Présentation
Le parsing consiste à transformer une chaîne de caractères brute en une structure de données exploitable, typiquement un arbre abstrait ou un objet. L’article de référence rappelle que les expressions régulières (regex) suffisent pour des tâches simples, mais deviennent rapidement illisibles dès que la grammaire dépasse quelques niveaux de profondeur. À l’autre extrême, des moteurs comme tree‑sitter offrent une analyse syntaxique complète, mais imposent une charge de compilation et de maintenance importante. Les parser combinators se positionnent entre ces deux approches : ils permettent de construire des analyseurs modulaires en combinant de petites fonctions de parsing, sans recourir à un générateur de grammaire externe.
Mécanisme des combinators
Un combinator est une fonction qui accepte un ou plusieurs parsers en entrée et renvoie un nouveau parser. Ce dernier applique les parsers internes de façon séquentielle, alternative ou répétitive, en propagant l’état de la position dans le texte et les éventuelles erreurs. Par exemple, le combinator seq(p1, p2) réussit uniquement si p1 consomme une portion valide suivie immédiatement par p2. Le résultat combine les valeurs retournées, souvent sous forme de tuple ou d’objet. Cette composition purement fonctionnelle garantit que chaque parser reste purement déterministe et testable de façon isolée.
Comparaison avec regex et tree‑sitter
Les regex opèrent sur des automates finis ; elles ne peuvent pas gérer de façon fiable des structures récursives comme les parenthèses imbriquées. Les parser combinators, en revanche, supportent naturellement la récursivité grâce à la capacité de définir des parsers qui s’appellent mutuellement. En termes de complexité, un parser combinator bien écrit possède une complexité linéaire en la taille de l’entrée, comparable à un analyseur LR généré par tree‑sitter. Cependant, tree‑sitter compile la grammaire en code natif, ce qui peut réduire le temps d’exécution et la consommation mémoire, au prix d’une phase de génération et d’une dépendance à un outil externe. L’article ne fournit pas de mesures de performance ni de versions de bibliothèques, il faut donc considérer ces comparaisons comme qualitatives.
Limites et perspectives
Le principal inconvénient des parser combinators réside dans la gestion des erreurs. Sans mécanisme de backtracking optimisé, un parser peut générer des messages d’erreur peu précis, ce qui complique le débogage. Certaines implémentations introduisent des combinators de « lookahead » ou de « error recovery » pour atténuer ce problème, mais ces stratégies augmentent la complexité du code. De plus, l’absence de compilation anticipée signifie que les erreurs de grammaire ne sont détectées qu’à l’exécution, contrairement à tree‑sitter où la génération échoue si la grammaire est invalide. Enfin, l’article ne mentionne aucune bibliothèque concrète (par ex. Parsec, Megaparsec, nom), ce qui limite la capacité du lecteur à reproduire immédiatement les concepts présentés. Malgré ces réserves, les parser combinators restent une option viable pour des projets où la flexibilité du code et la lisibilité priment sur la performance brute.
