我有以下代币规则:
IF: 'IF' | 'if';
THEN: 'THEN' | 'then';
ELSE: 'ELSE' | 'else';
BINARYOPERATOR: 'AND' | 'and' | 'OR' | 'or';
NOT: 'NOT' | 'not';
WORD: (DIGIT* (LOWERCASE | UPPERCASE | WORDSYMBOL)) (LOWERCASE | UPPERCASE | DIGIT | WORDSYMBOL)*;
这行得通,像
my variable
这样的东西以WORD WORD
的形式出现。我希望能够只有一个令牌,它代表了整个事情。
我把它挂到:
IF: 'IF' | 'if';
THEN: 'THEN' | 'then';
ELSE: 'ELSE' | 'else';
BINARYOPERATOR: 'AND' | 'and' | 'OR' | 'or';
NOT: 'NOT' | 'not';
WORD: (LOWERCASE | UPPERCASE | WORDSYMBOL)+ (' '* (LOWERCASE | UPPERCASE | WORDSYMBOL))*;
这解决了这个问题,但是它也捕获了我想如上所述归类为关键字标记的字符串。
例如
if my variable then something
不应该只是一个单一的WORD
标记,它应该是IF WORD THEN WORD
.
我理解为什么它被原样标记化(首选消耗更多输入的标记),但我不确定如何改变行为。
不幸的是(对于你想做的事情),这不是 ANTLR 的标记化工作的方式。
(这更像是一个“合乎逻辑”的解释,而不是实际的执行)
当 ANTLR 正在评估 Lexer 规则时,它会尝试将每个规则与输入流中的字符进行匹配,从您在该输入流中的当前位置开始。
一旦它拥有所有匹配的输入序列,如果有一个序列比其余序列长,它将选择产生最长令牌的令牌类型。这是您的
WORD
规则将消耗输入的地方,直到找到与 WORD
中的字符不匹配的内容(如果它们与 WORD
模式匹配,这将包括“吸食”关键字)。
(为了完整性)如果 Tokenizer 找到多个等长匹配项,则语法中匹配的第一个规则将是分配的 Token 类型。
您可能会通过以下方法获得成功:
假设:
WORD
不能是您的语言关键字之一
WORD
规则在所有关键字规则之后,以便它们优先。word: WORD+;
word
标记的地方使用RULE
解析器规则。enterWord()
的监听器并将所有WORD
合并为一个“单词”。 (您可以通过多种方式处理此步骤,但这是一种相当简单的方法)注意事项: