Question

我目前使用ANTLR在Java中实现了一种简单易用的语言。我想做的是以纯文本形式嵌入，与PHP类似。

例如：

Lorem ipsum dolor sit amet
<% print('consectetur adipiscing elit'); %>
Phasellus volutpat dignissim sapien.

我预计生成的令牌流看起来像：

CDATA OPEN PRINT OPAREN APOS STRING APOS CPAREN SEMI CLOSE CDATA

我如何实现这一目标，还是有更好的方法？

对<%块之外的内容没有限制。根据Michael Mrozek的回答，我假设<% print('%>'); %>之类的东西是可能的，但在这种情况之外，<%总是表示代码块的开始。

示例实施

我根据Michael Mrozek的回答提出了一个解决方案，使用ANTLR的门控语义谓词来模拟Flex的启动条件：

lexer grammar Lexer;

@members {
    boolean codeMode = false;
}

OPEN    : {!codeMode}?=> '<%' { codeMode = true; } ;
CLOSE   : {codeMode}?=> '%>' { codeMode = false;} ;
LPAREN  : {codeMode}?=> '(';
//etc.

CHAR    : {!codeMode}?=> ~('<%');


parser grammar Parser;

options {
    tokenVocab = Lexer;
    output = AST;
}

tokens {
    VERBATIM;
}

program :
    (code | verbatim)+
    ;   

code :
    OPEN statement+ CLOSE -> statement+
    ;

verbatim :
    CHAR -> ^(VERBATIM CHAR)
    ;

Answer 1

但在这种情况之外，＆lt;％将始终指示代码块的开始。

在这种情况下，首先扫描文件以获取嵌入代码，然后一旦有了这些代码，使用专用解析器解析嵌入代码（在<%之前和%>标记之后没有噪声）。

ANTLR可以选择让词法分析器只解析输入文件的（小）部分而忽略其余部分。请注意，在这种情况下，您无法创建“组合语法”（解析器和词法分析器）。以下是如何创建这样的“部分词法分析器”：

// file EmbeddedCodeLexer.g
lexer grammar EmbeddedCodeLexer;

options{filter=true;} // <- enables the partial lexing!

EmbeddedCode
  :  '<%'                            // match an open tag
     (  String                       // ( match a string literal
     |  ~('%' | '\'')                //   OR match any char except `%` and `'`
     |  {input.LT(2) != '>'}?=> '%'  //   OR only match a `%` if `>` is not ahead of it
     )*                              // ) <- zero or more times
     '%>'                            // match a close tag
  ;

fragment
String
  :  '\'' ('\\' . | ~('\'' | '\\'))* '\''
  ;

如果您现在从中创建词法分析器：

java -cp antlr-3.2.jar org.antlr.Tool EmbeddedCodeLexer.g

并创建一个小测试工具：

import org.antlr.runtime.*;

public class Main {
    public static void main(String[] args) throws Exception {
        String source = "Lorem ipsum dolor sit amet       \n"+
                "<%                                       \n"+
                "a = 2 > 1 && 10 % 3;                     \n"+
                "print('consectetur %> adipiscing elit'); \n"+
                "%>                                       \n"+
                "Phasellus volutpat dignissim sapien.     \n"+
                "foo <% more code! %> bar                 \n";
        ANTLRStringStream in = new ANTLRStringStream(source);
        EmbeddedCodeLexer lexer = new EmbeddedCodeLexer(in);
        CommonTokenStream tokens = new CommonTokenStream(lexer);
        for(Object o : tokens.getTokens()) {
            System.out.println("=======================================\n"+
                    "EmbeddedCode = "+((Token)o).getText());
        }
    }
}

全部编译：

javac -cp antlr-3.2.jar *.java

最后通过执行以下操作来运行Main类：

// *nix/MacOS
java -cp .:antlr-3.2.jar Main

// Windows
java -cp .;antlr-3.2.jar Main

它将产生以下输出：

=======================================
EmbeddedCode = <%                                       
a = 2 > 1 && 10 % 3;                     
print('consectetur %> adipiscing elit'); 
%>
=======================================
EmbeddedCode = <% more code! %>

Answer 2

实际概念看起来很好，尽管你不太可能有PRINT令牌;词法分析器可能会发出类似IDENTIFIER的东西，解析器将负责确定它是一个函数调用（例如通过查找IDENTIFIER OPAREN ... CPAREN）并做适当的事情。

至于怎么做，我对ANTLR一无所知，但它可能有像flex start conditions这样的东西。如果是这样，您可以让INITIAL启动条件不执行任何操作，只查找<%，这将切换到CODE状态，其中定义了所有实际令牌;那么'％＆gt;'会转回去。在flex中它将是：

%s CODE

%%

<INITIAL>{
    "<%"      {BEGIN(CODE);}
    .         {}
}

 /* All these are implicitly in CODE because it was declared %s,
    but you could wrap it in <CODE>{} too
  */
"%>"          {BEGIN(INITIAL);}
"("           {return OPAREN;}
"'"           {return APOS;}
...

你需要注意在不是结束标记的上下文中匹配%>之类的东西，比如在字符串中;如果你想允许<% print('%>'); %>，你可以自己决定

我如何lex这个输入？

示例实施

2 个答案: