“identifier”规则也使用ANTLR Lexer语法中的关键字

Question

在使用ANTLR3.5语法进行Java语法分析时，注意到“标识符”规则在Antlr Lexer语法中消耗了很少的关键字。Lexer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();}
    ;

当我试图解析行时：

public final int inch = this.getValue();

在Antlr语法中是否有任何技巧/规定来匹配关键字本身的规则，而不影响其他功能，如“标识符”？

Answer 1

您的问题确实是由于对哪些属于lexer和哪些属于解析器的误解造成的：

• lexer的工作是确定字符流代表哪些单词
  • 例如。this是this，0是数字，that是标识符
  • 例如。该声明包含可能的修饰符、类型和标识符列表
  • 输入T
    • 可以是this或identifier
    • 仍然可以this或identifier
    • 不能再this，只能identifier
    null
    null

    另一个例子是：

    • 输入T,H,I,S
      • 可以作为this或identifier整时间
      匹配
      • 不能再被任何东西匹配，因此this将被匹配为this（最上面的匹配规则），而不是标识符和。将启动一个新令牌

      现在说到重要的部分--只要一个lexer规则是从另一个lexer规则引用的，它就被认为仅仅是引用lexer规则的一个片段。这意味着匹配它不会发出一个新的令牌，也不会在片段匹配结束时触发多个匹配令牌之间的任何决策。因为this确实可以通过identifier规则匹配，所以整个声明符合v_declarathtml" target="_blank">ionlexer规则-所以除非有另一个lexer规则可以匹配至少相同长度的输入，并且在语法上比这个规则早，否则将应用这个规则。

      您没有提供任何引用this的规则，因此我们不知道这在语法中的具体情况，但明显的原因是，与使用this规则的任何东西相比，lexer可以匹配更长的输入或更早的规则。