WikiLeaks电缆的基于容错python的解析器

|| 不久前，我开始为WikiLeaks发布的电缆编写基于BNF的语法。但是我现在意识到我的方法可能不是最好的，我正在寻找一些改进。 电缆由三部分组成。头部具有一些RFC2822样式的格式。这种解析通常是正确的。文本部分具有更非正式的规范。例如，有一条REF线。应该以ѭ0开头，但是我发现了不同的版本。以下正则表达式可以捕获大多数情况：

^\\s*[Rr][Ee][Ff][Ss: ]

。所以前面有空格，不同的情况等等。文本部分主要是纯文本，带有一些特殊格式的标题。 我们要识别每个字段（日期，参考号等）并放入数据库中。我们选择了Pythons SimpleParse。目前，解析在每个无法识别的字段处停止。我们现在正在寻找一种更加容错的解决方案。所有字段都有某种顺序。当解析器无法识别字段时，它应在当前字段中添加一些“未识别” -blob并继续。 （或者也许您在这里有一些更好的方法）。 您会建议哪种解析器或其他解决方案？周围更好吗？