Що означає фрагмент у ANTLR?
Я бачив обидва правила:
fragment DIGIT : '0'..'9';
і
DIGIT : '0'..'9';
Яка різниця?
Що означає фрагмент у ANTLR?
Я бачив обидва правила:
fragment DIGIT : '0'..'9';
і
DIGIT : '0'..'9';
Яка різниця?
Відповіді:
Фрагмент дещо схожий на вбудовану функцію: це робить граматику більш зрозумілою та легшою у обслуговуванні.
Фрагмент ніколи не вважатиметься лексемою, він служить лише для спрощення граматики.
Поміркуйте:
NUMBER: DIGITS | OCTAL_DIGITS | HEX_DIGITS;
fragment DIGITS: '1'..'9' '0'..'9'*;
fragment OCTAL_DIGITS: '0' '0'..'7'+;
fragment HEX_DIGITS: '0x' ('0'..'9' | 'a'..'f' | 'A'..'F')+;
У цьому прикладі відповідність NUMBER завжди поверне НОМЕР до лексеру, незалежно від того, чи відповідає воно "1234", "0xab12" або "0777".
Згідно з категорією довідників Antlr4:
Правила з префіксом з фрагментом можна викликати лише з інших правил лексеру; вони самі по собі не лексеми.
насправді вони покращать читабельність ваших граматик.
подивіться на цей приклад:
STRING : '"' (ESC | ~["\\])* '"' ;
fragment ESC : '\\' (["\\/bfnrt] | UNICODE) ;
fragment UNICODE : 'u' HEX HEX HEX HEX ;
fragment HEX : [0-9a-fA-F] ;
STRING - це лексема, що використовує правило фрагмента, як ESC .Unicode використовується в правилі Esc, а Hex використовується в правилі фрагмента Unicode. Правила ESC та UNICODE та HEX не можна використовувати прямо.
Остаточний довідник ANTLR 4 (стор. 106):
Правила з префіксом з фрагментом можна викликати лише з інших правил лексеру; вони самі по собі не лексеми.
Варіант 1: (якщо мені потрібна rule1 Правілу2, Правілу3 особи або про групі)
rule0 : RULE1 | RULE2 | RULE3 ;
RULE1 : [A-C]+ ;
RULE2 : [DEF]+ ;
RULE3 : ('G'|'H'|'I')+ ;
Case2: (якщо мені не байдуже RULE1, RULE2, RULE3, я просто зосереджуюся на RULE0)
RULE0 : [A-C]+ | [DEF]+ | ('G'|'H'|'I')+ ;
// RULE0 is a terminal node.
// You can't name it 'rule0', or you will get syntax errors:
// 'A-C' came as a complete surprise to me while matching alternative
// 'DEF' came as a complete surprise to me while matching alternative
Case3: (еквівалент Case2, що робить його легше для читання, ніж Case2)
RULE0 : RULE1 | RULE2 | RULE3 ;
fragment RULE1 : [A-C]+ ;
fragment RULE2 : [DEF]+ ;
fragment RULE3 : ('G'|'H'|'I')+ ;
// You can't name it 'rule0', or you will get warnings:
// warning(125): implicit definition of token RULE1 in parser
// warning(125): implicit definition of token RULE2 in parser
// warning(125): implicit definition of token RULE3 in parser
// and failed to capture rule0 content (?)
Мета: визначити [ABC]+
, [DEF]+
, [GHI]+
жетони
input.txt
ABBCCCDDDDEEEEE ABCDE
FFGGHHIIJJKK FGHIJK
ABCDEFGHIJKL
Main.py
import sys
from antlr4 import *
from AlphabetLexer import AlphabetLexer
from AlphabetParser import AlphabetParser
from AlphabetListener import AlphabetListener
class MyListener(AlphabetListener):
# Exit a parse tree produced by AlphabetParser#content.
def exitContent(self, ctx:AlphabetParser.ContentContext):
pass
# (For Case1 Only) enable it when testing Case1
# Exit a parse tree produced by AlphabetParser#rule0.
def exitRule0(self, ctx:AlphabetParser.Rule0Context):
print(ctx.getText())
# end-of-class
def main():
file_name = sys.argv[1]
input = FileStream(file_name)
lexer = AlphabetLexer(input)
stream = CommonTokenStream(lexer)
parser = AlphabetParser(stream)
tree = parser.content()
print(tree.toStringTree(recog=parser))
listener = MyListener()
walker = ParseTreeWalker()
walker.walk(listener, tree)
# end-of-def
main()
Alphabet.g4 (Case1)
grammar Alphabet;
content : (rule0|ANYCHAR)* EOF;
rule0 : RULE1 | RULE2 | RULE3 ;
RULE1 : [A-C]+ ;
RULE2 : [DEF]+ ;
RULE3 : ('G'|'H'|'I')+ ;
ANYCHAR : . -> skip;
Результат:
# Input data (for reference)
# ABBCCCDDDDEEEEE ABCDE
# FFGGHHIIJJKK FGHIJK
# ABCDEFGHIJKL
$ python3 Main.py input.txt
(content (rule0 ABBCCC) (rule0 DDDDEEEEE) (rule0 ABC) (rule0 DE) (rule0 FF) (rule0 GGHHII) (rule0 F) (rule0 GHI) (rule0 ABC) (rule0 DEF) (rule0 GHI) <EOF>)
ABBCCC
DDDDEEEEE
ABC
DE
FF
GGHHII
F
GHI
ABC
DEF
GHI
Alphabet.g4 (Case2)
grammar Alphabet;
content : (RULE0|ANYCHAR)* EOF;
RULE0 : [A-C]+ | [DEF]+ | ('G'|'H'|'I')+ ;
ANYCHAR : . -> skip;
Alphabet.g4 (Case3)
grammar Alphabet;
content : (RULE0|ANYCHAR)* EOF;
RULE0 : RULE1 | RULE2 | RULE3 ;
fragment RULE1 : [A-C]+ ;
fragment RULE2 : [DEF]+ ;
fragment RULE3 : ('G'|'H'|'I')+ ;
ANYCHAR : . -> skip;
Результат:
# Input data (for reference)
# ABBCCCDDDDEEEEE ABCDE
# FFGGHHIIJJKK FGHIJK
# ABCDEFGHIJKL
$ python3 Main.py input.txt
(content ABBCCC DDDDEEEEE ABC DE FF GGHHII F GHI ABC DEF GHI <EOF>)
Ви бачили частини "групи захоплення" та "групи, які не захоплювали" ?
Мета: визначити восьмеричні / десяткові / шістнадцяткові числа
input.txt
0
123
1~9999
001~077
0xFF, 0x01, 0xabc123
Кількість.g4
grammar Number;
content
: (number|ANY_CHAR)* EOF
;
number
: DECIMAL_NUMBER
| OCTAL_NUMBER
| HEXADECIMAL_NUMBER
;
DECIMAL_NUMBER
: [1-9][0-9]*
| '0'
;
OCTAL_NUMBER
: '0' '0'..'9'+
;
HEXADECIMAL_NUMBER
: '0x'[0-9A-Fa-f]+
;
ANY_CHAR
: .
;
Main.py
import sys
from antlr4 import *
from NumberLexer import NumberLexer
from NumberParser import NumberParser
from NumberListener import NumberListener
class Listener(NumberListener):
# Exit a parse tree produced by NumberParser#Number.
def exitNumber(self, ctx:NumberParser.NumberContext):
print('%8s, dec: %-8s, oct: %-8s, hex: %-8s' % (ctx.getText(),
ctx.DECIMAL_NUMBER(), ctx.OCTAL_NUMBER(), ctx.HEXADECIMAL_NUMBER()))
# end-of-def
# end-of-class
def main():
input = FileStream(sys.argv[1])
lexer = NumberLexer(input)
stream = CommonTokenStream(lexer)
parser = NumberParser(stream)
tree = parser.content()
print(tree.toStringTree(recog=parser))
listener = Listener()
walker = ParseTreeWalker()
walker.walk(listener, tree)
# end-of-def
main()
Результат:
# Input data (for reference)
# 0
# 123
# 1~9999
# 001~077
# 0xFF, 0x01, 0xabc123
$ python3 Main.py input.txt
(content (number 0) \n (number 123) \n (number 1) ~ (number 9999) \n (number 001) ~ (number 077) \n (number 0xFF) , (number 0x01) , (number 0xabc123) \n <EOF>)
0, dec: 0 , oct: None , hex: None
123, dec: 123 , oct: None , hex: None
1, dec: 1 , oct: None , hex: None
9999, dec: 9999 , oct: None , hex: None
001, dec: None , oct: 001 , hex: None
077, dec: None , oct: 077 , hex: None
0xFF, dec: None , oct: None , hex: 0xFF
0x01, dec: None , oct: None , hex: 0x01
0xabc123, dec: None , oct: None , hex: 0xabc123
Якщо додати модифікатор «фрагмент» до DECIMAL_NUMBER
, OCTAL_NUMBER
, HEXADECIMAL_NUMBER
ви не зможете захопити число об'єктів (оскільки вони не є лексеми більше). І результат буде:
$ python3 Main.py input.txt
(content 0 \n 1 2 3 \n 1 ~ 9 9 9 9 \n 0 0 1 ~ 0 7 7 \n 0 x F F , 0 x 0 1 , 0 x a b c 1 2 3 \n <EOF>)
У цій публікації в блозі є дуже чіткий приклад, коли fragment
суттєво змінюється:
grammar number;
number: INT;
DIGIT : '0'..'9';
INT : DIGIT+;
Граматика розпізнає "42", але не "7". Ви можете виправити це, зробивши фрагмент цифри (або перемістивши DIGIT після INT).
fragment
, а порядок лексерових правил.
DIGIT
як фрагмент, INT
вирішує проблему лише тому, що фрагменти не визначають лексеми, таким чином, роблячи INT
перше лексичне правило. Я згоден з вами, що це важливий приклад, але (imo) лише для тих, хто вже знає, що fragment
означає ключове слово. Я вважаю це дещо оманливим для того, хто намагається вперше зрозуміти правильне використання фрагментів.
fragment
означає ANTLR. Але приклад, який ви наводите, поганий: ви не хочете, щобNUMBER
лексема створювала маркер, який може бути шістнадцятковим, десятковим або восьмим числом. Це означає, що вам потрібно перевіритиNUMBER
маркер у виробництві (правило парсера). Ви могли б краще нехай Лексер виробляєINT
,OCT
іHEX
маркер і створити правило виробництва:number : INT | OCT | HEX;
. У такому прикладі, aDIGIT
може бути фрагментом, який би використовувався лексемамиINT
таHEX
.