来源:ANTLR中文网站:http://www./ 在ANTLR中词法规则和语法规则都是一些上下文无关的规则,它们不能满足语法分析中的一些高级需求或特殊需求。如:我们可能要判断一个表达式中的 变量之前是否定义了,没有定义要给出编译错误信息,或者我们要在语法分析时记录一些信息以后使用。这时我们就要在文法中嵌入Actions。 Actions就是嵌入文法中的程序代码,它与我们在asp或jsp页面html代码中嵌入VB和java的代码非常类似,在生成代码后actions会 在恰当的位置起到恰到好处的作用。在ANTLR文法中嵌入的程序代码要用Options{ language= }的设置项的目标语言编写,ANTLR并不会去过多分析actions中的代码这全靠编写文法的人自己控制。 5.1嵌入简单的代码 ANTLR中Action必须写在“{}”花括号中,其中可以有一行或多行代码。我们首先在文法中加入简单的Action编写一个示例,下面有一个 变量定义的文法,在variable规则的结束符“;”之前加入了{System.out.println("a action of variable");}输出一行字符。 grammar SimpleAction; variable : type ID ';' {System.out.println("a action of variable");}; type : 'int' | 'float'; ID : ('a'..'z'|'A'..'Z'|'_') ('a'..'z'|'A'..'Z'|'0'..'9'|'_')* ; WS : ( ' ' | '\t' | '\r' | '\n' )+ { $channel = HIDDEN; } ; 运行代码如下: ANTLRInputStream input = new ANTLRInputStream(System.in); SimpleActionLexer lexer = new SimpleActionLexer(input); CommonTokenStream tokens = new CommonTokenStream(lexer); SimpleActionParser parser = new SimpleActionParser(tokens); parser.variable(); 程序运行后输入:int x; 输出:a action of variable 本示例没有让语法分析程序生成语法树,System.out.println方法是在分析程序执行到该处时被执行的,所以我们可以直接看到效果。 5.2 Actions中的符号引用 在Action中可以引用规则符号来获得符号当前的信息,如:我们将上例中的Action修改一下来获得变量的具体和变量名。 variable : type ID ';' {System.out.println($type.text + " " + $ID.text);}; 程序运行后输入:int x; 输出:int x。 引用规则符号时使用符号“$”加上符号名来表示,“$”是一个标识表明了它是一个引用而不是普通的嵌入式代码。 5.3生成的分析器代码 为了保证本章后面的学习,现在有必要讲解一下ANTLR生成的代码与文法之间的大概关系。第一章的示例中就涉及到了语法树,第二章也讲了自顶向下推 导树。ANTLR是一个自顶向下的分析工具,从树的根节点向下,按照左子树到右子树的深度遍历的顺序进行分析。下面看一个简化的表达式文法。 expr : subExpr '+' subExpr | subExpr; subExpr : ATOM '*' ATOM | ATOM; ATOM : '0'.. '9';
图4.1 我们用这个文法来分析一个表达式:3 * 4 + 5,分析其推导树看图4.1(左)。 ANTLR用自顶向下的分析方法从语法树的根节通过输入的字符判断生成推导树,向推导树的子节点分析伸展,直到匹配终结字符。匹配终结字符后会向树 的父节点返回,如图4.1(左)。这种下推回代的过程在数据结构中要用栈来保存临时信息,下推时压栈返回时出栈。ANTLR使用了函数调用的方式来简洁地 实现了这个过程,因为计算机语言中函数调用时系统会自动压栈,函数执行结束返回时系统会自动出栈。这样ANTLR就没有必要自己去实现这样的一个栈的构 造。如图4.1(右)让我们把生成推导树的过程想象成一些函数之间调用的过程。 ANTLR在生成分析器代码时把每一个规则(包括语法规则和词法规则)生成同名的函数,我们可以方便地叫它规则函数。例如这个简单的expr示例生成的代码大致为: public final void expr() throws RecognitionException { try { ……//经过词法分析程序对输入字符的判断,决定分支 case 1 :// subExpr '+' subExpr subExpr(); match(input,5,FOLLOW_5_in_expr12); //匹配 ‘+’ subExpr(); break; case 2 : // subExpr subExpr(); break; } catch (RecognitionException re) {…… } finally { } } public final void subExpr() throws RecognitionException { try { ……//经过词法分析程序对输入字符的判断,决定分支 case 1 : // ATOM '*' ATOM { match(input,ATOM,FOLLOW_ATOM_in_subExpr25); match(input,6,FOLLOW_6_in_subExpr27); //匹配‘*’ match(input,ATOM,FOLLOW_ATOM_in_subExpr29); } break; case 2 :// ATOM { match(input,ATOM,FOLLOW_ATOM_in_subExpr33); } break; } } catch (RecognitionException re) {…… } finally { } } public final void mATOM() throws RecognitionException { try { int _type = ATOM; { matchRange('0','9'); } this.type = _type; } finally { } } expr()函数和subExpr()函数存在于SimpleExprParser类中,mATOM()函数存在于SimpleExprLexer类中,词法规则生成的方法名前增加了一个“m”字符。 ANTLR生成代码时我们加入的Actions也就嵌入了生成的代码之中。前面的示例variable : type ID ';' {System.out.println("a action of variable");}生成的代码为: public final void variable() throws RecognitionException { try { …… match(input,ID,FOLLOW_ID_in_variable12); match(input,6,FOLLOW_6_in_variable14); System.out.println("a action of variable"); } } catch …… } Action中引用规则符号的示例中variable : type ID ';' {System.out.println ($type.text + " " + $ID.text);};生成的代码为: public final void variable() throws RecognitionException { Token ID2=null; type_return type1 = null; try { pushFollow(FOLLOW_type_in_variable10); type1=type(); _fsp--; ID2=(Token)input.LT(1); match(input,ID,FOLLOW_ID_in_variable12); match(input,6,FOLLOW_6_in_variable14); System.out.println(input.toString(type1.start,type1.stop) + " " + ID2.getText()); } catch (RecognitionException re) { reportError(re); recover(input,re); } finally { } return ; } 原action中的$type.text使生成的代码与第一个示例相比生成了变化,在上面的的代码中已用黑体字提示出来。type()函数返回了一 个type_return类型的对象,对象名为叫type1,而原来Action中的$type.text变成了 input.toString(type1.start,type1.stop)。关于$ID.text在生成的代码中首先用 (Token)input.LT(1)返回一个Token对象名为ID2,原来Action中的$ID.text变成了ID2.getText()。可以 看出语法规则type和词法规则ID生成的代码是不同的。
在C#中Token是一个接口。 public interface IToken { int Channel {get; set;} int CharPositionInLine {get; set;} int Line {get; set;} string Text {get; set;} int TokenIndex {get; set;} int Type {get; set;} } 有关ANTLR类的说明请参见http://www./api/Java官方网址。 要想弄清楚语法规则$type.text是对应的代码,我们还要看一下生成的type()函数代码。 public type_return type() { type_return retval = new type_return(); retval.start = input.LT(1); try { if ( (input.LA(1) >= 7 && input.LA(1) <= 8) ) { input.Consume(); errorRecovery = false; } else { MismatchedSetException mse = new MismatchedSetException(null,input); RecoverFromMismatchedSet(input,mse,FOLLOW_set_in_type0); throw mse; } retval.stop = input.LT(-1); } catch (RecognitionException re) { ReportError(re); Recover(input,re); } finally { } return retval; } public class type_return : ParserRuleReturnScope { }; type()函数中与$type.text有关的代码已经用黑体字标记出来。函数中先创建了type()函数的返回值实例type_return retval = new type_return(),retval对象作为返回值赋给了variable()函数中的type1对象。type_return类型也在生成的分析 程序代码中下面是type_return类与其基类的代码。type_return类继承了ParserRuleReturnScope类,而 ParserRuleReturnScope类又继承了RuleReturnScope类。其中ParserRuleReturnScope类与 RuleReturnScope 类是ANTLR中定义的类(下面看一下C#语言的定义)。 public class ParserRuleReturnScope : RuleReturnScope { public IToken start; //规则匹配的第一个词法符号 public IToken stop; //规则匹配的第一个词法符号 public ParserRuleReturnScope(); } public class RuleReturnScope { public RuleReturnScope(); public virtual object Start { get; } public virtual object Stop { get; } public virtual object Template { get; } public virtual object Tree { get; }//规则生成的语法树 } 在variable()函数中$type.text变成了input.toString(type1.start,type1.stop),toString(Token, Token)方法是将一个语法规则匹配的第一个词法符号和最后一个词法记号之间所有匹配的输入内容转换成一个字符串。语法分析程序利用这个方法可以获得type规则所匹配的类型信息。 5.4 使用变量 除了直接使用“$”符号加规则名的方法引用规则以外,ANTLR文法可以将规则符号赋值到一个变量中,然后引用变量就等于引用规则符号。修改SimpleAction文法: variable : t=type id=ID ';' {System.out.println("type: " + $t.text + " ID: " + $id.text);}; 对变量的引用是使用“$”符号再加上变量名的形式。下面看一下生成的代码: public void variable() // throws RecognitionException [1] { IToken id = null; type_return t = null; …… t = type(); id = (IToken)input.LT(1); System.out.println(input.ToString(t.start,t.stop) + " " + id.Text); …… 5.5 +=的用法 修改SimpleAction文法,使能够在类型标识符后可以定义多个变量。这文法中加入了“+=”操作符功能是将所有定义的变量收集到一个集合当中。 grammar SimpleAction; variable : type ids+=ID (',' ids+=ID)* ';' { System.out.println($type.text); for(Object t : $ids) System.out.print(" " + ((Token)t).getText()); } ; 运行此示例输入:int x, y, z; 输出:int x y z 我们来看一下生成的代码。 public final void variable() throws RecognitionException { Token ids=null; List list_ids=null; type_return type1 = null; try { pushFollow(FOLLOW_type_in_variable9); type1=type(); _fsp--; ids=(Token)input.LT(1); match(input,ID,FOLLOW_ID_in_variable13); if (list_ids==null) list_ids=new ArrayList(); list_ids.add(ids); loop1: do{ int alt1=2; int LA1_0 = input.LA(1); if ( (LA1_0==6) ) { alt1=1; } switch (alt1) { case 1 : { match(input,6,FOLLOW_6_in_variable16); ids=(Token)input.LT(1); match(input,ID,FOLLOW_ID_in_variable20); if (list_ids==null) list_ids=new ArrayList(); list_ids.add(ids); } break; default : break loop1; } } while (true); match(input,7,FOLLOW_7_in_variable24); System.out.println(input.toString(type1.start,type1.stop)); for(Object t : list_ids) System.out.print(" " + ((Token)t).getText()); } catch (RecognitionException re) …… } 代码中添加了一个List类型的list_ids对象,每匹配一个ID符号时就加入到list_ids中。List中存放的是Object类型所以我们输出时要加类型转换(ANTLR下个版本是否加入泛型?) 5.6规则的参数 规则被翻译成函数自然可以加参数。ANTLR中利用规则的参数可以实现上下文信息的传递来弥补上下文无关文法的缺点。下面用一个简单的示例来演示参数的用法。 grammar SimpleParam; variable : type idList[$type.text] ';'; idList[String typeName] : ID '=' (con=INT | con=FLOAT) { if(typeName.equals("int") && $con.text.indexOf(".") != -1) { System.out.println("error: value of float cannot assgin to var of int."); } }; type : 'int' | 'float'; INT : ('0'..'9')+; FLOAT : ('0'..'9')+ ('.' ('0'..'9')+)?; ID : ('a'..'z'|'A'..'Z'|'_') ('a'..'z'|'A'..'Z'|'0'..'9'|'_')* ; WS : ( ' ' | '\t' | '\r' | '\n' )+ { $channel = HIDDEN; } ; 分析器运行后输入:int x = 5.5; 输出:error: float value cannot assgin to int type var。variable规则中将type匹配的类型名传递给idList规则使在idList规则中可以判断是否将浮点型付给了整型,如果是则提示错误 信息。下面是生成的分析程序代码: public final void variable() throws RecognitionException { …… idList(input.toString(type1.start,type1.stop)); } public final void idList(String typeName) throws RecognitionException { …… if(typeName.equals("int") && con.getText().indexOf(".") != -1) { System.out.println("error: value of float cannot assgin to var of int."); } …… } 规则参数也可以写成“$”本规则名为前缀的写法。$idList.typeName与typeName是等价的。 5.7规则的返回值 规则也可以有返回值,规则只有单个返回值时规则函数会从void类型变成有返回值的函数。规则可以返回多个值,实际上返回多值的功能是通过返回一个 具有多个属性的对象来实现。不管返回值是单个值对象还是由对象携带多个返回值,在文法中的写法都是一样的,以“ruleRetObj.RetValue” 带有规则名前缀的形式来引用。返回对象就是我们前讲过的 ParserRuleReturnScope类的派生类对象。我们用一个示例来看一下返回值的用法。 grammar SimpleReturn; variable : type idList[$type.text] { System.out.println($idList.retList + "\r\n" + $idList.count); }';'; idList[String typeName] returns [List retList, int count] : ids+=ID (',' ids+=ID)* { $retList = $ids; $count = $ids.size(); }; type : 'int' | 'float'; INT : ('0'..'9')+; FLOAT : ('0'..'9')+ ('.' ('0'..'9')+)?; ID : ('a'..'z'|'A'..'Z'|'_') ('a'..'z'|'A'..'Z'|'0'..'9'|'_')* ; WS : ( ' ' | '\t' | '\r' | '\n' )+ { $channel = HIDDEN; } ; 运行后输入:int x, y, z 输出:[[@2,4:4='x',<4>,1:4], [@5,7:7='y',<4>,1:7], [@8,10:10='z',<4>,1:10]] 3 variable规则从idList规则返回定义的变量名集合和变量的个数,集合中保存的是Token对象。下面看一下生成的程序代码。 public static class idList_return extends ParserRuleReturnScope { public List retList; public int count; }; public final void variable() throws RecognitionException { type_return type1 = null; idList_return idList2 = null; …… type1=type(); …… idList2=idList(input.toString(type1.start,type1.stop)); …… System.out.println(idList2.retList + "\r\n" + idList2.count); …… } public final idList_return idList(String typeName) throws RecognitionException { idList_return retval = new idList_return(); …… list_ids.add(ids); …… if (list_ids==null) list_ids=new ArrayList(); list_ids.add(ids); …… retval.retList = list_ids; retval.count = list_ids.size(); return retval; } 规则idList的两个返值放到了idList_return的对象中返回,idList_return类加入了retList和count两个属性保存了返回值。 5.8 @header用法 ANTLR中每一个文法规则都生成对应的函数,这些函数是分析器类的方法。第一章已经介绍过语法分析器和词法分析器都分别生成XXXParser类 和XXXLexer类。当需要向类的顶端加入代码时可以用@header定义。一般情况下(如java)用@header来加入包名和导入imports 其它java类。 grammar SimpleMember; @options { language=Java; } @header { package Simple; } …… @header在默认的情况下会设置XXXParser类代码,也就是语法分析类。我们也可以显示的指明设置词法类还是设置语法类。 @parser::header { package Simple.Parser; } @lexer::header { package Simple.Lexer; } 在C#中命名空间由于有“{}”的存在所以无法用来@header定义,@header中不用输入不闭合的花括号。可以用如下方法来定义: @lexer::namespace { Simple.Lexer } @parser::namespace { Simple.Parser } ::namespace只能用于C#。 5.9 @members用法 在文法中可以用@members定义分析器类的成员,和@header、Actions一样并没有具体的限制,你可以在其中任何内容如属、方法、事件、内部类和注释等,还有一个重要的应用是可以用@members重写基类的方法实现一些高级功能。 下面请看示例: grammar SimpleMember; options { language=CSharp; } @header { using System.Collections.Generic; } @members { private List<IToken> RetList = new List<IToken>(); private int Count = 0; } variable : type idList { foreach(IToken t in RetList) System.Console.WriteLine(t.Text); System.Console.WriteLine(Count); }';'; idList : ids+=ID (',' ids+=ID)* { RetList = new List<IToken>(); foreach(object t in $ids) RetList.Add((IToken)t); Count = $ids.Count; }; type : 'int' | 'float'; INT : ('0'..'9')+; FLOAT : ('0'..'9')+ ('.' ('0'..'9')+)?; ID : ('a'..'z'|'A'..'Z'|'_') ('a'..'z'|'A'..'Z'|'0'..'9'|'_')* ; WS : ( ' ' | '\t' | '\r' | '\n' )+ { $channel = HIDDEN; } ; 这个示例实现了与之前的示例相同的功能,但没有使用返回值,idList()函数中利用分析器类的成员RetList和Count来保存变量的信 息,然后在variable()函数中输出。类成员是在不同的成员函数间传递信息的一种方法,但要注意对类成员赋值和取值的先后顺序,不然会在分析过程中 出现异常。该文法生成了如下的代码: using System.Collections.Generic; ...... public class SimpleMemberParser : Parser { private List<IToken> RetList = new List<IToken>(); private int Count = 0; public void variable() { ...... foreach(IToken t in RetList) System.Console.WriteLine(t.Text); System.Console.WriteLine(Count); ...... } public void idList() { IToken ids = null; IList list_ids = null; ...... if (list_ids == null) list_ids = new ArrayList(); list_ids.Add(ids); ...... RetList = new List<IToken>(); foreach(object t in list_ids) RetList.Add((IToken)t); Count = list_ids.Count; ...... } 5.10 scope属性 规则的参数和返回值可以实现在规则之间传递信息,但要跨越多个规则传递时,每一个规则都要定义同样的参数和返回值一级一级的传递,这样比较麻烦也不 太现实。@member定义的类成员也可以实现信息传递,但是类的成员在类的范围内是全局可见的,大量地使用类成员代替参数对程序结构带来的坏处是显然 的。 我们可以把规则看成是象类一样的程序单位,如果把variable、idList和type看成是三个类,我们可以定义这些类的属性在文法中使用scope{…}来定义。看下面的示例: grammar SimpleScope; options { language=CSharp; } @header { using System.Collections.Generic; } variable scope { List<IToken> RetList; int Count; } : type {$variable::RetList = new List<IToken>();} idList { foreach(IToken t in $variable::RetList) System.Console.WriteLine(t.Text); System.Console.WriteLine($variable::Count); }';'; idList : ids+=ID (',' ids+=ID)* { foreach(object t in $ids) $variable::RetList.Add((IToken)t); $variable::Count = $ids.Count; }; type : 'int' | 'float'; INT : ('0'..'9')+; FLOAT : ('0'..'9')+ ('.' ('0'..'9')+)?; ID : ('a'..'z'|'A'..'Z'|'_') ('a'..'z'|'A'..'Z'|'0'..'9'|'_')* ; WS : ( ' ' | '\t' | '\r' | '\n' )+ { $channel = HIDDEN; } ; 这个示例使用scope属性代替之前的类成员和返回值,实现了规则之间的信息传递。在使用scope属性时在属性名前要加“$”符号规则名和“::”,下面看一下生成的代码。 protected class variable_scope { protected internal List<IToken> RetList; protected internal int Count; } protected Stack variable_stack = new Stack(); public void variable() // throws RecognitionException [1] { variable_stack.Push(new variable_scope()); ...... ((variable_scope)variable_stack.Peek()).RetList = new List<IToken>(); idList(); ...... foreach(IToken t in ((variable_scope)variable_stack.Peek()).RetList) System.Console.WriteLine(t.Text); System.Console.WriteLine(((variable_scope)variable_stack.Peek()).Count); ...... finally { variable_stack.Pop(); } } public void idList() { ...... foreach(object t in list_ids) ((variable_scope)variable_stack.Peek()).RetList.Add((IToken)t); ((variable_scope)variable_stack.Peek()).Count = list_ids.Count; ..... } 从生成的代码中可以看出scope属性的实现有三部分,首先定义了一个新的内部类variable_scope,类中定义了RetList和 Count两个属性,然后定义了一个栈对象variable_stack,最在在variable()函数开始时创建一个variable_scope的 对象并压栈,在variable()结束时弹出variable_scope的对象。对scope属性的操作则是操作栈顶对象的属性。 @scope{}中定义的属性可能直接初始化对象,原因我想大家也可以明白。所以我们只能在idList子规则执行前创建RetList对象的实例。还要注意的是这个版本的ANTLR以C#为目标语言时@scope{}中不能加入注释。 5.10.1 scope属性的生命期和作用域 因为拥有scope属性的对象实例是在规则函数开始执行时创建,结束执行时删除。所以scope属性的生命期覆盖了其子规则函数的执行时间。本示例中variable规则的RetList和Count属性的生命期跨越了type()和idList()函数。 $variable::RetList $variable::Count的作用域 scope属性只能在语法规则中定义,所以它的作用域是整个语法分析类。 关于scope属性的功能还有重要的一点,就是当规则出现递归时scope属性可以很好处理嵌套结构中属性生命期和作用域。下面给出一个关于分析 SELECT语句的极度精简的示例。我们都很熟悉SQL SELECT语句,SELECT语句可以嵌套定义主查询可以有子查询,子查询还可以有子查询。当我们解析SELECT语句时我们要主查询和子查询分别都查 询了哪些表。无论是主查询还是子查询都是嵌套定义的一套规则,规则中的action代码要处理自己在不同嵌套层中的数据。在这种情况下可以用scope属 性所具有的特点来轻松处理作用域的问题。 grammar SimpleSelect; options { language=CSharp; } @header { using System.Collections.Generic; } selectStatement scope {Dictionary<string, string> tableSourceList;} : {$selectStatement::tableSourceList = new Dictionary<string, string>();} selectClause (fromClause)? { foreach(KeyValuePair<string, string> keyValue in $selectStatement::tableSourceList) System.Console.WriteLine($selectStatement.text + ":( " + keyValue.Key + " " + keyValue.Value + " )"); } ; selectClause : 'SELECT' ('ALL' | 'DISTINCT')? '*' ; fromClause : 'FROM' tableSource (',' tableSource)* ; tableSource : tn=TableName {$selectStatement::tableSourceList.Add($tn.text, $tn.text);} | '(' ss=selectStatement ')' 'AS' tn=TableName {$selectStatement::tableSourceList.Add($tn.text, $ss.text);} ; TableName : Identifier; Identifier : ('a'..'z' | 'A'..'Z' | '_') ('a'..'z' | 'A'..'Z' | '_' | '0'..'9')*; WS : ( ' ' | '\t' | '\r' | '\n' )+ {Skip(); } ; 示例中selectStatement规则定义了一个tableSourceList属性用来存放当前查询所查询的别名和表名,分析完当前查询后输 出所有查询表的信息。FROM子句的tableSource规则可以匹配表名和子查询,子查询又是selectStatement规则形成了查询的嵌套定 义。(.net中的Dictionary<T, T>相当于java中的Map<T,T>) 在子查询分析期间子查询创建了tableSourceList属性对象并入栈,这时主查询创建的tableSourceList属性对象已经不是栈顶的元素。所以在子查询分析期间主查询的属性被隐藏,当前所分析规则的信息被很好的保存。
ANTLR允许直接操作栈中的任何scope属性对象,在属性名后加方括号指定属性对象在栈中的位置。如果索引为负数,代表从栈顶向栈底方向的第N个元素。 如:$selectStatement[-2]::tableSourceList; 生成的代码为: ((selectStatement_scope)selectStatement_stack[selectStatement_stack.Count-2-1]).tableSourceList 如果索引为正数,代表从栈底向栈顶方向的第N个元素。 如:$selectStatement[1]::tableSourceList; 生成的代码为: ((selectStatement_scope)selectStatement_stack[1]).tableSourceList 其中如果索引为0,代表的是栈底的元素。生成的代码为: ((selectStatement_scope)selectStatement_stack[0]).tableSourceList 5.11 @init ANTLR规则中可以使用@init定义规则函数的初始化代码,@init定义的代码将出现在在其它actions的代码之前,我们可以将一些局部 变量定义、属性初始化等代码写在@init中。如我们在上一节scope属性代替返回值的示例SimpleScope中使用了action去创建对象,有 @init可以把文法改写为: variable scope { List<IToken> RetList; int Count; } @init { {$variable::RetList = new List<IToken>();} } : type idList { foreach(IToken t in $variable::RetList) System.Console.WriteLine(t.Text); System.Console.WriteLine($variable::Count); }';'; 在生成的代码中可以看到,创建对象的代码放到了合适的位置。 public void variable() { variable_stack.Push(new variable_scope()); ((variable_scope)variable_stack.Peek()).RetList = new List<IToken>(); …… } 5.12 @after 与@init相对ANTLR文法中可以用@after定义规则函数最后执行的代码。可以在@after{}中做一些删除对象输出结果等收尾工作。我们再修改SimpleScope示例使用了@after{}输出结果,文法如下: variable scope { List<IToken> RetList; int Count; } @init { $variable::RetList = new List<IToken>(); } @after{ foreach(IToken t in $variable::RetList) System.Console.WriteLine(t.Text); System.Console.WriteLine($variable::Count); } : type idList ';'; @after和@init的位置谁先谁后没有关系都可以正确生成代码,@after中的代码被放到了try{}的最后,在异常处理范围之内。下面看一下生成后的代码: public void variable() { …… try { …… foreach(IToken t in ((variable_scope)variable_stack.Peek()).RetList) System.Console.WriteLine(t.Text); System.Console.WriteLine(((variable_scope)variable_stack.Peek()).Count); } catch (RecognitionException re) {……} finally {……} return ; } 5.13全局scope属性 scope属性受规则的生命期的限制,规则开始时创建规则结束时删除。规则可以引用本规则的scope属性,在规则生命期内只有其子规则可以引用父 规则的scope属性。上一节的嵌套示例中子查询统计自己查询表tableSourceList属性时,父查询的tableSourceList被屏蔽, 虽然可以用tableSourceList[-1]访问,但是是分开的列表。 但是有时我们需要用一个属性来统计某个规则下的所有规则(包括子规则)的信息。ANTLR中可以定义一种全局scope属性,能够在多个规则中共享 中使用。全局scope属性是使用scope关键字加上一个全局scope名称,其后与scope属性一样在{}中可以定义一到多个属性。请看下面的文 法: grammar SimpleGlobalScopes; scope CScope { String name; List<String> symbols; } prog scope CScope; @init { $CScope::symbols = new ArrayList<String>(); $CScope::name = "global"; } @after { System.out.println("global symbols = "+$CScope::symbols); } : variable* func*; func : 'void' ID '(' ')' '{' variable* stat+ '}'; block : '{' variable* {$CScope::symbols.add($variable.text);} stat+ '}'; stat: ID '=' INT ';' | block; variable : type ID (ID)* ';'; type : 'int' | 'float'; INT : '0'..'9' + ; ID : ('a'..'z'|'A'..'Z'|'_') ('a'..'z'|'A'..'Z'|'0'..'9'|'_')* ; WS : ( ' ' | '\t' | '\r' | '\n' )+ { $channel = HIDDEN; } ; 本文法定义了简单的编程语言的结构,启始规则prog代表程序,程序下有变量和函数的定义,函数中可以有变量定义和语句,而语句中有语句块和赋值语句。语句块是包括在花括号“{}”内的一组语句,语句块又可以包含语句块它们是递归的关系。 文法中定义了两个全局scope属性name和symbols,全局scope属性名为CScope。Name用来保存当前域的名称,symbols用来保存当前域的所有变量的类型和名称,全局scope属性要写在所有规则之前。 在prog规则名后面加入了 scope CScope定义;,scope CScope;代表prog规则拥有一个CScop全局scope属性的对象。分析程序会在规则开始时创建一个CScope属性对象,规则结束时删除 CScope属性对象。我们看一下scope CScope;对应生成的代码: public final void prog() throws RecognitionException { CScope_stack.push(new CScope_scope()); ...... finally { CScope_stack.pop(); } } 拥有全局scope属性对象的规则可以在自己的@init、@after中对全局scope属性进行初始化和收尾工作。本例中prog规则在 @init中创建了symbols集合的对象,并将name设置为”global”说明这是整个程序的全局变量集合。与scope属性一样对全局 scope属性的引用也是使用“$”加全局scope名加“::”符号和属性名的形式,本例 中$CScope::symbols.add($variable.text);语句将变量类型与标识符加到symbols列表中。编译运行后输 入:“int x, y,z;”输出:“global symbols = [int x, int y, int z]”。下面有一个应用全局scope属性的实例,来说明何时使用全局scope属性。 许多编程语言的语句块中可以定义变量,语句块之间可以是嵌套关系。如果外层语句块定义了变量x,这时如果内层语句块也定义变量x分析器应该提示变量 名重复的错误信息。这就要求我们在分析内层语句块时在列表中也要有上屋语句块的变量信息,这样才能知道是否与上层变量重句,这时可以使用全局scope属 性来实现这个功能。下面我们修改文法使分析器可以统计出二类变量,第一类是函数外的全局变量,第二类是函数中最前面定义的变量我们管这样的变量叫函数变 量,作用域在函数之内。函数内变量还可以在函数内的语句块中定义其作用域在当前的语句块之内。对这两类变量的统计我们使用了全局scope属性来实现。请 看下面文法: grammar SimpleGlobalScopes; scope CScope { String name; List<String> symbols; } prog scope CScope; @init { $CScope::symbols = new ArrayList<String>(); $CScope::name = "global"; } @after { System.out.println("global var = "+$CScope::symbols); } : variable* func* ; func scope CScope; @init { $CScope::symbols = new ArrayList<String>(); $CScope::name = "func"; } @after { System.out.println("func var = "+$CScope::symbols); } : 'void' ID '(' ')' '{' variable* stat+ '}' ; block scope CScope; @init { $CScope::symbols = new ArrayList<String>(); $CScope::name = "block"; } @after { System.out.println("block var = "+$CScope::symbols); } : '{' variable* stat+ '}' ; stat: ID '=' INT ';' | block; variable : type a=ID {$CScope::symbols.add($type.text + " " + $a.text);} (',' b=ID {$CScope::symbols.add($type.text + " " + $b.text);} )* ';' ; type : 'int' | 'float'; INT : '0'..'9' + ; ID : ('a'..'z'|'A'..'Z'|'_') ('a'..'z'|'A'..'Z'|'0'..'9'|'_')* ; WS : ( ' ' | '\t' | '\r' | '\n' )+ { $channel = HIDDEN; } ; 分析下面内容: int a,b; void f() { int x; x = 1; { int y; y = 2; { int z; z = 3; } } } 分析器输入输出: func var = [int x, int y, int z] global var = [int a, int b] 5.14 catch[]与finally 从前面的例中已经看到规则函数中使用try..catch()..finally将代码包括到异常处理之中。ANTLR允许我们修改默认的异常处理 代码,可以在规则定义的后面使用catch[]和finally定义自己的异常处理程序。下面我们还是修改SimpleScope示例请看下面的文法: variable scope { List<IToken> RetList; int Count; } @after{ foreach(IToken t in $variable::RetList) System.Console.WriteLine(t.Text); System.Console.WriteLine($variable::Count); } @init { $variable::RetList = new List<IToken>(); } : type idList ';'; catch[RecognitionException re] { System.Console.WriteLine("variable rule error: " + re.Message); } finally { System.Console.WriteLine("parsing variable rule finished."); }
异常处理的写法与java,C#语言很类似只是catch后面使用的是方括号。但有两点需要注意,一是catch和finally的位置是在规则结 束符号“;”的后面。二是finally中无需写出scope属性的删除代码,因为ANTLR已经自动生成了删除scope属性对象的代码。 到此我们学到了ANTLR文法中的各种嵌入代码的方式,下面我们总结一下: parser grammar T; @header {……} @members {……} scope scopeName {……} rule1[int x] returns [int y] scope{string Y;} @init {……} @after {……} : {……} a=Rule2 {……}; catch[……] { …… } finally { …… } 其中要注意的是如果我们要在形如classdef : method*这样的规则中method后加入Actions时不能写成method{…}*,这时要写成(method{…})*的形式让method和Actions在子规则中。 5.15 嵌入规则的Actions 规则中的Actions也可以看成是文法规则中的一项内容。它在规则中的位置与生成的代码执行的顺序是一致的。a : b Acion1 c规则中Action1会在a之后c之前执行。下面我们研究一下在选择结构、重复和嵌套的规则定义中Action出现的位置对代码的影响。 grammar ActionInRule1; a : A {System.out.println($A.text);} B {System.out.println($B.text);}; A : 'A'; B : 'B'; 运行后输入: AB 输出:A B 生成代码为: Token A1=null; Token B2=null; try { A1=(Token)input.LT(1); match(input,A,FOLLOW_A_in_a10); System.out.println(A1.getText()); B2=(Token)input.LT(1); match(input,B,FOLLOW_B_in_a14); System.out.println(B2.getText()); } 从代码中看到Action与规则是顺序的,所以如果将 a 规则修改成: a : A {System.out.println($A.text); System.out.println($B.text);} B ; 对$B的引用是没有意义的,所以ANTLR给出错误提示“illegal forward reference: $B.text”。 继续修改文法使A和B成选择关系。 grammar ActionInRule2; a : A {System.out.println($A.text);} | A {System.out.println($A.text);}; 生成的代码为: a : A {System.out.println($A.text);} public final void a() throws RecognitionException { Token A1=null; Token A2=null; try { …… switch (alt1) { case 1 : { A1=(Token)input.LT(1); match(input,A,FOLLOW_A_in_a9); System.out.println(A1.getText()); } break; case 2 : { A2=(Token)input.LT(1); match(input,A,FOLLOW_A_in_a16); System.out.println(A2.getText()); } break; }…… } 选择关系的规则中生成的代码大体是一个分支结构。在这个示例中我们会在生成的代码中兴奋地发现ANTLR智能的区别了两个分支中的$A引用,分别用 A1和A2来代替。A1和A2是在函数一开始定义的,所以它们的作用域还是整个函数。这个示例说明在并列的选择结构中同样的$A引用,是分别引用了不同的 变量。 grammar ActionInRule2; a : v=A {System.out.println($v.text);} | v=A {System.out.println($v.text);}; 如果将两个子规则A赋给同一个变量,这时的v则是同一个变量。这里我们不列出生成代码。根据之前的讲述读者应该可以理解。 grammar ActionInRule2; a : A {System.out.println($A.text);} | B {System.out.println($A.text);}; 如果选择的两个并列项是A和B,而B的一端要引用$A。这时B分支生成的代码中$A.text没能被ANTLR处理,生成的代码还是 System.out.println($A.text);原样,这当然是无法编译的。这说明一个选择项中无法用规则名直接引用别一个选择项的规则符号 (这种情况只能使用变量)。 下面看一下规则中重复的文法: grammar ActionInRule3; variable : type ID {System.out.println($ID.text);} (',' ID {System.out.println($ID.text);} )* ';'; type : 'int' | 'float'; ID : ('a'..'z'|'A'..'Z'|'_') ('a'..'z'|'A'..'Z'|'0'..'9'|'_')* ; WS : ( ' ' | '\t' | '\r' | '\n' )+ { $channel = HIDDEN; } ; 此文件生成代码时ANTLR提示错误信息“ID is a non-unique reference”,说明ANTLR不能区分两个$ID的引用。这时我们只能把两个$ID赋给两个变量然后再引用,请看下面对variable规则的修改: variable : type a=ID {System.out.println($a.text);} (',' b=ID {System.out.println($b.text);} )* ';'; 修改后的文法解决了这个问题,下面看一下生成的代码: public final void variable() throws RecognitionException { Token a=null; Token b=null; try { …… a=(Token)input.LT(1); match(input,ID,FOLLOW_ID_in_variable14); System.out.println(a.getText()); do { …… b=(Token)input.LT(1); match(input,ID,FOLLOW_ID_in_variable23); System.out.println(b.getText()); } while (true); …… }…… } 生成代码中对应重复的是循环语句,“*”的作用是使用do..while语句实现的。那么为什么ANTLR对于此文法不能智能的区分两个$ID引用 呢?原因是ID(',' ID)* 规则与之前的选择结构不同,第二个到第N个ID也就是子规则(',' ID)位置在第一个ID之后,所以在此子规则中引用第一个ID的需求是可能的,因此无法区分是要引用哪一个ID,只能将其赋给两不变量来实现。 了解了规则中的Actions在生成代码中的位置后,我们可以更好的使用Actions。因为java和C#语言允许在任何语句块中定义新的对象, 所以在Actions中我们也可以定义对象(当目标语言为C时会有限制)。根据Actions在生成代码中的位置我们就可以判断出定义的对象的作用域和生 命期,这对正确做Actions有很大帮助。 variable : type a=ID {String theFirstID = $a.text;} (',' {List<String> moreIDs = new ArrayList<String>();} b=ID { moreIDs.add($b.text);} )* ';'; 5.16 词法规则中的Actions 词法规则中使用Actions和语法规则中不完全相同,前面我们讲解的都是语法规则中的Actions。下面我们学习一下词法规则中如何使用 Actions。词法规则中的Actions用法和语法规中的用法大致相似,如语法规则相同词法规则也可以用规则符号名直接引用规则符号信息。 grammar ActionInTokenRule1; variable : QID; QID : ID {System.out.println($ID.text);} ; ID : ('a'..'z'|'A'..'Z'|'_') ('a'..'z'|'A'..'Z'|'0'..'9'|'_')*; WS : ( ' ' | '\t' | '\r' | '\n' )+ { $channel = HIDDEN; } ; 词法规则中也可以使用变量: QID : id=ID {System.out.println($id.text);} ; 下面看一下生成的代码: public final void mQID() throws RecognitionException { try { int _type = QID; Token id=null; int idStart15 = getCharIndex(); mID(); id = new CommonToken(input, Token.INVALID_TOKEN_TYPE, Token.DEFAULT_CHANNEL, idStart15, getCharIndex()-1); System.out.println(id.getText()); this.type = _type; } finally { } } 词法分析生成的规则函数中定义了一个Token类型的id对象,本章前面已经讲过词法规则返回的是Token类型,词法规则的信息是使用Token 的对象来获得的。id = new CommonToken(input, Token.INVALID_TOKEN_TYPE, Token.DEFAULT_CHANNEL, idStart15, getCharIndex()-1);这条语句用来获得输入中与ID规则匹配的信息。这个处在词法分析器代码中的input对象是ICharStream 对象的实例,是main函数中的第一条语句ANTLRInputStream input = new ANTLRInputStream(System.in);的input。(语法分析中的input是main函数中的第三条语句是 CommonTokenStream的对象。)通过调用CommonToken的构造函数将输入流input中的DEFAULT_CHANNEL频道的 idStart15开始到getCharIndex()-1位置的字符生成CommonToken对象。CommonToken对象是Token的派生 类,这样就可以使用Token的属性text来获得词法符号的内容。下面是main函数: public static void main(String[] args) throws Exception { ANTLRInputStream input = new ANTLRInputStream(System.in); ActionInTokenRule2Lexer lexer = new ActionInTokenRule2Lexer(input); CommonTokenStream tokens = new CommonTokenStream(lexer); ActionInTokenRule2Parser parser = new ActionInTokenRule2Parser(tokens); parser.variable(); } 分析了词法分析的代码之后,我们来学习一下Action在词法规则中与语法规则的不同。下面我们象语法规则中那样直接引用本规则符号来输出本规则的匹配内容。 QID : ID {System.out.println($QID.text);} ; 但是ANTLR提示:“rule QID has no defined paramters.”错误无法生成代码。为什么ANTLR会提示规则QID没有定义参数呢?在词法规则中$QID.text代表QID规则的参数 text。语法规则中的Actions中不能直接引用本规则符号。 那么词法规则的参数据如何定义呢?在第三章词法分析中的fragment用法中曾经讲到过只有用fragment定义的词法规则才可以加入参数,但 fragment词法规则不能被语法规则直接引用也不会出现在语法树中。为了能加入词法规则参数我们将ID词法规则加上fragment关键字并添加两个 参数。 grammar ActionInTokenRule3; variable : QID; QID : ID["x", "y"] {System.out.println($ID.text);} ; fragment ID[String X, String Y] : ('a'..'z'|'A'..'Z'|'_') ('a'..'z'|'A'..'Z'|'0'..'9'|'_')* {System.out.println("X:" + $ID.X + " Y:" + $ID.Y);}; WS : ( ' ' | '\t' | '\r' | '\n' )+ { $channel = HIDDEN; } ; $ID.X用于引用参数X,也可以直接使用X。下面是生成的代码: public final void mQID() throws RecognitionException { try { …… mID("x", "y"); …… } finally { } } public final void mID(String X, String Y) throws RecognitionException { …… System.out.println("X:" + X + " Y:" + Y); } 词法规则不能定义返回值,因为语法分析程序是通过类似(IToken)input.LT(1)的语句获得的,所以对于语法规则直接引用的语法规则程 序没有对办法传递自定义参数。而fragment语法规则不能让语法规则直接引用只能在词法规则之间引用,所以可以使用参数。每一个词法规则的信息都是用 一个Token类来表示。 编译器在提示错误信息时都会提示错误的行号和列号,我们可以利用Token类的Line和CharPositionInLine属性输出字符在输入中的位置的。我们修改5.13全局scope属性的SimpleGlobalScopes示例,使能够输入变量的位置。 grammar SimpleGlobalScopes2; …… variable : type a=ID {$CScope::symbols.add($type.text + " " + $a.text + " " + $a.line + ":" + $a.pos);} (',' b=ID {$CScope::symbols.add($type.text + " " + $b.text + " " + $b.line + ":" + $b.pos);} )* ';' ; 与SimpleGlobalScopes使用相同的输入,输出为: func var = [int x 3:8, int y 6:12, int z 10:16] global var = [int a 1:4, int b 1:6] 在语法规则和词法规则中出现的字符串常量定义,与普通的词法规则是一样的,只需定义变量,赋值后即可获得相关信息。 type : 'int' | 'float' ; block : begin='{' variable* stat+ '}' { System.out.println($begin.line);}; …… WS @init{ a=0; } : ( ' ' | '\t' | a='\r' | '\n' )+ { System.out.println(a); $channel = HIDDEN; } ; 词法规则中也可以使用变量注意有些变量要初始化: type : 'int' | 'float' ; 5.17 Actions中变量引用总结 下面总结一下各种Actions中引用变量的写法: parser grammar T; @header {……} @members {……} scope scopeName {string X;} rule1[int x] returns [int y] scope{string Y;} @init { } @after {……} : a=Rule2 { scopeName::X; rule1::Y; $rule1.text; $Rule2.text; $a.text; scopeName[-i]::X; scopeName[i]::X;rule1::Y[-i]; rule1::Y[i]; }; catch[……] { …… } finally { …… } Rule2 : Rule3 {$Rule3.text;}; fragment Rule3[string P] : b='Rule2' {$b.text; $Rule3.P;} 5.18 表达式求值示例 下面是一个有加减乘除四种运算的表达式文法,我们使用Actions让这个文法具有表示式求值的能力: grammar E; options { output=AST; } expression : multExpr (('+' |'-' ) multExpr)*; multExpr : atom (('*' | '/') atom)*; atom : INT | '(' expression ')'; INT : '0'..'9' + ; WS : (' ' |'\t' |'\n' |'\r' )+ {skip();}; 下面是对表达式文法使用Actions加入求值功能后的文法: grammar EEvalue; options{language=Java;} expression returns[int v] : val1=multExpr {$v=$val1.v;} ((op='+' |op='-' ) val2=multExpr { if($op.text.equals("+")) { $v = $val1.v + $val2.v; } else if($op.text.equals("-")) { $v = $val1.v - $val2.v; } } )* ; multExpr returns[int v] : val1=atom {$v=$val1.v;} ((op='*' | op='/') val2=atom { if($op.text.equals("*")) { $v = $val1.v * $val2.v; } else if($op.text.equals("/")) { $v = $val1.v / $val2.v; } } )* ; atom returns[int v] : INT {$v=Integer.parseInt($INT.text); System.out.println("v:"+$v);} | '(' expression {$v=$expression.v;} ')'; INT : '0'..'9' + ; WS : (' ' |'\t' |'\n' |'\r' )+ {skip();}; 修改后的文法中expression、multExpr、atom规则都具有返回值,规则中的Actions计算并返回本规则所表示的运算的结果值,下面的运行代码中最后输出启始expression规则的返回值(因为是单个返回值,所以规则函数直接返回整型值。 EEvalueLexer lexer = new EEvalueLexer(input); CommonTokenStream tokens = new CommonTokenStream(lexer); EEvalueParser parser = new EEvalueParser(tokens); System.out.println(parser.expression()); 5.19 本章小结 本章讲述了嵌入到规则中的Actions,分析器如何相对规则生成代码。全面地介绍了有关语法规则中Actions的用法。相关代码在生成代码后的 位置,读都学习本章后也应该对ANTLR生成的代码结构有所了解。有了嵌入代码的辅助,大大增强了语法分析器的能力,分析器也变得灵活可定义。由于 ANTLR还没有达到世界一流开发工具的严谨程度,所以有些时候查看AN |
|