java - 如何在 ANTLR 中分离出 block 的开始和结束标记

标签 java xml-parsing antlr

我目前正在使用此处定义的 XML 词法分析器语法:

https://github.com/antlr/grammars-v4/blob/master/xml/XMLLexer.g4

根据给定的输入,我生成了以下词法分析器事件:

XML 输入:

<item>
  <![CDATA[
    My CDATA Block
  ]]>
</item>

词法分析器输出

[@-1,0:0='<',<7>,1:0]
[@-1,1:4='item',<16>,1:1]
[@-1,5:5='>',<10>,1:5]
[@-1,6:8='\n  ',<6>,1:6]
[@-1,9:42='<![CDATA[\n    My CDATA Block\n  ]]>',<2>,2:2]
[@-1,43:43='\n',<6>,4:5]
[@-1,44:44='<',<7>,5:0]
[@-1,45:45='/',<13>,5:1]
[@-1,46:49='item',<16>,5:2]
[@-1,50:50='>',<10>,5:6]

但是,我想将“<[[CDATA”开始标记和“]]>”结束标记与 CDATA 事件分开,这样我就可以拥有一个仅包含此 block 内容的事件。我尝试了以下几乎可以工作的语法,除了因为 CDATA block 使用非贪婪匹配, block 中的每个字符都会创建一个新事件:

新语法:

https://gist.github.com/alexspurling/2e243b1c806a4482697700ea1f686d44

(差异:https://gist.github.com/alexspurling/2e243b1c806a4482697700ea1f686d44/revisions)

输出:

[@-1,0:0='<',<6>,1:0]
[@-1,1:4='item',<15>,1:1]
[@-1,5:5='>',<9>,1:5]
[@-1,6:8='\n  ',<5>,1:6]
[@-1,9:17='<![CDATA[',<2>,2:2]
[@-1,18:18='\n',<19>,2:11]
[@-1,19:19=' ',<19>,3:0]
[@-1,20:20=' ',<19>,3:1]
[@-1,21:21=' ',<19>,3:2]
[@-1,22:22=' ',<19>,3:3]
[@-1,23:23='M',<19>,3:4]
[@-1,24:24='y',<19>,3:5]
[@-1,25:25=' ',<19>,3:6]
[@-1,26:26='C',<19>,3:7]
[@-1,27:27='D',<19>,3:8]
[@-1,28:28='A',<19>,3:9]
[@-1,29:29='T',<19>,3:10]
[@-1,30:30='A',<19>,3:11]
[@-1,31:31=' ',<19>,3:12]
[@-1,32:32='B',<19>,3:13]
[@-1,33:33='l',<19>,3:14]
[@-1,34:34='o',<19>,3:15]
[@-1,35:35='c',<19>,3:16]
[@-1,36:36='k',<19>,3:17]
[@-1,37:37='\n',<19>,3:18]
[@-1,38:38=' ',<19>,4:0]
[@-1,39:39=' ',<19>,4:1]
[@-1,40:42=']]>',<18>,4:2]
[@-1,43:43='\n',<5>,4:5]
[@-1,44:44='<',<6>,5:0]
[@-1,45:45='/',<12>,5:1]
[@-1,46:49='item',<15>,5:2]
[@-1,50:50='>',<9>,5:6]

我想要的输出是:

[@-1,0:0='<',<7>,1:0]
[@-1,1:4='item',<16>,1:1]
[@-1,5:5='>',<10>,1:5]
[@-1,6:8='\n  ',<6>,1:6]
[@-1,9:42='<![CDATA[',<2>,2:2]
[@-1,9:42='\n    My CDATA Block\n  ',<19>,2:2]
[@-1,9:42=']]>',<18>,2:2]
[@-1,43:43='\n',<6>,4:5]
[@-1,44:44='<',<7>,5:0]
[@-1,45:45='/',<13>,5:1]
[@-1,46:49='item',<16>,5:2]
[@-1,50:50='>',<10>,5:6]

我怎样才能改变语法来实现这一点?

最佳答案

你应该改变

mode IN_CDATA;

CDATA_CLOSE   : ']]>'                   -> popMode;
CDATA_CONTENT : .+? ;

mode IN_CDATA;

CDATA_CLOSE   : ']]>'                   -> popMode;
CDATA_CONTENT : (~']'+? | (']'+? (~']' ~']' ~'>')?));

关于java - 如何在 ANTLR 中分离出 block 的开始和结束标记,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/50916048/

相关文章:

java - 如何获取前台应用程序和/或 Activity ?

c - 将 xml 值映射到结构体值

c# - web.config文件的编译

ruby - 使用 Nokogiri 解析 XML 文件以确定路径 (Ruby)

java - ANTLR3 语法吃整数

java - 嵌套缩进语言的 Xtext 语法

compiler-construction - 这个产生式规则是否左递归?

java - 同步邻居

java - 如何使用 struts <s :iterator> and <s:if> together?

java - 一个 Action 只执行一次