我正在使用的语言允许将某些标记粘在一起(例如“intfloat”),我正在寻找一种方法让词法分析器不会将它们变成 ID,以便它们在解析时单独可用.我能想到的最简单的语法是(省略 WS):
B: 'B';
C: 'C';
ID: ('a'..'z')+;
doc : (B | C | ID)* EOF;
反对:
bc
abc
bcd
我想从词法分析器中得到什么:
B C
ID (starts with not-a-keyword so it's an ID)
<error> (cannot concat non-keywords)
但正如预期的那样,我得到的是 3 个 ID。
我一直在考虑让 ID 不贪心,但会退化为每个角色的单独标记。我想我可以稍后将它们粘在一起,但感觉应该有更好的方法。
有什么想法吗?
谢谢
最佳答案
这是解决方案的开始,使用词法分析器将文本分解为标记。这里的技巧是规则 ID
可以在每次调用时发出多个标记。这是非标准的词法分析器行为,因此有一些注意事项:
我相信这不会在 ANTLR4 中工作。
此代码假设所有 token 都在
tokenQueue
中排队。规则
ID
不会阻止关键字重复,因此intintint
生成标记INT
INT
整数
。如果这很糟糕,您将希望在词法分析器或解析器端处理它,具体取决于哪个在您的语法中更有意义。关键字越短,这个解决方案就越脆弱。输入
internal
是无效的ID
,因为它以关键字int
开头,但后跟一个非关键字字符串。语法会产生我尚未删除的警告。如果您使用此代码,我建议您尝试删除它们。
语法如下:
多 token .g
grammar MultiToken;
@lexer::members{
private java.util.LinkedList<Token> tokenQueue = new java.util.LinkedList<Token>();
@Override
public Token nextToken() {
Token t = super.nextToken();
if (tokenQueue.isEmpty()){
if (t.getType() == Token.EOF){
return t;
} else {
throw new IllegalStateException("All tokens must be queued!");
}
} else {
return tokenQueue.removeFirst();
}
}
public void emit(int ttype, int tokenIndex) {
//This is lifted from ANTLR's Lexer class,
//but modified to handle queueing and multiple tokens per rule.
Token t;
if (tokenIndex > 0){
CommonToken last = (CommonToken) tokenQueue.getLast();
t = new CommonToken(input, ttype, state.channel, last.getStopIndex() + 1, getCharIndex() - 1);
} else {
t = new CommonToken(input, ttype, state.channel, state.tokenStartCharIndex, getCharIndex() - 1);
}
t.setLine(state.tokenStartLine);
t.setText(state.text);
t.setCharPositionInLine(state.tokenStartCharPositionInLine);
emit(t);
}
@Override
public void emit(Token t){
super.emit(t);
tokenQueue.addLast(t);
}
}
doc : (INT | FLOAT | ID | NUMBER)* EOF;
fragment
INT : 'int';
fragment
FLOAT : 'float';
NUMBER : ('0'..'9')+;
ID
@init {
int index = 0;
boolean rawId = false;
boolean keyword = false;
}
: ({!rawId}? INT {emit(INT, index++); keyword = true;}
| {!rawId}? FLOAT {emit(FLOAT, index++); keyword = true;}
| {!keyword}? ('a'..'z')+ {emit(ID, index++); rawId = true;}
)+
;
WS : (' '|'\t'|'\f'|'\r'|'\n')+ {skip();};
测试用例 1:混合关键字
输入
intfloat a
int b
float c
intfloatintfloat d
输出(代币)
[INT : int] [FLOAT : float] [ID : a]
[INT : int] [ID : b]
[FLOAT : float] [ID : c]
[INT : int] [FLOAT : float] [INT : int] [FLOAT : float] [ID : d]
测试用例 2:包含关键字的 ID
输入
aintfloat
bint
cfloat
dintfloatintfloat
输出(代币)
[ID : aintfloat]
[ID : bint]
[ID : cfloat]
[ID : dintfloatintfloat]
测试用例 3:错误 ID #1
输入
internal
输出( token 和词法分析器错误)
[INT : int] [ID : rnal]
line 1:3 rule ID failed predicate: {!keyword}?
测试用例 4:错误 ID #2
输入
floatation
输出( token 和词法分析器错误)
[FLOAT : float] [ID : tion]
line 1:5 rule ID failed predicate: {!keyword}?
测试用例 5:非 ID 规则
输入
int x
float 3 float 4 float 5
5 a 6 b 7 int 8 d
输出(代币)
[INT : int] [ID : x]
[FLOAT : float] [NUMBER : 3] [FLOAT : float] [NUMBER : 4] [FLOAT : float] [NUMBER : 5]
[NUMBER : 5] [ID : a] [NUMBER : 6] [ID : b] [NUMBER : 7] [INT : int] [NUMBER : 8] [ID : d]
关于antlr - 当有更通用的标记可用时,如何在词法分析期间将连接的标记分开,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/14227901/