Question

我已经放弃了从ANTLR3.2的版本到ANTLR4的版本修复C＃语法，现在我想制作Java Parser和Visitor。从Github下载的ANTLR4的Java语法：https://github.com/antlr/grammars-v4/blob/master/java/Java.g4是为任何目标语言编写的，但有些代码是针对Java目标的，它不适用于C＃。我在谈论这些lexar规则：

fragment
JavaLetter
:   [a-zA-Z$_] // these are the "java letters" below 0xFF
|   // covers all characters above 0xFF which are not a surrogate
    ~[\u0000-\u00FF\uD800-\uDBFF]
   // {Character.isJavaIdentifierStart(_input.LA(-1))}?
|   // covers UTF-16 surrogate pairs encodings for U+10000 to U+10FFFF
    [\uD800-\uDBFF] [\uDC00-\uDFFF]
    //{Character.isJavaIdentifierStart(Character.toCodePoint((char)_input.LA(-2), (char) _input.LA  (-1)))}?
;

fragment
JavaLetterOrDigit
:   [a-zA-Z0-9$_] // these are the "java letters or digits" below 0xFF
|   // covers all characters above 0xFF which are not a surrogate
    ~[\u0000-\u00FF\uD800-\uDBFF]
   // {Character.isJavaIdentifierPart(_input.LA(-1))}?
|   // covers UTF-16 surrogate pairs encodings for U+10000 to U+10FFFF
    [\uD800-\uDBFF] [\uDC00-\uDFFF]
    //{char.isJavaIdentifierPart(Character.toCodePoint((char)_input.LA(-2), (char)_input.LA(-1)))}?
;

我已经评论了以 {Character.isJavaIdentifier ...} 开头的目标代码，现在已经可以了。我想知道为什么会这样！？我认为如果之前的令牌或之前的2个令牌（如果LA（-2））是IdentifierPart，它会返回true，但是动作代码是什么？在C＃ Char 对象中不支持静态方法isIdentifierPart或类似的东西......

我的问题是：如果我取消操作代码，解析器在解析Java输入代码期间是否会失败特定的标识符名称？如果是，我怎样才能将其替换为C＃目标？

感谢您的回复！ PK

Answer 1

在Java Language Specification §3.8中，标识符是根据Character类中的两个静态方法定义的。

Identifier:
  IdentifierChars but not a Keyword or BooleanLiteral or NullLiteral

IdentifierChars:
  JavaLetter {JavaLetterOrDigit}

JavaLetter:
  any Unicode character that is a "Java letter"

JavaLetterOrDigit:
  any Unicode character that is a "Java letter-or-digit"
A＆＃34; Java letter＆＃34;是方法Character.isJavaIdentifierStart(int)返回true的字符。

A＆＃34; Java字母或数字＆＃34;是方法Character.isJavaIdentifierPart(int)返回true的字符。

语法以特定方式实现此目的，旨在最大化预期输入的性能。特别是，集合[a-zA-Z0-9_$]（正则表达式语法）中最知名的字符由语法直接处理。语言规范保证该集合始终被视为标识符字符。

ANTLR 4不会为U + 007F以上的UTF-16代码单元缓存DFA转换，因此前面描述的集合之外的任何内容都处于＆＃34;慢速＆＃34;无论如何，词法分析器的路径。这些字符使用干净简单的语义谓词来处理，而不是膨胀状态机的大小。

如果您的源代码不使用U + 007F以上的代码点作为Unicode标识符，那么您可以安全地将语法缩减为以下内容：

fragment
JavaLetter
  :   [a-zA-Z$_] // these are the "java letters" below 0xFF
  ;

fragment
JavaLetterOrDigit
  :   [a-zA-Z0-9$_] // these are the "java letters or digits" below 0xFF
  ;

否则，要获得完整支持，您可以使用C＃目标中的Java-LR.g4语法（在使用前重命名为 Java.g4 ）。

来自Github的Java语法用于ANTLR4和C＃目标

1 个答案: