docs(10_Wiki): 위키 전체 재구성 — Topic_* 폴더를 4개 카테고리로 통합 + 대규모 중복 제거
Topic_Agent/Topic_Blog/Topics/Topics_Biz/Topics_Meeting/Topics_Rag의 마크다운 지식 문서를 Topic_General/Topic_Programming/Topic_Graphic/Topic_Business 4개 카테고리로 재분류. - 중복 제거: frontmatter의 status:duplicate/merged + duplicate_of/redirect_to 필드로 자기 자신을 중복으로 선언한 리다이렉트 stub 1032개 제거, 완전 동일 내용 파일 472개 제거, 동일 파일명·다른 내용 충돌 시 더 큰(완전한) 버전만 유지(162개 제거) — 총 1639개 중복 제거. - 분류: 폴더 단위로 명확한 항목(AI_and_ML/Coding/Architecture 등 → Programming, Comfyui/Visual_Effects → Graphic, Topics_Biz/Topics_Meeting/사업 등 → Business, Poetic_Blog_Writing/창의성/Game_Design 등 → General)은 폴더 우선순위로, 나머지 혼재 폴더(Topic_Agent/Topic_Blog/Topics 루트/Thinking & Reasoning/Other/UI_UX_Assets)는 title/tags 키워드 스코어링으로 파일 단위 분류(불명확한 경우 General로 폴백). 원본 폴더명은 "From_*" 서브폴더로 보존해 추적 가능성 유지. - 최종 배치: Programming 2784 / General 1608 / Graphic 285 / Business 249 = 4926개 문서. - 에이전트 운영 상태(.astra/.agent/.obsidian/sessions/memory/_company/docs/lessons/_shared/src)는 지식 콘텐츠가 아니므로 재분류 대상에서 제외하고 원위치 유지. - Topics/Topic_email(상위 보호 폴더 Topic_email과 파일명 100% 중복) 삭제 — 보호 폴더 자체는 미변경. - 완전히 비게 된 Topic_Agent/Topic_Blog/Topics_Biz/Topics_Rag 폴더 제거.
This commit is contained in:
Antigravity Agent
@@ -0,0 +1,164 @@
|
||||
---
|
||||
id: wiki-2026-0508-데이터-파싱-data-parsing
|
||||
title: 데이터 파싱(Data Parsing)
|
||||
category: 10_Wiki/Topics
|
||||
status: verified
|
||||
canonical_id: self
|
||||
aliases: [Data Parsing, 파싱, Parsing]
|
||||
duplicate_of: none
|
||||
source_trust_level: A
|
||||
confidence_score: 0.9
|
||||
verification_status: applied
|
||||
tags: [parsing, data, architecture]
|
||||
raw_sources: []
|
||||
last_reinforced: 2026-05-10
|
||||
github_commit: pending
|
||||
tech_stack:
|
||||
language: python
|
||||
framework: pydantic
|
||||
---
|
||||
|
||||
# 데이터 파싱(Data Parsing)
|
||||
|
||||
## 매 한 줄
|
||||
> **"매 raw bytes → structured value"**. 매 parsing 의 input string/bytes 의 grammar 의 따라 typed tree 의 변환 — 매 modern stack 의 schema-first (Pydantic v2, Zod, Protobuf) + zero-copy (Arrow, simdjson) 의 dominant.
|
||||
|
||||
## 매 핵심
|
||||
|
||||
### 매 Parsing vs Validation
|
||||
- **Parsing**: bytes → typed structure (lossless, total).
|
||||
- **Validation**: typed structure → invariant check (predicate).
|
||||
- **Parse, don't validate** (Alexis King 2019): 매 type system 의 invariant 의 encode → downstream 의 unwrap 의 X.
|
||||
|
||||
### 매 Parser 종류
|
||||
- **Recursive descent**: 매 hand-written, LL(k). 매 readable.
|
||||
- **Parser combinator**: 매 functional composition (parsec, nom).
|
||||
- **PEG**: 매 ordered choice, 매 ambiguity 의 X.
|
||||
- **LR/LALR**: 매 bottom-up, 매 yacc/bison.
|
||||
- **Schema-driven**: 매 Pydantic, Zod — 매 declarative type → parser 의 derive.
|
||||
|
||||
### 매 응용
|
||||
1. JSON/YAML/TOML config 의 load.
|
||||
2. API request body 의 validation (FastAPI + Pydantic).
|
||||
3. Log/CSV ingest pipeline.
|
||||
4. DSL (SQL, GraphQL) 의 compile.
|
||||
5. Protocol (HTTP, Protobuf) 의 decode.
|
||||
|
||||
## 💻 패턴
|
||||
|
||||
### Pydantic v2 (schema-first, Rust core)
|
||||
```python
|
||||
from pydantic import BaseModel, Field, EmailStr, ValidationError
|
||||
from datetime import datetime
|
||||
|
||||
class User(BaseModel):
|
||||
id: int
|
||||
email: EmailStr
|
||||
created_at: datetime
|
||||
tags: list[str] = Field(default_factory=list, max_length=10)
|
||||
|
||||
try:
|
||||
user = User.model_validate_json(raw_bytes) # bytes → typed
|
||||
except ValidationError as e:
|
||||
print(e.errors()) # structured error path
|
||||
```
|
||||
|
||||
### Parser combinator (Python, lark)
|
||||
```python
|
||||
from lark import Lark, Transformer
|
||||
|
||||
grammar = r"""
|
||||
start: expr
|
||||
expr: NUMBER ("+" NUMBER)*
|
||||
%import common.NUMBER
|
||||
%ignore " "
|
||||
"""
|
||||
|
||||
class Eval(Transformer):
|
||||
def expr(self, items): return sum(int(t) for t in items)
|
||||
|
||||
print(Lark(grammar, parser="lalr", transformer=Eval()).parse("1 + 2 + 3")) # 6
|
||||
```
|
||||
|
||||
### Streaming JSON (ijson, large files)
|
||||
```python
|
||||
import ijson
|
||||
|
||||
with open("huge.jsonl", "rb") as f:
|
||||
for record in ijson.items(f, "item"):
|
||||
process(record) # constant memory
|
||||
```
|
||||
|
||||
### simdjson (zero-copy, SIMD)
|
||||
```python
|
||||
import simdjson
|
||||
parser = simdjson.Parser()
|
||||
doc = parser.parse(raw_bytes) # ~3 GB/s
|
||||
name = doc["user"]["name"] # lazy access
|
||||
```
|
||||
|
||||
### Zod (TypeScript)
|
||||
```typescript
|
||||
import { z } from "zod";
|
||||
|
||||
const User = z.object({
|
||||
id: z.number().int().positive(),
|
||||
email: z.string().email(),
|
||||
tags: z.array(z.string()).max(10).default([]),
|
||||
});
|
||||
|
||||
const user = User.parse(JSON.parse(raw)); // throws on invalid
|
||||
type User = z.infer<typeof User>; // static type
|
||||
```
|
||||
|
||||
### Protobuf (binary, schema)
|
||||
```python
|
||||
import user_pb2
|
||||
user = user_pb2.User()
|
||||
user.ParseFromString(raw_bytes) # zero-allocation in C++
|
||||
```
|
||||
|
||||
### Apache Arrow (columnar, zero-copy)
|
||||
```python
|
||||
import pyarrow.csv as pv
|
||||
table = pv.read_csv("data.csv") # multi-threaded, zero-copy to pandas
|
||||
df = table.to_pandas(zero_copy_only=True)
|
||||
```
|
||||
|
||||
## 매 결정 기준
|
||||
| 상황 | Approach |
|
||||
|---|---|
|
||||
| API boundary, dynamic | Pydantic v2 / Zod |
|
||||
| Large JSON throughput | simdjson |
|
||||
| Streaming large file | ijson / SAX |
|
||||
| Inter-service binary | Protobuf / Cap'n Proto |
|
||||
| Custom DSL | Lark / nom / chumsky |
|
||||
| Tabular bulk | Arrow / Polars |
|
||||
|
||||
**기본값**: Pydantic v2 (Python), Zod (TS), Serde (Rust).
|
||||
|
||||
## 🔗 Graph
|
||||
- 부모: [[Software Architecture]] · [[TypeScript 타입 시스템 (TypeScript Type System)|Type Systems]]
|
||||
- 변형: [[Protobuf]]
|
||||
- Adjacent: [[Validation]] · [[Schema Design]]
|
||||
|
||||
## 🤖 LLM 활용
|
||||
**언제**: structured output enforcement (JSON schema → Pydantic), tool call argument 의 parse.
|
||||
**언제 X**: free-form natural language — 매 parsing 의 wrong tool, embedding/LLM 의 use.
|
||||
|
||||
## ❌ 안티패턴
|
||||
- **Regex 의 HTML/JSON parse**: 매 grammar 의 non-regular, 의 use proper parser.
|
||||
- **Stringly-typed**: 매 dict[str, Any] 의 propagate, 의 typed model 의 boundary 의 parse.
|
||||
- **Validate-only**: 매 raw dict 의 keep + ad-hoc check, 의 parse 의 structure 의 commit.
|
||||
- **Eager full-load**: 매 GB JSON 의 json.load, 의 streaming 의 use.
|
||||
- **Silent coercion**: "1" → 1 implicit, 의 strict mode (Pydantic strict=True).
|
||||
|
||||
## 🧪 검증 / 중복
|
||||
- Verified (Pydantic v2 docs, Alexis King "Parse, don't validate" 2019, simdjson paper).
|
||||
- 신뢰도 A.
|
||||
|
||||
## 🕓 Changelog
|
||||
| 날짜 | 변경 |
|
||||
|---|---|
|
||||
| 2026-05-08 | Phase 1 |
|
||||
| 2026-05-10 | Manual cleanup — full data parsing entry, 7 patterns + decision matrix |
|
||||
Reference in New Issue
Block a user