对复杂输入进行标记

Question

我正在尝试用Python对以下输入进行标记:

text = 'This @example@ is "neither":/defn/neither complete[1] *nor* trite, *though _simple_*.'

我想在避免使用正则表达式的情况下生成如下内容:

tokens = [
        ('text', 'This '),
        ('enter', 'code'),
            ('text', "example")
        ('exit', None),
        ('text', ' is '),
        ('enter', 'a'),
            ('text', "neither"),
            ('href', "/defn/neither"),
        ('exit', None),
        ('text', ' complete'),
        ('enter', 'footnote'),
            ('id', 1),
        ('exit', None),
        ('text', ' '),
        ('enter', 'strong'),
            ('text', 'nor'),
        ('exit', None),
        ('text', ' trite, '),
        ('enter', 'strong'),
                ('text', 'though '),
                ('enter', 'em'),
                    ('text', 'simple'),
                ('exit', None),
        ('exit', None),
        ('text', '.')
    ]

假设上面的代码是由一个生成器生成的。我目前的实现工作，虽然代码有点丑陋，不容易扩展到支持链接。

如有任何帮助，不胜感激。

更新，将所需语法从复杂的嵌套列表结构更改为简单的元组流。我们人类的缩进。链接文本中的格式是可以的。下面是一个简单的解析器，它生成我正在寻找的词法分析结果，但仍然不处理链接或脚注。

Answer 1

这里有一个更完整的解析器，具有足够的可扩展性，可以做我将来可能需要的任何事情。只花了三个小时。它的速度不是特别快，但我编写的解析器类的输出通常都是高速缓存的。即使有了这个标记器和解析器，我的完整引擎仍然在<默认python-textile渲染器的75%的SLoC，同时保持稍快的速度。>

脚注解析仍然存在，但与链接解析相比，这是次要的。输出(截至这篇文章)是:

tokens = [
    ('text', 'This '),
    ('enter', 'code'),
        ('text', 'example'),
    ('exit', None),
    ('text', ' is '),
    ('enter', 'a'),
        ('text', 'neither'),
        ('attr', ('href', '/defn/neither')),
    ('exit', None),
    ('text', ' complete[1] '),
    ('enter', 'strong'),
        ('text', 'nor'),
    ('exit', None),
    ('text', ' trite, '),
    ('enter', 'strong'),
        ('text', 'though '),
        ('enter', 'em'),
            ('text', 'simple'),
        ('exit', None),
    ('exit', None),
    ('text', '.')
]