ANTLR v4：相同的字符在不同的上下文中有不同的含义

这是我在解析器生成器方面的第一次尝试，因此也是ANTLR。我正在使用ANTLR v4，试图为摩尔斯电码生成一个简单的实践解析器，其中包含以下额外规则：

一个字母（例如，

..

[字母的']）如果前面有一个'^'，则可以表示为大写

• 例：

  ^…

  表示资本的

特殊字符可以嵌入括号中

• 例：

  （@）

每个编码实体将用空格分隔

所以我可以对下面的句子进行编码：

ABCa@b.com

as（下面显示了相应的字母）：

特别注意以下两个实体：

（）

（表示空格）和

（）

（表示句点）

有一件事我很难理解：同一个标记可能会有不同的含义，这取决于它是否在括号中。也就是说，我想告诉ANTLR我想丢弃空白，但不是在

（）

的情况下。此外，莫尔斯电码字符可以由点和破折号组成（期间和破折号），但是，我不想把<代码>（<）/>代码中的句号视为“任何字符”。 以下是我目前掌握的语法：

grammar MorseCode;

file: entity*;

entity:
      special
    | morse_char;

special: '(' SPECIAL ')';

morse_char: '^'? (DOT_OR_DASH)+;

SPECIAL     : .; // match any character
DOT_OR_DASH : ('.' | '-');

WS          : [ \t\r\n]+ -> skip; // we don't care about whitespace (or do we?)

当我针对以下输入进行尝试时：

^... --- ...(@)

我得到以下输出（来自

grun…-tokens

）：

[@0,0:0='^'，1:0]
[@1,1:1='.',,1:1]
...
[@15,15:14='',,1:15]
第1行：1输入“.”不匹配，应为点或破折号

SPECIAL

和

DOT\u或破折号

之间似乎存在歧义问题。

您的

（@）

语法的行为类似于其他编程语言中引用的字符串。我首先将

SPECIAL

定义为：

SPECIAL : '(' .*? ')';

要确保

。

和

。

实际上是不同的，您可以使用以下方法：

SYMBOL : [.-]+;

然后，您可以定义

^

运算符：

CARET : '^';

使用这三个标记（并保持

WS

不变），您可以显著简化解析器规则：

file
  : entity* EOF
  ;

entity
  : morse_char
  | SPECIAL
  ;

morse_char
  : CARET? SYMBOL
  ;

---

果不其然，这就是诀窍…还不知道为什么--现在开始分析。所以我的困惑似乎是“我该如何定义lexer规则和parser规则？”。例如，你将“special”改为lexer规则，对吗？你有一个思维过程来帮你决定吗？还是我只需要--吞咽--练习？哈哈

CARET : '^';

file
  : entity* EOF
  ;

entity
  : morse_char
  | SPECIAL
  ;

morse_char
  : CARET? SYMBOL
  ;