為 man 手冊頁編寫解析器的備忘錄

2019-06-11 23:57:00

我一般都很喜歡無所事事,但有時候太無聊了也不行 —— 2015 年的一個星期天下午就是這樣,我決定開始寫一個開源專案來讓我不那麼無聊。

在我尋求創意時,我偶然發現了一個請求,要求構建一個由 Mathias Bynens 提出的“按 Web 標準構建的 Man 手冊頁檢視器”。沒有考慮太多,我開始使用 JavaScript 編寫一個手冊頁解析器,經過大量的反復思考,最終做出了一個 Jroff

那時候,我非常熟悉手冊頁這個概念,而且使用過很多次,但我知道的僅止於此,我不知道它們是如何生成的,或者是否有一個標準。在經過兩年後,我有了一些關於此事的想法。

man 手冊頁是如何寫的

當時令我感到驚訝的第一件事是,手冊頁的核心只是儲存在系統某處的純文字檔案(你可以使用 manpath 命令檢查這些目錄)。

此檔案中不僅包含文件,還包含使用了 20 世紀 70 年代名為 troff 的排版系統的格式化資訊。

troff 及其 GNU 實現 groff 是處理文件的文字描述以生成適合列印的排版版本的程式。它更像是“你所描述的即你得到的”,而不是你所見即所得的。

如果你對排版格式毫不熟悉,可以將它們視為 steroids 期刊用的 Markdown,但其靈活性帶來的就是更複雜的語法:

groff-compressor

groff 檔案可以手工編寫,也可以使用許多不同的工具從其他格式生成,如 Markdown、Latex、HTML 等。

為什麼 groff 和 man 手冊頁綁在一起是有歷史原因的,其格式隨時間有變化,它的血統由一系列類似命名的程式組成:RUNOFF > roff > nroff > troff > groff。

但這並不一定意味著 groff 與手冊頁有多緊密的關係,它是一種通用格式,已被用於書籍,甚至用於照相排版

此外,值得注意的是 groff 也可以呼叫後處理器將其中間輸出結果轉換為最終格式,這對於終端顯示來說不一定是 ascii !一些支援的格式是:TeX DVI、HTML、Canon、HP LaserJet4 相容格式、PostScript、utf8 等等。

該格式的其他很酷的功能是它的可延伸性,你可以編寫宏來增強其基本功能。

鑑於 *nix 系統的悠久歷史,有幾個可以根據你想要生成的輸出而將特定功能組合在一起的宏包,例如 manmdocmommsmm 等等。

手冊頁通常使用 manmdoc 宏包編寫。

區分原生的 groff 命令和宏的方式是通過標準 groff 包大寫其宏名稱。對於 man 宏包,每個宏的名稱都是大寫的,如 .PP.TH.SH 等。對於 mdoc 宏包,只有第一個字母是大寫的: .Pp.Dt.Sh

groff-example

挑戰

無論你是考慮編寫自己的 groff 解析器,還是只是好奇,這些都是我發現的一些更具挑戰性的問題。

上下文敏感的語法

表面上,groff 的語法是上下文無關的,遺憾的是,因為宏描述的是主體不透明的令牌,所以包中的宏集合本身可能不會實現上下文無關的語法。

這導致我在那時做不出來一個解析器生成器(不管好壞)。

巢狀的宏

mdoc 宏包中的大多數宏都是可呼叫的,這差不多意味著宏可以用作其他宏的引數,例如,你看看這個:

  • Fl(Flag)會在其引數中新增破折號,因此 Fl s 會生成 -s
  • Ar(Argument)提供了定義引數的工具
  • Op(Optional)會將其引數括在括號中,因為這是將某些東西定義為可選的標準習慣用法
  • 以下組合 .Op Fl s Ar file 將生成 [-s file],因為 Op 宏可以巢狀。

缺乏適合初學者的資源

讓我感到困惑的是缺乏一個規範的、定義明確的、清晰的來源,網上有很多資訊,這些資訊對讀者來說很重要,需要時間來掌握。

有趣的宏

總結一下,我會向你提供一個非常簡短的宏列表,我在開發 https://linux.cn/jroff 時發現它很有趣:

man 宏包:

  • .TH:用 man 宏包編寫手冊頁時,你的第一個不是注釋的行必須是這個宏,它接受五個引數:titlesectiondatesourcemanual
  • .BI:粗體加斜體(特別適用於函數格式)
  • .BR:粗體加正體(特別適用於參考其他手冊頁)

mdoc 宏包:

  • .Dd.Dt.Os:類似於 man 宏包需要 .THmdoc 宏也需要這三個宏,需要按特定順序使用。它們的縮寫分別代表:文件日期、文件標題和作業系統。
  • .Bl.It.El:這三個宏用於建立列表,它們的名稱不言自明:開始列表、專案和結束列表。