mirror of
https://github.com/bspeice/dtparse
synced 2024-11-13 17:38:09 -05:00
commit
f0c3d8998d
207
src/lib.rs
207
src/lib.rs
@ -27,11 +27,14 @@ use std::num::ParseIntError;
|
|||||||
use std::str::FromStr;
|
use std::str::FromStr;
|
||||||
use std::vec::Vec;
|
use std::vec::Vec;
|
||||||
|
|
||||||
|
mod tokenize;
|
||||||
mod weekday;
|
mod weekday;
|
||||||
|
|
||||||
#[cfg(test)]
|
#[cfg(test)]
|
||||||
mod tests;
|
mod tests;
|
||||||
|
|
||||||
|
use tokenize::ParseState;
|
||||||
|
use tokenize::Tokenizer;
|
||||||
use weekday::day_of_week;
|
use weekday::day_of_week;
|
||||||
use weekday::DayOfWeek;
|
use weekday::DayOfWeek;
|
||||||
|
|
||||||
@ -89,210 +92,6 @@ impl From<ParseInternalError> for ParseError {
|
|||||||
type ParseResult<I> = Result<I, ParseError>;
|
type ParseResult<I> = Result<I, ParseError>;
|
||||||
type ParseIResult<I> = Result<I, ParseInternalError>;
|
type ParseIResult<I> = Result<I, ParseInternalError>;
|
||||||
|
|
||||||
pub struct Tokenizer {
|
|
||||||
token_stack: Vec<String>,
|
|
||||||
parse_string: String,
|
|
||||||
}
|
|
||||||
|
|
||||||
#[derive(Debug, PartialEq)]
|
|
||||||
enum ParseState {
|
|
||||||
Empty,
|
|
||||||
Alpha,
|
|
||||||
AlphaDecimal,
|
|
||||||
Numeric,
|
|
||||||
NumericDecimal,
|
|
||||||
}
|
|
||||||
|
|
||||||
impl Tokenizer {
|
|
||||||
fn new(parse_string: String) -> Self {
|
|
||||||
Tokenizer {
|
|
||||||
token_stack: Vec::new(),
|
|
||||||
parse_string: parse_string.chars().rev().collect(),
|
|
||||||
}
|
|
||||||
}
|
|
||||||
}
|
|
||||||
|
|
||||||
impl Iterator for Tokenizer {
|
|
||||||
type Item = String;
|
|
||||||
|
|
||||||
fn next(&mut self) -> Option<Self::Item> {
|
|
||||||
if !self.token_stack.is_empty() {
|
|
||||||
return Some(self.token_stack.pop().unwrap());
|
|
||||||
};
|
|
||||||
if self.parse_string.is_empty() {
|
|
||||||
return None;
|
|
||||||
};
|
|
||||||
|
|
||||||
let mut char_stack: Vec<char> = Vec::new();
|
|
||||||
let mut seen_letters = false;
|
|
||||||
let mut state = ParseState::Empty;
|
|
||||||
|
|
||||||
while let Some(next) = self.parse_string.pop() {
|
|
||||||
match state {
|
|
||||||
ParseState::Empty => {
|
|
||||||
if next.is_numeric() {
|
|
||||||
state = ParseState::Numeric;
|
|
||||||
char_stack.push(next);
|
|
||||||
} else if next.is_alphabetic() {
|
|
||||||
state = ParseState::Alpha;
|
|
||||||
seen_letters = true;
|
|
||||||
char_stack.push(next);
|
|
||||||
} else if next.is_whitespace() {
|
|
||||||
char_stack.push(' ');
|
|
||||||
break;
|
|
||||||
} else {
|
|
||||||
char_stack.push(next);
|
|
||||||
break;
|
|
||||||
}
|
|
||||||
}
|
|
||||||
ParseState::Alpha => {
|
|
||||||
if next.is_alphabetic() {
|
|
||||||
char_stack.push(next);
|
|
||||||
} else if next == '.' {
|
|
||||||
state = ParseState::AlphaDecimal;
|
|
||||||
char_stack.push(next);
|
|
||||||
} else {
|
|
||||||
// We don't recognize the character, so push it back
|
|
||||||
// to be handled later.
|
|
||||||
self.parse_string.push(next);
|
|
||||||
break;
|
|
||||||
}
|
|
||||||
}
|
|
||||||
ParseState::AlphaDecimal => {
|
|
||||||
if next == '.' || next.is_alphabetic() {
|
|
||||||
char_stack.push(next);
|
|
||||||
} else if next.is_numeric() && char_stack.last().unwrap().clone() == '.' {
|
|
||||||
char_stack.push(next);
|
|
||||||
state = ParseState::NumericDecimal;
|
|
||||||
} else {
|
|
||||||
self.parse_string.push(next);
|
|
||||||
break;
|
|
||||||
}
|
|
||||||
}
|
|
||||||
ParseState::Numeric => {
|
|
||||||
if next.is_numeric() {
|
|
||||||
char_stack.push(next);
|
|
||||||
} else if next == '.' || (next == ',' && char_stack.len() >= 2) {
|
|
||||||
char_stack.push(next);
|
|
||||||
state = ParseState::NumericDecimal;
|
|
||||||
} else {
|
|
||||||
// We don't recognize the character, so push it back
|
|
||||||
// to be handled later
|
|
||||||
self.parse_string.push(next);
|
|
||||||
break;
|
|
||||||
}
|
|
||||||
}
|
|
||||||
ParseState::NumericDecimal => {
|
|
||||||
if next == '.' || next.is_numeric() {
|
|
||||||
char_stack.push(next);
|
|
||||||
} else if next.is_alphabetic() && char_stack.last().unwrap().clone() == '.' {
|
|
||||||
char_stack.push(next);
|
|
||||||
state = ParseState::AlphaDecimal;
|
|
||||||
} else {
|
|
||||||
self.parse_string.push(next);
|
|
||||||
break;
|
|
||||||
}
|
|
||||||
}
|
|
||||||
}
|
|
||||||
}
|
|
||||||
|
|
||||||
// I like Python's version of this much better:
|
|
||||||
// needs_split = seen_letters or char_stack.count('.') > 1 or char_stack[-1] in '.,'
|
|
||||||
let dot_count = char_stack.iter().fold(0, |count, character| {
|
|
||||||
count + (if character == &'.' { 1 } else { 0 })
|
|
||||||
});
|
|
||||||
let needs_split = seen_letters || dot_count > 1 || char_stack.last().unwrap() == &'.'
|
|
||||||
|| char_stack.last().unwrap() == &',';
|
|
||||||
let final_string: String = char_stack.into_iter().collect();
|
|
||||||
|
|
||||||
let mut tokens = match state {
|
|
||||||
ParseState::Empty => vec![final_string],
|
|
||||||
ParseState::Alpha => vec![final_string],
|
|
||||||
ParseState::Numeric => vec![final_string],
|
|
||||||
ParseState::AlphaDecimal => {
|
|
||||||
if needs_split {
|
|
||||||
decimal_split(&final_string, false)
|
|
||||||
} else {
|
|
||||||
vec![final_string]
|
|
||||||
}
|
|
||||||
}
|
|
||||||
ParseState::NumericDecimal => {
|
|
||||||
if needs_split {
|
|
||||||
decimal_split(&final_string, dot_count == 0)
|
|
||||||
} else {
|
|
||||||
vec![final_string]
|
|
||||||
}
|
|
||||||
}
|
|
||||||
}.into_iter()
|
|
||||||
.rev()
|
|
||||||
.collect();
|
|
||||||
|
|
||||||
self.token_stack.append(&mut tokens);
|
|
||||||
// UNWRAP: Previous match guaranteed that at least one token was added
|
|
||||||
let token = self.token_stack.pop().unwrap();
|
|
||||||
if state == ParseState::NumericDecimal && !token.contains(".") {
|
|
||||||
Some(token.replace(",", "."))
|
|
||||||
} else {
|
|
||||||
Some(token)
|
|
||||||
}
|
|
||||||
}
|
|
||||||
}
|
|
||||||
|
|
||||||
fn decimal_split(characters: &str, cast_period: bool) -> Vec<String> {
|
|
||||||
let mut token_stack: Vec<String> = Vec::new();
|
|
||||||
let mut char_stack: Vec<char> = Vec::new();
|
|
||||||
let mut state = ParseState::Empty;
|
|
||||||
|
|
||||||
for c in characters.chars() {
|
|
||||||
match state {
|
|
||||||
ParseState::Empty => {
|
|
||||||
if c.is_alphabetic() {
|
|
||||||
char_stack.push(c);
|
|
||||||
state = ParseState::Alpha;
|
|
||||||
} else if c.is_numeric() {
|
|
||||||
char_stack.push(c);
|
|
||||||
state = ParseState::Numeric;
|
|
||||||
} else {
|
|
||||||
let character = if cast_period { '.' } else { c };
|
|
||||||
token_stack.push(character.to_string());
|
|
||||||
}
|
|
||||||
}
|
|
||||||
ParseState::Alpha => {
|
|
||||||
if c.is_alphabetic() {
|
|
||||||
char_stack.push(c);
|
|
||||||
} else {
|
|
||||||
token_stack.push(char_stack.iter().collect());
|
|
||||||
char_stack.clear();
|
|
||||||
let character = if cast_period { '.' } else { c };
|
|
||||||
token_stack.push(character.to_string());
|
|
||||||
state = ParseState::Empty;
|
|
||||||
}
|
|
||||||
}
|
|
||||||
ParseState::Numeric => {
|
|
||||||
if c.is_numeric() {
|
|
||||||
char_stack.push(c);
|
|
||||||
} else {
|
|
||||||
token_stack.push(char_stack.iter().collect());
|
|
||||||
char_stack.clear();
|
|
||||||
let character = if cast_period { '.' } else { c };
|
|
||||||
token_stack.push(character.to_string());
|
|
||||||
state = ParseState::Empty;
|
|
||||||
}
|
|
||||||
}
|
|
||||||
_ => panic!("Invalid parse state during decimal_split()"),
|
|
||||||
}
|
|
||||||
}
|
|
||||||
|
|
||||||
match state {
|
|
||||||
ParseState::Alpha => token_stack.push(char_stack.iter().collect()),
|
|
||||||
ParseState::Numeric => token_stack.push(char_stack.iter().collect()),
|
|
||||||
ParseState::Empty => (),
|
|
||||||
_ => panic!("Invalid parse state during decimal_split()"),
|
|
||||||
}
|
|
||||||
|
|
||||||
token_stack
|
|
||||||
}
|
|
||||||
|
|
||||||
pub fn tokenize(parse_string: &str) -> Vec<String> {
|
pub fn tokenize(parse_string: &str) -> Vec<String> {
|
||||||
let tokenizer = Tokenizer::new(parse_string.to_owned());
|
let tokenizer = Tokenizer::new(parse_string.to_owned());
|
||||||
tokenizer.collect()
|
tokenizer.collect()
|
||||||
|
203
src/tokenize.rs
Normal file
203
src/tokenize.rs
Normal file
@ -0,0 +1,203 @@
|
|||||||
|
pub(crate) struct Tokenizer {
|
||||||
|
token_stack: Vec<String>,
|
||||||
|
parse_string: String,
|
||||||
|
}
|
||||||
|
|
||||||
|
#[derive(Debug, PartialEq)]
|
||||||
|
pub(crate) enum ParseState {
|
||||||
|
Empty,
|
||||||
|
Alpha,
|
||||||
|
AlphaDecimal,
|
||||||
|
Numeric,
|
||||||
|
NumericDecimal,
|
||||||
|
}
|
||||||
|
|
||||||
|
impl Tokenizer {
|
||||||
|
pub(crate) fn new(parse_string: String) -> Self {
|
||||||
|
Tokenizer {
|
||||||
|
token_stack: Vec::new(),
|
||||||
|
parse_string: parse_string.chars().rev().collect(),
|
||||||
|
}
|
||||||
|
}
|
||||||
|
}
|
||||||
|
|
||||||
|
impl Iterator for Tokenizer {
|
||||||
|
type Item = String;
|
||||||
|
|
||||||
|
fn next(&mut self) -> Option<Self::Item> {
|
||||||
|
if !self.token_stack.is_empty() {
|
||||||
|
return Some(self.token_stack.pop().unwrap());
|
||||||
|
};
|
||||||
|
if self.parse_string.is_empty() {
|
||||||
|
return None;
|
||||||
|
};
|
||||||
|
|
||||||
|
let mut char_stack: Vec<char> = Vec::new();
|
||||||
|
let mut seen_letters = false;
|
||||||
|
let mut state = ParseState::Empty;
|
||||||
|
|
||||||
|
while let Some(next) = self.parse_string.pop() {
|
||||||
|
match state {
|
||||||
|
ParseState::Empty => {
|
||||||
|
if next.is_numeric() {
|
||||||
|
state = ParseState::Numeric;
|
||||||
|
char_stack.push(next);
|
||||||
|
} else if next.is_alphabetic() {
|
||||||
|
state = ParseState::Alpha;
|
||||||
|
seen_letters = true;
|
||||||
|
char_stack.push(next);
|
||||||
|
} else if next.is_whitespace() {
|
||||||
|
char_stack.push(' ');
|
||||||
|
break;
|
||||||
|
} else {
|
||||||
|
char_stack.push(next);
|
||||||
|
break;
|
||||||
|
}
|
||||||
|
}
|
||||||
|
ParseState::Alpha => {
|
||||||
|
if next.is_alphabetic() {
|
||||||
|
char_stack.push(next);
|
||||||
|
} else if next == '.' {
|
||||||
|
state = ParseState::AlphaDecimal;
|
||||||
|
char_stack.push(next);
|
||||||
|
} else {
|
||||||
|
// We don't recognize the character, so push it back
|
||||||
|
// to be handled later.
|
||||||
|
self.parse_string.push(next);
|
||||||
|
break;
|
||||||
|
}
|
||||||
|
}
|
||||||
|
ParseState::AlphaDecimal => {
|
||||||
|
if next == '.' || next.is_alphabetic() {
|
||||||
|
char_stack.push(next);
|
||||||
|
} else if next.is_numeric() && char_stack.last().unwrap().clone() == '.' {
|
||||||
|
char_stack.push(next);
|
||||||
|
state = ParseState::NumericDecimal;
|
||||||
|
} else {
|
||||||
|
self.parse_string.push(next);
|
||||||
|
break;
|
||||||
|
}
|
||||||
|
}
|
||||||
|
ParseState::Numeric => {
|
||||||
|
if next.is_numeric() {
|
||||||
|
char_stack.push(next);
|
||||||
|
} else if next == '.' || (next == ',' && char_stack.len() >= 2) {
|
||||||
|
char_stack.push(next);
|
||||||
|
state = ParseState::NumericDecimal;
|
||||||
|
} else {
|
||||||
|
// We don't recognize the character, so push it back
|
||||||
|
// to be handled later
|
||||||
|
self.parse_string.push(next);
|
||||||
|
break;
|
||||||
|
}
|
||||||
|
}
|
||||||
|
ParseState::NumericDecimal => {
|
||||||
|
if next == '.' || next.is_numeric() {
|
||||||
|
char_stack.push(next);
|
||||||
|
} else if next.is_alphabetic() && char_stack.last().unwrap().clone() == '.' {
|
||||||
|
char_stack.push(next);
|
||||||
|
state = ParseState::AlphaDecimal;
|
||||||
|
} else {
|
||||||
|
self.parse_string.push(next);
|
||||||
|
break;
|
||||||
|
}
|
||||||
|
}
|
||||||
|
}
|
||||||
|
}
|
||||||
|
|
||||||
|
// I like Python's version of this much better:
|
||||||
|
// needs_split = seen_letters or char_stack.count('.') > 1 or char_stack[-1] in '.,'
|
||||||
|
let dot_count = char_stack.iter().fold(0, |count, character| {
|
||||||
|
count + (if character == &'.' { 1 } else { 0 })
|
||||||
|
});
|
||||||
|
let needs_split = seen_letters || dot_count > 1 || char_stack.last().unwrap() == &'.'
|
||||||
|
|| char_stack.last().unwrap() == &',';
|
||||||
|
let final_string: String = char_stack.into_iter().collect();
|
||||||
|
|
||||||
|
let mut tokens = match state {
|
||||||
|
ParseState::Empty => vec![final_string],
|
||||||
|
ParseState::Alpha => vec![final_string],
|
||||||
|
ParseState::Numeric => vec![final_string],
|
||||||
|
ParseState::AlphaDecimal => {
|
||||||
|
if needs_split {
|
||||||
|
decimal_split(&final_string, false)
|
||||||
|
} else {
|
||||||
|
vec![final_string]
|
||||||
|
}
|
||||||
|
}
|
||||||
|
ParseState::NumericDecimal => {
|
||||||
|
if needs_split {
|
||||||
|
decimal_split(&final_string, dot_count == 0)
|
||||||
|
} else {
|
||||||
|
vec![final_string]
|
||||||
|
}
|
||||||
|
}
|
||||||
|
}.into_iter()
|
||||||
|
.rev()
|
||||||
|
.collect();
|
||||||
|
|
||||||
|
self.token_stack.append(&mut tokens);
|
||||||
|
// UNWRAP: Previous match guaranteed that at least one token was added
|
||||||
|
let token = self.token_stack.pop().unwrap();
|
||||||
|
if state == ParseState::NumericDecimal && !token.contains(".") {
|
||||||
|
Some(token.replace(",", "."))
|
||||||
|
} else {
|
||||||
|
Some(token)
|
||||||
|
}
|
||||||
|
}
|
||||||
|
}
|
||||||
|
|
||||||
|
fn decimal_split(characters: &str, cast_period: bool) -> Vec<String> {
|
||||||
|
let mut token_stack: Vec<String> = Vec::new();
|
||||||
|
let mut char_stack: Vec<char> = Vec::new();
|
||||||
|
let mut state = ParseState::Empty;
|
||||||
|
|
||||||
|
for c in characters.chars() {
|
||||||
|
match state {
|
||||||
|
ParseState::Empty => {
|
||||||
|
if c.is_alphabetic() {
|
||||||
|
char_stack.push(c);
|
||||||
|
state = ParseState::Alpha;
|
||||||
|
} else if c.is_numeric() {
|
||||||
|
char_stack.push(c);
|
||||||
|
state = ParseState::Numeric;
|
||||||
|
} else {
|
||||||
|
let character = if cast_period { '.' } else { c };
|
||||||
|
token_stack.push(character.to_string());
|
||||||
|
}
|
||||||
|
}
|
||||||
|
ParseState::Alpha => {
|
||||||
|
if c.is_alphabetic() {
|
||||||
|
char_stack.push(c);
|
||||||
|
} else {
|
||||||
|
token_stack.push(char_stack.iter().collect());
|
||||||
|
char_stack.clear();
|
||||||
|
let character = if cast_period { '.' } else { c };
|
||||||
|
token_stack.push(character.to_string());
|
||||||
|
state = ParseState::Empty;
|
||||||
|
}
|
||||||
|
}
|
||||||
|
ParseState::Numeric => {
|
||||||
|
if c.is_numeric() {
|
||||||
|
char_stack.push(c);
|
||||||
|
} else {
|
||||||
|
token_stack.push(char_stack.iter().collect());
|
||||||
|
char_stack.clear();
|
||||||
|
let character = if cast_period { '.' } else { c };
|
||||||
|
token_stack.push(character.to_string());
|
||||||
|
state = ParseState::Empty;
|
||||||
|
}
|
||||||
|
}
|
||||||
|
_ => panic!("Invalid parse state during decimal_split()"),
|
||||||
|
}
|
||||||
|
}
|
||||||
|
|
||||||
|
match state {
|
||||||
|
ParseState::Alpha => token_stack.push(char_stack.iter().collect()),
|
||||||
|
ParseState::Numeric => token_stack.push(char_stack.iter().collect()),
|
||||||
|
ParseState::Empty => (),
|
||||||
|
_ => panic!("Invalid parse state during decimal_split()"),
|
||||||
|
}
|
||||||
|
|
||||||
|
token_stack
|
||||||
|
}
|
Loading…
Reference in New Issue
Block a user