我正在XSD中为RegEx开发Regx解析器。我之前的问题在这里描述:ANTLR4解析RegEx
自年以来,我已经拆分了Lexer和Parser。现在我在解析括号内的副题时遇到了一个问题。它们应该被视为括号内的字符,而被视为外部的分组标记。这是我的lexer语法:
lexer grammar RegExLexer;
Char : ALPHA ;
Int : DIGIT ;
LBrack : '[' ;//-> pushMode(modeRange) ;
RBrack : ']' ;//-> popMode ;
LBrace : '(' ;
RBrace : ')' ;
Semi : ';' ;
Comma : ',' ;
Asterisk: '*' ;
Plus : '+' ;
Dot : '.' ;
Dash : '-' ;
Question: '?' ;
LCBrace : '{' ;
RCBrace : '}' ;
Pipe : '|' ;
Esc : '\' ;
WS : [ trn]+ -> skip ;
fragment DIGIT : [0-9] ;
fragment ALPHA : [a-zA-Z] ;
下面是一个例子:
[0-9a-z()]+
我觉得我应该使用括号上的模式来改变ALPHA片段的行为。如果我复制片段,我会得到一个错误,说我不能有两次声明。我已经阅读了关于这方面的参考资料,但我仍然不知道该怎么做。
如何实现这些模式?
以下是如何使用ANTLR4的词法模式创建上下文敏感lexer的快速演示:
lexer grammar RegexLexer;
START_CHAR_CLASS
: '[' -> pushMode(CharClass)
;
START_GROUP
: '('
;
END_GROUP
: ')'
;
PLAIN_ATOM
: ~[()[]]
;
mode CharClass;
END_CHAR_CLASS
: ']' -> popMode
;
CHAR_CLASS_ATOM
: ~[rn\]]
| '\' .
;
生成lexer后,可以使用以下类对其进行测试:
import org.antlr.v4.runtime.ANTLRInputStream;
import org.antlr.v4.runtime.Token;
public class Main {
public static void main(String[] args) {
RegexLexer lexer = new RegexLexer(new ANTLRInputStream("([()\]])"));
for (Token token : lexer.getAllTokens()) {
System.out.printf("%-20s %sn", RegexLexer.VOCABULARY.getSymbolicName(token.getType()), token.getText());
}
}
}
如果你运行这个Main类,下面的操作将打印到你的控制台:
START_GROUP (
START_CHAR_CLASS [
CHAR_CLASS_ATOM (
CHAR_CLASS_ATOM )
CHAR_CLASS_ATOM ]
END_CHAR_CLASS ]
END_GROUP )
正如您所看到的,(
和)
在字符类外部和在字符类内部的标记方式不同。
您必须在解析器中处理此问题,而不是在lexer中。当lexer看到一个"("时,它将返回令牌LBrace。对于lexer,没有关于在哪里看到令牌的上下文。它只是将输入划分为令牌。您必须定义解析规则,在处理解析树时,您可以确定括号内是否有LBrace