是相当的。划分界限部分取决于语言本身,也取决于预期的应用场景。以下是一些划分界限的经验法则:
-

根据原作 https://pan.quark.cn/s/459657bcfd45 的源码改编 Classic-ML-Methods-Algo 引言 建立这个项目,是为了梳理和总结传统机器学习(Machine Learning)方法(methods)或者算法(algo),和各位同仁相互学习交流. 现在的深度学习本质上来自于传统的神经网络模型,很大程度上是传统机器学习的延续,同时也在不少时候需要结合传统方法来实现. 任何机器学习方法基本的流程结构都是通用的;使用的评价方法也基本通用;使用的一些数学知识也是通用的. 本文在梳理传统机器学习方法算法的同时也会顺便补充这些流程,数学上的知识以供参考. 机器学习 机器学习是人工智能(Artificial Intelligence)的一个分支,也是实现人工智能最重要的手段.区别于传统的基于规则(rule-based)的算法,机器学习可以从数据中获取知识,从而实现规定的任务[Ian Goodfellow and Yoshua Bengio and Aaron Courville的Deep Learning].这些知识可以分为四种: 总结(summarization) 预测(prediction) 估计(estimation) 假想验证(hypothesis testing) 机器学习主要关心的是预测[Varian在Big Data : New Tricks for Econometrics],预测的可以是连续性的输出变量,分类,聚类或者物品之间的有趣关联. 机器学习分类 根据数据配置(setting,是否有标签,可以是连续的也可以是离散的)和任务目标,我们可以将机器学习方法分为四种: 无监督(unsupervised) 训练数据没有给定...
Python 中处理 CSV 文件可以使用标准库中的 `csv` 模块。下面是一些处理 CSV 文件的语法: 1. 导入 csv 模块 ```python import csv ``` 2. 读取 CSV 文件 ```python with open('file.csv', 'r') as csv_file: csv_reader = csv.reader(csv_file) for row in csv_reader: print(row) ``` 3. 写入 CSV 文件 ```python with open('file.csv', 'w', newline='') as csv_file: csv_writer = csv.writer(csv_file) csv_writer.writerow(['Name', 'Age', 'City']) csv_writer.writerow(['John', '25', 'New York']) csv_writer.writerow(['Jane', '30', 'Los Angeles']) ``` 以上代码将创建一个名为 `file.csv` 的 CSV 文件,并将三行数据写入其中。 4. 指定 CSV 文件的分隔符 默认情况下,csv 模块将使用逗号作为分隔符。如果需要使用其他分隔符,可以在读写 CSV 文件时指定 `delimiter` 参数。 例如,如果 CSV 文件的分隔符是制表符: ```python with open('file.csv', 'r') as csv_file: csv_reader = csv.reader(csv_file, delimiter='\t') ``` 5. 指定 CSV 文件的字段名 如果 CSV 文件的第一行包含字段名,可以在读取 CSV 文件时指定 `fieldnames` 参数。例如: ```python with open('file.csv', 'r') as csv_file: csv_reader = csv.DictReader(csv_file, fieldnames=['Name', 'Age', 'City']) for row in csv_reader: print(row['Name'], row['Age'], row['City']) ``` 以上代码将按照指定的字段名读取 CSV 文件,并将每一行数据转换为字典格式。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值