ANTLR词法规则中的句法谓词 介绍
查看文档,ANTLR 2以前有一个名为的东西,有这样的例子(灵感来自Pascal): 在我看来,这本质上是规则开头的一个积极的前瞻性断言:如果前瞻性匹配ANTLR词法规则中的句法谓词 介绍,antlr,antlr4,regex-lookarounds,lexical-analysis,Antlr,Antlr4,Regex Lookarounds,Lexical Analysis,查看文档,ANTLR 2以前有一个名为的东西,有这样的例子(灵感来自Pascal): 在我看来,这本质上是规则开头的一个积极的前瞻性断言:如果前瞻性匹配INT.“则第一条规则将应用(并匹配该输入的INT部分),依此类推 我还没有在ANTLR 4中找到类似的东西。政府似乎没有提到这一点,而各州: ANTLR3和4之间最大的区别在于,ANTLR4接受您给出的任何语法,除非该语法具有间接左递归。这意味着我们不需要语法谓词或回溯,因此ANTLR 4不支持该语法;你使用它会得到警告 这与我将其保持原样时收
INT.“
则第一条规则将应用(并匹配该输入的INT
部分),依此类推
我还没有在ANTLR 4中找到类似的东西。政府似乎没有提到这一点,而各州:
ANTLR3和4之间最大的区别在于,ANTLR4接受您给出的任何语法,除非该语法具有间接左递归。这意味着我们不需要语法谓词或回溯,因此ANTLR 4不支持该语法;你使用它会得到警告
这与我将其保持原样时收到的错误消息一致:
(...)=> syntactic predicates are not supported in ANTLR 4
虽然我可以理解一个更智能的解析器实现如何解决这些歧义,但我看不出这对lexer是如何工作的
复制示例
可以肯定的是,让我们尝试一下:
grammar Demo;
prog: atom (',' atom)* ;
atom: INT { System.out.println("INT: " + $INT.getText()); }
| REAL { System.out.println("REAL: " + $REAL.getText()); }
| a=INT RANGE b=INT { System.out.println("RANGE: " +
$a.getText() + " .. " + $b.getText()); }
;
WS : (' ' | '\t' | '\n' | '\r')+ -> skip ;
INT : ('0'..'9')+ ;
REAL: INT '.' INT? | '.' INT ;
RANGE: '..' ;
将其保存到Demo.g
,然后编译并运行:
$wget-nchttp://www.antlr.org/download/antlr-4.5.2-complete.jar
$java-jar antlr-4.5.2-complete.jar Demo.g
$javac-cp antlr-4.5.2-complete.jar Demo*.java
$java-cp.:antlr-4.5.2-complete.jar org.antlr.v4.gui.TestRig\
Demo prog包含几个关于多个令牌发射的docstring条目。当然,这些在中也有体现。根据这些规定,必须做到以下几点:
覆盖:
默认情况下,不支持每次nextToken
调用多次发射
为了提高效率。子类化并重写此方法,nextToken
,
和getToken
(将令牌推入列表并从该列表中提取)
而不是像此实现那样使用单个变量)
覆盖
覆盖:
如果发出多个令牌,则重写
确保设置为非空
null:
如果您将子类化为允许多个令牌
排放,然后将其设置为要匹配的最后一个标记,或
非null的值,以便自动令牌发射机制不会
发射另一个令牌
但是,我不明白为什么重写getToken
会很重要,因为我在运行库的任何地方都没有看到对该方法的调用。如果您设置了\u token
,那么这也将是getToken
的输出
因此,我从一条规则中发出两个令牌的方法是:
@lexer::members{
专用令牌排队;
@覆盖公共令牌nextToken(){
如果(_排队!=null){
发射(_排队);
_排队=空;
返回getToken();
}
返回super.nextToken();
}
@重写公共令牌emit(){
如果(_类型!=整数范围)
返回super.emit();
令牌t=\u factory.create(
_tokenFactorySourcePair,INT,null,_通道,
_tokenStartCharIndex,getCharIndex()-3,
_TokenStartCharpositionLine,_TokenStartCharpositionLine);
_排队=\u factory.create(
_tokenFactorySourcePair,范围,空,_通道,
getCharIndex()-2,getCharIndex()-1,\u,
_TokenStartCharpositionLine+getCharIndex()-2-
_代币StartCharIndex);
发射(t);
返回t;
}
}
INT_范围:INT'..';
然而,所有的位置计算都感觉非常乏味,给了我另一个想法(至少对于这个应用程序来说要好得多),我将在一个简短的回答中发布这个想法。这里有一个非常简短的解决方案:
@lexer::members { private int _pos; }
INT_RANGE: INT { _pos=_input.index(); setType(INT); emit(); }
'..' { _input.seek(_pos); };
这将匹配整个INT'..'
表达式,但随后将输入倒回到INT
之后,在那里我们发出标记并保存位置。然后在规则末尾使用该位置以更持久的方式倒带输入
但是,存在一个问题:由于\u输入,生成的标记将具有不正确的位置信息。seek
不会影响getCharPositionInLine
返回的内容。在这种情况下,我们可以这样做
setCharPositionInLine(getCharPositionInLine() - 2)
在规则的末尾,但是如果不是,而是处理可变长度的输入,则该方法将不起作用。我曾希望能够在第一个操作中保存getCharPositionInLine()
的结果,但不幸的是,这已经反映了整个表达式的结束
通过查看,我发现此方法努力恢复给定的位置状态。因此,我们可以通过滥用语义谓词的副作用来获得正确的状态:
@lexer::members{
私有整数保存索引、保存行、保存列;
私有布尔记忆(){
_savedIndex=_input.index();
_savedLine=getLine();
_savedColumn=getCharPositionInLine();
返回true;
}
私有无效调用(int类型){
_input.seek(_savedIndex);
设置行(_savedLine);
setCharPositionInLine(_savedColumn);
setType(类型);
}
}
INT_RANGE:INT{memory()}?'..'{回忆(INT);};
请记住,语义谓词将在尚未保证整个表达式实际匹配的时间点执行。因此,如果您在多个地方使用此技巧,您必须小心不要让来自不同规则的调用覆盖状态。如果有疑问,您可以使用多个这样的函数,或者将索引放入数组中,以使每个匹配明确无误
setCharPositionInLine(getCharPositionInLine() - 2)