Estoy practicando con la librería lark para hacer un parser para visualizar de forma resumida y estructurada código python y quiero que al identificar el patrón de una función "def" me haga un árbol con:
- Nombre de la función
- Argumentos de la función
- Contenido de la función
El resultado que quiero obtener es:
new_function
function_name "nombre de la función"
args "argumentos de la función"
content
"contenido de la función"
Para esto, lo he hecho primero por separado (sin relacionar el contenido con la función) y luego he mirado la documentación de lark para ver como podía hacer para conseguir el texto indentado después de la función.
He encontrado el siguiente ejemplo código, el cual crea un árbol según la indentación del texto. He intentado aplicarlo a mi código pero a la mínima que intentaba ajustarlo a mis necesidades ya me daba error.
El código del ejemplo está únicamente creado para la indentación y quiero que también funcione para mostrar asignaciones de variables, llamadas a funciones, expresiones booleanas, etc.
Código
from lark import Lark
grammar=r'''start: expr
?expr: atom
| expr def_function
| expr function
| expr ("=" | ":=") -> assignment
| expr "+" atom -> add
| expr "-" atom -> minus
| expr bool atom
| expr args -> args
| expr "," atom
| expr ":" atom
| expr "(" expr ")" atom
| expr STRING atom
?atom: NUMBER -> number
| NAME "(" expr ")" -> function
| STRING -> string
| variable
| "(" expr ")" -> tuple
| empty
def_function: "def" func_name "(" args ")" ":" NEWLINE -> new_function
function: NAME "(" expr ")" -> function
func_name: NAME
args: empty
| NAME
operation: "+" -> add
| "-" -> minus
| "*" -> mul
| "/" -> division
bool: "==" -> is_equal
| "<" -> is_shorter
| ">" -> is_bigger
| "<=" -> is_shorter_or_equal
| ">=" -> is_bigger_or_equal
empty: "()" | "[]" | "{}"
variable: NAME
%import common.CNAME -> NAME
%import common.NUMBER
%import common.ESCAPED_STRING -> STRING
%import common.NEWLINE
%import common._INDENT -> INDENT
%import common.WS
%ignore WS'''
test_code='''x=(2+1<0)
print("x", a)
def hi(car, r):
t="hi"
print()
'''
parser = Lark(grammar, start='expr')
print(parser.parse(test_code).pretty())
Output
Como veis, al principio se repite un montón de veces args, assignment y expr; como podría hacer para reducirlo (esas filas no indican ni una expresión, ni una asignación ni nada, tiene que ser un fallo del código)
args
expr
assignment
expr
expr
args
expr
assignment
variable x
bool
add
number 2
number 1
is_shorter
number 0
function
print
expr
string "x"
variable a
args def
function
hi
expr
variable car
variable r
variable t
"hi"
variable print
args
empty
Resultado esperado
# x=(2+1<0)
assignment
variable x
bool
add
number 2
number 1
is_shorter
number 0
# print("x", a)
function
print
args
string "x"
variable a
# def hi(car, r):
# t="hi"
new_function
function_name hi
args
variable car
variable r
content
assignment
variable t
string "hi"
# print()
function print
args empty