CDM之ANTLR学习
ANTLR是什么
ANTLR是一个解析器生成工具,可以根据你书写的文法文件,自动生成可以解析该文法的解析器(Parser).其强大的功能远不止这些.
文法文档(Grammar Lexicon)
Lexicon是按ANTLR规范书写的文件,在这个文件中指定你要解析的文法,ANTLR再根据这个文件生成对应的解析器.
标识符(Identifiers)
词法单元和词法规则通常以大写字母命名
解析规则(parser rule) 以小写字母开头命名(驼峰命名法)
例如:
1 |
ID, LPAREN, RIGHT_CURLY //token names/rule |
ANTLR还支持unicode编码的字符命名
文字(Literals)
ANTLR不区分字符和字符串.所有的字符串(这里是指出现在源文件中的需要被识别的字符串)都是由单引号引用起来的字符,但是像这样的字符串中不包括正则表达式.支持unicode和转义符号例如
1 |
',' , 'if', '>=', |
动作(Actions)
动作是用目标语言书写的代码块.嵌入的代码可以出现在:
@header @members这样的命名动作中
解析规则和词法规则中
异常捕获中
解析规则的属性部分(返回值,参数等)
一些规则可选元素中
关键字(Keywords)
ANTLR中有一些保留关键字,例如:
1 |
import, fragment, lexer, parser, grammar, returns, locals, throws, catch, finally, mode, options, tokens |
语法结构(Grammar Structure)
语法结构如下
|Grammar |
| ————- |
| /Optional javadoc style comment*/|
| grammer Name; |
| options {…}; |
| import …; |
| tokens {…}; |
| channels {…}; |
| @actionName** {…}; |
| |
| rule1 //parser and lexer rules |
| … |
| ruleN |
文件命名必须和grammar命名相同,如 grammar T,文件名必须命名为T.g4.
options,imports,token,action的声明顺序没有要求,但一个文件中options,imports,token最多只能声明一次.grammar是必须声明的,同时必须至少声明一条规则(rule),其余的部分都是可选的.
规则(rules)
规则的声明遵循以下格式:
1 |
ruleName : alternative1 | ... | alternativeN ; |
引入(imports)
ANTLR中的引入机制类似于OO中的继承.它会从引入的文件继承所有的规则,词法单元,动作.然后主文件中的元素会”覆盖”引入文件中的重名元素.
嵌套引用的合并规则比较复杂,详见官方文档
词法单元(Tokens Section)
1 |
tokens {Token1 ... TokenN} |
例如为向量表示定义虚词法单元:
1 |
grammar VecMathAST |
动作(Actions at the Grammar Level)
针对java,有两个已经定义好的action:header和members
@header在生成的目标代码中的类定义之前注入代码
@members在生成的目标代码中的类定义里注入代码(例如类的属性和方法)
1 |
grammar Count; |
解析器规则(Parser Rules)
解析器由一组解析器规则组成.java应用通过调用生成的规则函数(每个规则会生成一个函数)来启动解析.
基本形式如下,用 | 操作符分割多个选项
1 |
stat : restat | 'break' ';' | 'continue' ';' ; |
可选标签(Alternative Labels)
可以在规则中添加标签,ANTLR会根据标签生成与规则相关的解析树的事件监听函数,使我们更加精准的控制解析过程.用 # 操作符定义一个标签
用法如下:
1 |
grammar T; |
ANTLR会为每个标签生成一个rule-context类.
1 |
public interface AListener extends ParseTreeListener { |
同一个标签可以加在多个规则选项上(multiple alternatives),但是标签命名不可以和规则名冲突
规则上下文对象(Rule Context Objects)
ANTLR为每个规则生成一个上下文对象,通过这个对象可以访问规则定义中的其他规则的引用.根据规则定义中的其他规则的引用数量不同,生成对象中包含的方法也不同.例如:
1 |
inc : e '++'; |
1 |
field : e '.' e; |
规则元素标签(Rule Element Labels)
可以用 = 操作符为规则中的元素添加标签,这样会在规则的上下文对象中添加元素的字段.
例如:
1 |
stat: 'return' value=e ';' # Return //将e的context作为一个字段添加到 ReturnContext中 |
+= 操作符可以很方便的记录大量的token或者规则的引用
1 |
array : '{' el+=INT (',' el+=INT)* '}' ; |
规则元素(Rule ELements)
规则元素指定了解析器在具体时刻应该执行什么任务.元素可以是规则(rule), 词法单元(token), 字符串文字(string literal)等
T token
‘literal’ 字符串文字
r 规则
r[args] 向规则函数中传递参数,参数的书写规则是目标语言,用逗号分隔
. 通配符
{action} 动作,在元素的间隔中执行
{p} 谓词
支持逻辑非操作符:~
子规则
规则中包含的可选块称为子规则(被封闭在括号中).子规则也可以看做规则(rule),但是没有显式的命名.子规则不能定义局部变量,也没有返回值.如果子规则只有一个元素,括号可以省略.
子规则有四种
例如:
(x|y|z) 只匹配一个选项
(x|y|z)? 匹配一个或者不匹配
(x|y|z)* 匹配零次或多次
(x|y|z)+ 匹配一次或多次
参考:
https://developer.ibm.com/zh/articles/j-lo-antlr/
https://theantlrguy.atlassian.net/wiki/display/ANTLR4/ANTLR+4+Documentation
- 点赞
- 收藏
- 关注作者
评论(0)