java - 为大型项目选择解析技术

Question

我必须处理许多不同的文件格式。至少 50 个，也许超过 100 个。

我过去曾使用过 Antlr。但是，出于以下几个原因，我不确定 Antlr 是否适合这个项目:

• 很难组合和重用语法和/或语法片段
• Antlr 进行代码生成——对现有解析器进行更改需要返回到 Antlr，进行更改，重新生成代码，将代码集成回代码库，并运行单元测试
• 进行树构建/处理需要在 Antlr 中处理另一种语言——这对 future 的开发人员来说是一个潜在的问题

基本上，我喜欢 Antlr，但我认为它可能更适合为复杂语言创建一个或两个解析器，而不是为稍微简单的语言/格式创建 100 个解析器。

类 Antlr 解析器生成器的替代方案是解析器组合器。优点是解析器直接集成到代码中，使重用、测试和进一步抽象变得非常容易。此外， future 的开发人员不必学习如何使用新工具。解析器组合器的缺点是我不知道有任何重型库可以在 Java 中使用它们。

所以问题是:

1. Antlr 是否适合/适用于如此庞大的解析项目？
2. 在 Java 中进行大规模解析还有哪些其他选择？

---

注意:有些文件格式是 CSV 或制表符分隔的，有些稍微复杂一些，有些和 Java 一样复杂。在语义方面，它们也可能非常复杂(尽管并非全部)。

Answer 1

我个人用过Apache Tika在过去，这非常适合我的需要，涵盖了多种格式。我从未使用过 Antlr，所以无法对其发表评论。