使用Jupyter可视化查询语句的语法成分--以图查询语言Cypher为例

当数据管理系统收到一条查询语句时，会对这条查询语句进行一些理解和解释，最终会翻译为一系列可以执行的步骤来处理数据。其中“语法解析”和“词法解析”是计算机理解查询语句的第一步。而词法和语法的解析依赖于一定的文法规则，对这些文法规则进行学习和可视化，可以学习查询语言的各个语法成分，加深对查询语言的了解。

通常词法&语法解析器可以由一些工具进行生成，例如常见的flex/bison(c/c++), yacc(c/c++), antlr(java)、javacc(java)、Parboiled(scala)等。这些工具往往以规则文件作为输入，输出一个语法解析器。本文的最终目标是：通过一个已生成的语法解析器解析某条查询语句，对解析到的语法成分进行可视化。

在查询语言的选择上，考虑到华为图引擎GES对接了Cypher、Gremlin两大主流图查询语言，其中Cypher查询语言有公开的文法规则，所以以Cypher为例； 在生成工具方面，由于只有少数工具可以生成python的解析代码，这里使用antlr4作为语法解析器生成工具。

环境准备

注：本文对应的notebook链接为：https://developer.huaweicloud.com/develop/aigallery/notebook/detail?id=9ea7f844-2a05-49d0-b117-1260f65ef87d，相关代码可以直接在notebook上运行。

首先从OpenCypher官网下载cypher的文法规则，从Antlr的官网下载antlr工具包。

wget https://s3.amazonaws.com/artifacts.opencypher.org/M18/Cypher.g4
wget https://github.com/antlr/website-antlr4/blob/gh-pages/download/antlr-4.8-complete.jar
pip install antlr4-python3-runtime==4.8

这里简单介绍一下语法规则，一条语法规则定义了语句中的各个部分如何被解释，下面展示了Match子句的解释规则：一个Match子句，必须包含一个单词MATCH和一个Pattern（MATCH SP? oC_Pattern），MATCH和Pattern间可能有空格（SP），MATCH和Pattern的前部可能有一个OPTIONAL单词（( OPTIONAL SP )?），后部可能有一个Where语法成分（( SP? oC_Where )?）。关于antlr的细节，可以查看华为云相关博文介绍:Antlr4简明使用教程, 推荐一款优秀的语法解析工具—Antlr4

oC_Match
     :  ( OPTIONAL SP )? MATCH SP? oC_Pattern ( SP? oC_Where )? ;

下面代码可以生成cypher查询语言python版本的语法解析器。

java -cp antlr-4.8-complete.jar org.antlr.v4.Tool -visitor -package cypher -Dlanguage=Python3 Cypher.g4

如果你正在使用notebook，且notebook环境中没有java，也可以通过下列代码下载已经生成好的语法解析器。

import moxing as mox
mox.file.copy('obs://obs-aigallery-zc/GES/ges4jupyter/beta/cypher-generated-parser.zip', 'cypher-generated-parser.zip')

!unzip cypher-generated-parser.zip

语法树生成 & 可视化

对文法规则的可视化，网上已有诸多案例，例如OpenCypher官网提供了Cypher文法的可视化结果,可以点击此处进入查看。另外网上也有一部分网站，可以输入文法规则，返回可视化结果。例如在网站https://www.bottlecaps.de/convert/上， 可以输入包括antlr、bison、javacc在内的诸多文法规则，而后生成文法规则的可视化图表。例如将Cypher.g4文法文件输入这个网站，可以获得的文法规则截选如下。

这里给出了oC_Statement、oC_Query、oC_RegularQuery三条规则的解释，例如对oC_Statement而言，其可以由一个oC_Command或者一个oC_Query构成；而一个oC_RegularQuery,则可以由一个oC_SingleQuery,以及0到多个oC_Union构成。这些文法规则的可视化给出了文法的定义，却未提供可视化某条语句解析结果的能力。可视化语句的解析结果目前只能依赖antlr的插件，但是antlr未提供jupyter侧的可视化工具。下面本文试图在jupyter侧可视化一条查询语句的语法解析路径。

首先我们写一个解析查询语句的函数，用来生成语法解析器的解析结果。下列代码是一个经典的antlr解析语句的流程，通过构造词法解析器（lexer）、单词流（stream）、语法解析器（parser）来完成整个初始化过程，最终parser只需要调用文法中的规则名，即可使用规则来生成语法树结构。

from CypherLexer import CypherLexer
from CypherParser import CypherParser
from antlr4 import *

def get_ast(statement):
    reader = InputStream(statement)
    lexer = CypherLexer(reader)
    stream = CommonTokenStream(lexer)
    parser = CypherParser(stream)
    return parser.oC_Statement()

而后输入一条查询语句，并调用ast函数，代码会返回解析后的对象。

ast_tree = get_ast('match (n) return n limit 10')

在获得语法树之后，可以从语法树中提取关键语法成分，而后进行可视化。相关代码已经封装为了工具包，可以直接下载使用。其中可视化工具使用的是vis.js。

import moxing as mox
mox.file.copy('obs://obs-aigallery-zc/GES/ges4jupyter/beta/viz_ast_parser.py', 'viz_ast_parser.py')
mox.file.copy('obs://obs-aigallery-zc/GES/ges4jupyter/beta/viz_ast_parser.html', 'viz_ast_parser.html')

from viz_ast_parser import *

def beautify_name(name):
    return name.replace('OC_', '').replace('Context', '').replace('Impl', '')

vizAstParser = VizAstParser(beautify_name)
vizAstParser.vis_ast(get_ast('match (n) return n limit 10'))

通过可视化可以看到：即使是一条简单的语句也有丰富的语法结构，这样的层次结构，计算机也更容易理解和解析。

备注：

1.工具中的相关代码不仅可以用来可视化cypher语言的语法成分， 其他可以用antlr生成python解析器的语言，该工具也可以提供JupyterLab上的可视化支持。

2. 本文对应的notebook链接为：https://developer.huaweicloud.com/develop/aigallery/notebook/detail?id=9ea7f844-2a05-49d0-b117-1260f65ef87d，相关代码可以直接在notebook上运行。