Tree 识别ANTLR4中文本说明节点深度的树

我试图解析一些描述树的输入文本

为了更好地解释这个问题，我不是从文本开始，而是从预期的结果开始：

此树可以编写为带括号的表达式（例如）：

使用ANTLR4很容易识别：

grammar ParenthesizedDepthGrammar;

WS : (' '|'\n') -> channel(HIDDEN);

TEXT : [-A-Za-z0-9]+;

root: item*;

item:
    TEXT ('(' item+ ')')?
    ;

现在的问题是，我的输入将树描述为括号内的表达式。取而代之的是，每个节点都有一个数字，表示其深度，它隐式地属于最近的前一个深度较浅的节点。像这样：

1 node-0
2 node-00
3 node-000
3 node-001
3 node-002
2 node-01
3 node-010
4 node-0100
3 node-011
2 node-02
1 node-1
2 node-10

我认为以下语法可以正确识别它：

grammar TextualDepthGrammar;

WS : (' '|'\n') -> channel(HIDDEN);

LEVEL : [0-9]+;
TEXT : [-A-Za-z0-9]+;

root: item[0]*;

item[int parentLevel] returns [int level]:
    LEVEL
    { $level = $LEVEL.int; }
    { $level > $parentLevel }?
    TEXT
    item[$level]*
    ;

但事实并非如此

语义谓词

{$level>$parentLevel}？

正确地切断了解析，但是

level

已经被使用，并且祖父母树节点没有机会尝试解析新的子节点

我认为它需要：

将lexer倒带到

级别“取消使用”；或

在

项目开始时提前阅读
级别
，如果不比父级深，则进行规则和保释

---

但是如何解决呢？

我可以使用

getCurrentToken（）

查看（readahead）下一个标记来解决这个问题：

grammar TextualDepthGrammar;

WS : (' '|'\n') -> channel(HIDDEN);

LEVEL : [0-9]+;
TEXT : [-A-Za-z0-9]+;

root: item*;

item:
    LEVEL
    TEXT
    (
        { Integer.parseInt(getCurrentToken().getText()) > $LEVEL.int }?
        item
    )*
    ;

对于输入：

1 node-0
2 node-00
3 node-000
3 node-001
3 node-002
2 node-01
3 node-010
4 node-0100
3 node-011
2 node-02
1 node-1
2 node-10

它正确地给出了：

(root 
  (item 1 node-0 
    (item 2 node-00 
      (item 3 node-000) 
      (item 3 node-001) 
      (item 3 node-002)
    ) 
    (item 2 node-01 
      (item 3 node-010 
        (item 4 node-0100)
      ) 
      (item 3 node-011)
    ) 
    (item 2 node-02)
  ) 
  (item 1 node-1 
    (item 2 node-10)
  )
)

尽管我发现使用

getCurrentToken（）

有点不太正式。

如果决定取决于另一个令牌怎么办？

---

如果从当前令牌到要做出决定的令牌之间存在可选令牌，该怎么办？

确保已修复所有语法生成错误和警告，或者确保它们无关紧要。

TEXT

规则应给出不完整的范围警告。要在集合中包含文字连字符，它必须是最后一个元素

TEXT : [A-Za-z0-9-]+;

为了确保解析器考虑所有输入，您需要确定地匹配EOF令牌

root: item* EOF;

按照Antlr的工作方式，lexer将在计算第一个解析器规则之前使用所有输入。解析器没有简单（或预期）的方法来控制词法分析器的操作

---

做您似乎要做的事情的惯用方法是解析并生成整个输入文本的树。在树漫游器中，您可以分析受任意选定约束集约束的树。多个Walker可用于不同的约束集，而无需重新生成树。

文本lexer规则（开头带有连字符）运行良好。没有错误，没有警告。我只是习惯于用这种方式匹配字符类内部的连字符，因为其他一些实现（vi？grep？sed？我不知道）需要它。作为你的第二个技巧，我认为我最好使用我之前发布的答案（使用

getCurrentToken（）

），至少在我遇到类似于我在最后提出的问题的情况之前。对它进行一次解析，然后在树上行走以更正它似乎是在浪费ANTLR4的能力。

root: item* EOF;