C# 为什么在使用ANTLR生成解析器树时会出现OutOfMemoryException？

我构建了一个“simples”语法来解释一个看起来像json（或xml）的文件。但是，当我试图解析文件并在树上导航时，我得到了一个

System.OutOfMemoryException

输入文件只有108MB，但包含近500万行

以下是该文件的示例：

(
    :field ("ObjectName"
        :field (
            :field ("{6BF621F9-A0E2-49BB-A86B-3DE4750954F4}")
            :field (Value)
            :field (Value)
            :field (
                :Time ("Sun Jan 26 10:08:33 2014")
                :last_modified_utc (1390730913)
                :By ("Some text")
                :From (localhost)
            )
            :field ("text/text")
            :field (false)
            :field (false)
        )
        :field ()
        :field ()
        :field ()
        :field (0)
        :field (true)
        :field (true)
    )
.
.
.
.
.
)

遵循语法：

grammar Objects;

/*
 * Parser Rules
 */


compileUnit
    : obj
    ;


obj
    : OPEN ID? (field)* CLOSE
    ;

field
    : ':'(ID)? obj
    ;


/*
 * Lexer Rules
 */


OPEN 
    : '(' 
    ;

CLOSE 
    : ')' 
    ;

ID
    : (ALPHA | ALPHA_IN_STRING)
    ;


fragment
INT_ID
    : ('0'..'9')
    ;

fragment
ALPHA_EACH
    : 'A'..'Z' | 'a'..'z' | '_' | INT_ID | '-' | '.' | '@'
    ;

fragment
ALPHA
    : (ALPHA_EACH)+
    ;

fragment
ALPHA_IN_STRING
    : ('"' ( ~[\r\n] )+ '"')
    ;



WS
    // :    ' ' -> channel(HIDDEN)
    : [ \t\r\n]+ -> skip  // skip spaces, tabs, newlines
    ;

和解析器：

var input = new Antlr4.Runtime.AntlrInputStream(text);
var lexer = new ObjectsLexer(input);
var tokens = new Antlr4.Runtime.CommonTokenStream(lexer);
var parser = new ObjectsParser(tokens);

// Context for the compileUnit rule
// ERROR: Here I got the error. When start the to build the tree for compileUnit rule
var ctx = parser.compileUnit();


// The following line is not executed
new ObjectsVisitor().Visit(ctx);

在错误线上，我意识到内存呈指数增长。

• 如果输入是UTF-8编码的，并且主要使用ASCII字符，则转换为UTF-16将需要大约216MB
• 每个令牌使用至少48字节的内存
• 出现在解析树中的每个令牌使用至少20字节的内存（除了44字节）
• 解析树中的每个规则节点至少使用36字节的内存。如果规则有任何子项，则最小值为68字节

上面的数字不包括任何局部变量、参数、标签或返回值，如果使用它们，所有这些都存储在树中

假设每个标记有4个字符，解析树中有一半的标记，每个解析树节点平均有3个标记（这里的值完全是任意的），则可以得到：

• 输入：216MB
• 约2800万代币：~1281MB
• 解析树中约1400万个终端节点：~267MB
• 约470万解析树节点：~308MB

---

这是超过2GB的内存，并且不计算与运行时或由ANTLR内部构造的动态DFA缓存相关的任何开销。显然，您需要将应用程序作为64位进程运行，或者减少输入的大小。

如果我有一个大的XML文件，比如500万行，那么ANTLR将不是读取/解释它的最佳工具，是吗？在这种情况下，我是否应该在不使用ANTLR的情况下将某些内容作为一个部分？是否有任何方法可以清除缓存？我知道这并不理想，但内存不足也不理想：-(