'IDENTIFIER' 规则也使用 ANTLR Lexer 语法中的关键字

Question

在研究用于 Java 解析的 Antlr 3.5 语法时，注意到“ IDENTIFIER ”规则在 ANTLR 词法分析器语法中消耗了很少的关键字。词法分析器语法是

lexer grammar JavaLexer;

options {
   //k=8;
   language=Java;
   filter=true;
   //backtrack=true;
}

@lexer::header {
package java;
}

@lexer::members {
public ArrayList<String> keywordsList = new ArrayList<String>();
}

V_DECLARATION
:
( ((MODIFIERS)=>tok1=MODIFIERS WS+)? tok2=TYPE WS+ var=V_DECLARATOR WS* )
{...};

fragment
V_DECLARATOR
  :
  (
    tok=IDENTIFIER WS* ( ',' | ';' | ASSIGN WS* V_VALUE )
  )
  {...};

fragment
V_VALUE
: (IDENTIFIER (DOT WS* IDENTIFIER WS* '(' | ',' | ';'))
;

MODIFIERS
  :
  (PUBLIC | PRIVATE | FINAL)+
;

PRIVATE
    :    tok = 'private'
    { keywordsList.add($tok.getText());  }
    ;

PUBLIC
    :    tok = 'public'
    { keywordsList.add($tok.getText()); }
    ;

DOT
    :    '.'
    { keywordsList.add("."); }
    ;

THIS
    :    tok = 'this'
    { keywordsList.add($tok.getText()); }
    ;

ASSIGN
    :    '='
        { keywordsList.add("="); }
    ;    

IDENTIFIER:
  tok =Identifier
  {  
   //System.out.println("Identifier: " + $tok.text);
  }
  ;  

fragment
Identifier 
    :   (Letter (Letter|JavaIDDigit)*);

fragment
Letter
    :  '\u0024' |
       '\u0041'..'\u005a' |
       '\u005f' |
       '\u0061'..'\u007a' |
       '\u00c0'..'\u00d6' |
       '\u00d8'..'\u00f6' |
       '\u00f8'..'\u00ff' |
       '\u0100'..'\u1fff' |
       '\u3040'..'\u318f' |
       '\u3300'..'\u337f' |
       '\u3400'..'\u3d2d' |
       '\u4e00'..'\u9fff' |
       '\uf900'..'\ufaff'
    ;

fragment
JavaIDDigit
    :  '\u0030'..'\u0039' |
       '\u0660'..'\u0669' |
       '\u06f0'..'\u06f9' |
       '\u0966'..'\u096f' |
       '\u09e6'..'\u09ef' |
       '\u0a66'..'\u0a6f' |
       '\u0ae6'..'\u0aef' |
       '\u0b66'..'\u0b6f' |
       '\u0be7'..'\u0bef' |
       '\u0c66'..'\u0c6f' |
       '\u0ce6'..'\u0cef' |
       '\u0d66'..'\u0d6f' |
       '\u0e50'..'\u0e59' |
       '\u0ed0'..'\u0ed9' |
       '\u1040'..'\u1049'
   ;

WS  :  (' '|'\r'|'\t'|'\u000C'|'\n') {$channel=HIDDEN; skip();}
    ;

当我尝试解析该行时：

public final int inch = this.getValue();

然后规则“VAR_VALUE -> IDENTIFIER”也消耗了“this”关键字，这是不可取的，因为关键字也被收集到一个单独的列表中。

Antlr 语法中是否有任何技巧/规定可以通过自身规则匹配关键字而不影响“IDENTIFIER”等其他功能？

Answer 1

您的问题确实是由于对词法分析器中的内容和解析器中的内容的误解造成的：

• 词法分析器的工作是确定字符流代表哪些词
  • 例如，那this是一个THIS，0是一个NUMBER并且that是一个IDENTIFIER
• 解析器的工作是确定词法分析器发出的单词序列是否符合给定的语言，即由这些单词组成的“句子”是否有意义
  • 例如，该声明由可能的修饰符、类型和标识符列表组成

由于词法分析器的工作是确定输入中有哪些词，它处理输入并寻找最长的有效匹配（在 ANTLR 中，如果两个或多个规则接受相同的输入，则源语法中最上面的一个获胜）。不是针对任何“最具体的”，而是针对最长的。

例子：

• 输入 t
  • 可以是THIS或IDENTIFIER
• 输入 h
  • 仍然可以是THIS或IDENTIFIER
• 输入 a
  • 不能再有THIS，只有IDENTIFIER可能
• 输入 t
  • IDENTIFIER 当然
• 输入 .
  • 不再匹配IDENTIFIER，因此that将匹配为IDENTIFIER，最后一个输入.将匹配为下一个标记的新开始

另一个例子：

• 输入t, h, i,s
  • 可以匹配任何时间THIS或IDENTIFIER整个时间
• 输入 .
  • 不能再被任何东西匹配，所以this将被匹配为THIS（最顶层匹配规则）而不是IDENTIFIER并且.将开始一个新的标记

现在是重要的部分 -只要一个词法分析器规则被另一个词法分析器规则引用，它就被认为只是引用词法分析器规则的一个片段。这意味着匹配它不会发出新的标记，也不会在片段匹配结束时触发多个匹配标记之间的任何决定。由于this确实可以通过IDENTIFIER规则匹配，因此整个声明符合V_DECLARATION词法分析器规则 - 因此，除非有另一个词法分析器规则可以匹配至少相同长度的输入并且在语法中早于该规则，否则该规则将适用。

您没有提供任何规则引用，THIS所以我们不知道这在您的语法中究竟是如何发挥作用的，但显而易见的原因是词法分析器可以匹配更长的输入或比使用THIS规则的任何规则更早的规则。