Parsing ANTLR4-解析语言的子集（例如，仅查询语句）

我试图找出如何用ANTLR最好地解析给定语言的子集。例如，假设我正在寻找解析。实际上，我只对解析语言的某些部分感兴趣，例如。我对解析该语言的许多其他特性不感兴趣。我目前的方法是设计我的lexer/parser语法，如下所示：

// ...

statement
    :    queryStatement
    |    undefinedStatement
    ;

// ...

undefinedStatement
    :    (.)+?
    ;

// ...

UndefinedToken
    :    (.)+?
    ;

要点是，我为未定义的结构和标记添加了一个回退解析器规则和lexer规则。我想象稍后，当我走到解析树时，我可以忽略树中未定义的语句，而专注于我感兴趣的语句

这似乎是可行的，但这是最佳策略吗？还有更优雅的选择吗？提前谢谢

这一总体思路——解析输入中有趣的部分而忽略周围大量的标记——通常称为“孤岛解析”。ANTLR参考书中有一个孤岛解析器的例子，尽管我不知道它是否直接适用

岛屿解析的棘手部分是正确地确定岛屿边界。如果您错过了一个边界，或者识别出了一个不存在的边界，那么您的解析将失败。因此，您至少需要充分理解输入，以便能够检测出孤岛的位置。例如，在您的示例中，这可能意味着识别

SELECT

语句。但是，您不能盲目地识别字母字符串

SELECT

，因为该字符串可能出现在字符串常量、注释或其他上下文中，而在这些上下文中，它根本不打算被识别为标记

---

我猜想，如果要解析查询，基本上需要能够识别任何令牌。因此，不会有大量未经检查的输入字符。您可以将其视为一个已识别但未解析的代币的海洋。在这种情况下，将非查询语句解析为关键字后跟任意标记（而不是

）应该是相当安全的并以
结尾。（但您可能需要识别嵌套块；我真的不知道有什么可能。）
解析语法的子部分非常简单。通常，您有一个顶级规则，您可以调用它来解析整个语法的完整输入

对于子部分，使用只解析子规则的函数，如：

const expression = parser.statement();

当我只想解析存储过程或数据类型时，我经常使用这种方法

但是，请记住，子规则通常不是以EOF标记终止的（顶级规则应该是这样的）。如果令牌流中的子元素多于子元素，则不会导致语法错误（当子规则完全匹配时，解析器将停止）。如果这对您来说是一个问题，那么添加您想要解析的子规则的副本，给它一个专用的名称，并以EOF结束，如下所示：

dataTypeDefinition: // For external use only. Don't reference this in the normal grammar.
    dataType EOF
;

dataType: // type in sql_yacc.yy
    type = (
...

有关更多详细信息，请查看