有很多脚本解析器和词法分析器（即结构化计算机语言）。但我正在寻找一个可以将（几乎）非结构化文本文档分成更大部分的文档，例如章节、段落等
人们相对容易识别它们：目录、致谢或主体从哪里开始，并且可以构建基于规则的系统来识别其中一些（例如段落）。
我不期望它是完美的，但是有人知道这样一个广泛的“基于块”的词法分析器/解析器吗？或者你能给我指出可能有帮助的文学方向吗？
许多轻量级标记语言，例如markdown http://daringfireball.net/projects/markdown/（顺便说一下SO使用），重构文本 http://docutils.sourceforge.net/rst.html和（可以说）POD http://en.wikipedia.org/wiki/Plain_Old_Documentation与你所说的类似。它们具有最少的语法并将输入分解为可解析的语法片段。您也许可以通过阅读它们的实现来获取一些信息。
本文内容由网友自发贡献，版权归原作者所有，本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容，请联系:hwhale#tublm.com(使用前将#替换为@)
