我正在尝试使用Antlr来处理一个简单的文本文件,主要是为了重新学习语法设计 .
文本文件中的每一行由关键字“BY:”和EOL终止字符串组成;该文件以一系列' - '结尾;像这样:
BY: abc123@gmail.com
BY: myCrazy@#$%ID
BY: first_name second_name
-------------------
我将语法定义如下:
grammar authors;
prog : author+ DASHES;
author : BY STRING NEWLINE;
BY : 'BY: ';
STRING : ('!'..'~')*;
NEWLINE : '\r'? '\n' ;
DASHES : '-'+ NEWLINE;
该语法识别第一作者和第二作者,但由于空间原因而无法识别第三作者 . 所以我改变了STRING以包含一个空格 STRING:('!'..'~'|' ')*
然后它一起停止工作(它抛出 MisstingTokenException
) .
我认为这是因为STRING规则在匹配BY之前匹配整行 . 但是,为什么当空间被排除在STRING之外时它会起作用?有没有办法可以强制词法分析器首先匹配BY规则?
一般来说,我如何使用自由形式的unicode换行符终止字符串(名称也可以包含重音字符)?
谢谢!附:我知道使用java,perl,awk等很容易 .
1 回答
在ANTLR中,词法分析器处理字符,解析器处理抽象令牌 . 因此,每当你发现自己说“从字符ABC开始并且不加思考地阅读每个字符直到字符XYZ”时,你最好写一个词法分析器规则而不是解析器规则,因为“每个字符”对词法分析器有意义但不对解析器 .
沿着这些思路,考虑
author
解析器规则的英语定义与C风格单行注释的样板词法律规则之间的相似性:author
是一些文本,以'BY: '开头,后跟每个字符,直到行尾 .单行注释是一些以'//'开头的文本,后跟每个字符,直到行尾 .
此类单行注释的词法分析器规则通常遵循以下形式:
作者行的词法分析器规则看起来类似:
但是这不会很正常,因为生成的
AUTHOR
令牌将以"BY: "开头,你只需要后面的内容 . 您可以关闭第一个字符,或者最好将文本分开以开始,如下所示:这种分离可以用词法分段完成:
词法分析器片段的行为类似于私有词法分析器级别的宏:它在词法分析器规则中引用时仅“活动”,并且只有词法分析器规则才能激活它 . (解析器可以按名称引用片段,但通常不应该......但这是一个不同的主题 . )
现在我们只需要
AUTHOR
令牌,只需要一个lexer动作就可以轻松地包含RESTOFLINE
's text. That':现在
AUTHOR
规则读完RESTOFLINE
片段后,调用setText
将传出的AUTHOR
标记的文本更改为仅来自RESTOFLINE
片段的文本 .因此,在调整解析器规则以适应新的词法分析器规则后,您最终会得到如下语法:
这是一个快速测试案例:
输入
代币已生成
我不确定这对语法设计有多大帮助,但我希望它有助于显示令牌解析器和字符解析器/词法分析器之间的区别,以及每种语法分析器的一些局限性 .