ANTLR v4:同一个字符在不同的上下文中有不同的含义

Question

这是我第一次破解解析器生成器，因此也破解了ANTLR。我正在使用ANTLR v4尝试为莫尔斯电码生成一个简单的练习解析器，其中包含以下额外规则：

1. 一个字母（例如，...[字母的']）如果前面有'^'，则可以表示为大写
   • 例如：^...表示大写"S"
2. 特殊字符可以嵌入括号中
   • 例如：(@)
3. 每个编码的实体将用空格分隔

所以我可以编码以下句子：

ABC [e-mail]

as（下面显示相应的字母）：

^.- ^-... ^-.-. ( ) ._ (@) -... (.) -.-. --- --
 A   B     C    ' ' a  '@' b    '.' c    o   m

特别注意以下两个实体：( )（表示空间）和(.)（表示周期。

主要有一件事我很难理解：同一个符号可以有不同的含义，这取决于它是否在括号中。也就是说，我想告诉ANTLR，我想丢弃空白，但不是在( )的情况下。此外，莫尔斯电码字符可以由点和短划线（句点和短划线）组成，但我不想将(.)中的句点视为"任何字符"。

以下是我目前掌握的语法：

grammar MorseCode;
file: entity*;
entity:
      special
    | morse_char;
special: '(' SPECIAL ')';
morse_char: '^'? (DOT_OR_DASH)+;
SPECIAL     : .; // match any character
DOT_OR_DASH : ('.' | '-');
WS          : [ trn]+ -> skip; // we don't care about whitespace (or do we?)

当我对以下输入进行尝试时：

^... --- ...(@)

我得到以下输出（来自grun ... -tokens）：

[@0,0:0='^',<1>,1:0]
[@1,1:1='.',<4>,1:1]
...
[@15,15:14='<EOF>',<-1>,1:15]
line 1:1 mismatched input '.' expecting DOT_OR_DASH

SPECIAL和DOT_OR_DASH之间的歧义似乎有问题？

Answer 1

在其他编程语言中，您的(@)语法的行为似乎像一个带引号的字符串。我首先将SPECIAL定义为：

SPECIAL : '(' .*? ')';

为了确保. .和..实际上不同，您可以使用以下方法：

SYMBOL : [.-]+;

然后您可以定义您的^操作员：

CARET : '^';

有了这三个标记（并保持WS不变），您可以显著简化解析器规则：

file
  : entity* EOF
  ;
entity
  : morse_char
  | SPECIAL
  ;
morse_char
  : CARET? SYMBOL
  ;