首页 文章

ANTLR区分DXF组代码和整数

提问于
浏览 次
0

我试图用ANTLRv4为DXF files编写一个解析器 . DXF文件使用所谓的组代码来指定以下数据的类型 .

某些DXF文件的示例摘录：

0
SECTION
  2
HEADER
  9
$ORTHOMODE
 70
     0
  9
  0
ENDSEC

例如，第一个 0 意味着在下一行中跟随一个字符串 . 组代码 70 表示将跟随16Bit Integer，在示例中它是 0 . 我现在的问题是如何区分组代码 0 和整数 0 . 在示例代码段中，似乎Integer值有一些特殊的缩进，但我在DXF参考中找不到任何相关内容 .

到目前为止，我的想法是遵循ANTLR语法：

grammar SimpleDXF;

start       :   HEADER variable* ENDSEC ;
variable    :   varstart (groupcode NL value NL)+ ;
varstart    :   VAR ;
groupcode   :   INT ;
value       :   INT | ANYCHARSEQ ;

WS          :   [ \t]+ -> skip ;  
NL          :   '\r'? '\n' ;
HEADER      :   '0' NL 'SECTION' NL '2' NL 'HEADER' NL ;
ENDSEC      :   '0' NL 'ENDSEC' NL ;
VAR         :   '9' NL VARNAME NL ;
VARNAME     :   '$' LETTER (LETTER | DIGIT)* NL ;
INT         :   DIGIT+ NL ;
ANYCHARSEQ  :   ANYCHAR+ NL ;

fragment ANYCHAR    :   [\u0021-\u00FF] ;
fragment LETTER     :   [A-Za-z_] ;
fragment DIGIT      :   [0-9] ;

但显然这在尝试解析整数 0 时失败，因为这被lexer视为组码 0 ，因为 header 规则 .

所以现在我对如何解决我的问题毫无头绪 . 任何帮助都非常感谢 .

EDIT

更改了ANTLR语法以包含更多词法规则 . 现在的问题是词法分析器完全失败了 . 第一个输入字符是一个 INT 标记而不是 HEADER 标记的一部分，就像我想要的那样...原因是如果它在单个标记内，则用 -> skip 删除空格将不起作用（参见下面的示例）：

对于输入 A B （两个字母之间的空格），该语法将起作用：

start   :   'A' 'B' ;
WS      :   [ \t\r\n]+ -> skip ;

但是这个语法不起作用：

start   :   AB ;
AB      :   'A' 'B' ;
WS      :   [ \t\r\n]+ -> skip ;
parsing antlr antlr4 dxf

2 回答

  • 1

    我通过做一些预处理解决了这个问题，其中每个组代码和它的相应值都在同一行上 . 正如@UweAllner建议的那样，预处理还消除了前导和尾随空格 . 预处理后问题的示例输入文件如下所示：

    0 SECTION
2 HEADER
9 $ORTHOMODE
70 0
0 ENDSEC

    像这样很容易区分组代码和简单整数，因为组代码总是在一行的开头，而整数在一行的末尾 . 以下示例语法解决了该问题：

    grammar SimpleDXF;

start           :   HEADER variable* ENDSEC ;
variable        :   varstart groupcodevalue+ ;
varstart        :   VAR ;
groupcodevalue  :   GROUPCODE value ;
value           :   (INT | ANYCHARSEQ) NL ;

NL              :   '\r'? '\n' ;
HEADER          :   '0 SECTION' NL '2 HEADER' NL ;
ENDSEC          :   '0 ENDSEC' NL ;
VAR             :   '9 ' VARNAME NL ;
GROUPCODE       :   INT ' ' ;
VARNAME         :   '$' LETTER (LETTER | DIGIT)* ;
INT             :   '-'? DIGIT+ ;
ANYCHARSEQ      :   ANYCHAR+ ;

fragment ANYCHAR:   [\u0021-\u00FF] ;
fragment LETTER :   [A-Za-z_] ;
fragment DIGIT  :   [0-9] ;
    回复于
  • 0

    你错过了一个规则

    group: groupcode NL value;

    否则（如你所说），组码和值之间不可能有区别 . 或者，如果一个组代码后面可能跟有几个值：

    group: groupcode (NL value)+;

    你应该将header和endsec定义为HEADER和ENDSEC，以允许词法分析器区分“只是一个数字”和“是一个序列的开始” . 同样可能是变量规则的开始（以及由固定句子组成的所有内容） .

    编辑：像

    HEADER      :   '0' WS* NL WS* 'SECTION' WS* NL WS* '2' WS* NL WS* 'HEADER' WS* NL ;

    在我的脑海中浮现，而不是非常优雅 . 但奇怪的文件格式需要外来措施 .

    为了稍微理清这一点，你是否有可能在修剪和解析之前修剪前导和尾随空格的行？

    回复于

相关问题