我正在尝试编写一个可以分析混合语言并生成它的AST的Parser。我首先尝试在Java中自己构建它并且失败了，因为这对于Parser-beginner来说是一个相当难的主题。然后我用Google搜索并找到了http://www2.cs.tum.edu/projects/cup/examples.php和JFlex。
现在的问题是：最好的方法是什么？
例如我有一个Codefile，它包含几个Tags，JS Code和一些$ CMS_SET（x，y）$ Code。解决这个问题的最佳方法是为CUP中的所有内容定义一个语法，让CUP根据我的语法生成一个Parser，它可以分析那些混合语言文件并生成它的AST Tree吗？
感谢所有有用的答案。 ：）
编辑：我需要用Java做...
答案 0 :(得分：4)
即使对于这方面的专家来说，这个话题也很难，我认为自己也是如此;检查我的生物。
第一个问题是为每个子语言构建单独的解析器。您将发现的第一件事是为特定语言定义解析器实际上很难;你可以阅读无穷无尽的SO请求列表＆＃34;我可以获得X＆＃34的解析器吗？或者＆＃34;如何修复X＆＃34;的解析器。大多数情况下，我认为这些要求最终无法进入任何地方解析引擎不是很好，你必须扭曲语法和解析器才能使它们适用于真正的语言，没有任何类似于纯粹的HTML＆＃34;标准文档不一致，你的客户总是在他的代码中有一些你不准备的东西。最后还有与字符集编码相关的故障，换行符结尾的变化以及使解析解析问题复杂化的预处理器。 C ++预处理器比你想象的要复杂得多，你必须拥有这个权利。解决此问题的最简单方法是找到一些已预定义语言的解析器生成器。 ANTLR有一堆现已弃用的ANTLR3;我们无法保证这些解析器是健壮的，更不用说与您的目的兼容了。
CUP不是一个特别有用的解析器生成器; LL（x）或LALR（x）解析器生成器中没有一个真正有用，因为没有真正的语言符合它们可以解析的事物的类别。结果是：无休止的请求（在SO！上）以获得帮助＆＃34;解决我的转移 - 减少冲突＆＃34;或者＃34;消除正确的递归＆＃34;。唯一经过时间考验的解析器生成器IMHO是一个GLR解析器生成器（我听说GLL的好东西，但这是最近的）。我们使用一个 GLR解析器生成器完成了40多种语言，包括生产IBM COBOL，完整的C ++ 14和Java8。
你的第二个问题是构建AST。您可以手动编写AST构建过程的代码，但是当您必须经常更改语法和/或您有许多语法时，这会很快变旧。这可以用汗水击败你的方式。 （我们之所以选择推the problem of building ASTs into the parser，那么我们就不必为构建语法付出任何精力;要做到这一点，你的解析器引擎必须为你提供这种帮助而且没有主流的帮助。）
现在你需要编写解析器。当需要出现时，您需要让一个人调用另一个;当然，您选择的解析器并非设计用于执行此操作，因此您必须将其扭曲。第一个难点是为解析器提供线索，在输入流中出现子语言，并将其解析为sublangauge解析器，并让它将树传递回父解析器＆＃ 39; s树，大概有某种标记，所以你可以知道树中不同子语言之间的过渡。你经常可以通过黑客攻击一种语言的词法分析器，当它看到线索时，调用另一种;但是你用它返回的树做了什么？没有办法将该树提供给当前的解析器，并说＆＃34;整合这个＆＃34;。你可以通过以神秘的方式修改解析机制来解决这个问题。
但以上所有问题都不是问题所在。
解析不方便，但只需要以任何有趣的方式分析程序所需的一小部分;您需要符号表，控制和数据流分析，可能需要进行点分析，而这些工程的工程将淹没上面列出的工作。请参阅我的论文＆＃34;解析后的生活＆＃34; （谷歌或通过我的生物）长期讨论你还需要什么。
简而言之，我认为你正在解决一个巨大的任务，只是解析＆＃34;，你甚至没有告诉我们你打算如何处理结果。欢迎你从这条道路开始，但很少有人成功;我的团队花了50多年的博士水平工程来实现我们的目标，我们很难完成。
Java不会让解决方案变得更容易或更难;你解决上述所有问题的语言是无关紧要的。