本文介绍了如何使用Antlr处理包含XML孤岛的文件，即在非结构化文本中识别和解析XML结构。通过创建词法模式（lexical modes），词法分析器可以在不同的上下文之间切换，有效地识别和提取XML标签及其内容。文章讨论了词法规则、非贪婪匹配以及如何处理XML标签内外的不同语言，并提供了一个简化版的XML子集语法作为示例。
1.概述
上一篇文章：【Antlr】上下文相关的词法问题
出自：antlr 权威指南 并且补充
迄今为止，我们讨论的所有输入文件都只包含一种语言。例如，DOT、CSV、Python 和Java的文件都只包含这些语言的文本。不过，还存在另外一些格式的文件，其中的结构化区域一或者称为孤岛----被随机的文本所包围。我们称这样的格式为孤岛语言 (island language)，并且使用孤岛语法 (island grarnmar） 来描述它们。孤岛语言的例子包括 String Template 和LaTex这样的模板引擎语言，不过以XML最为突出。在XML文件中，结构化的标签和&实体被大片我们不关心的文本所包围（由于各XML标签内部是结构化的，我们也可以称XML为群岛语言(archipelago language]) 。
一些文本是否是孤岛语言通常取决于我们的观点。如果我们编写一 个C预处理器，那么预处理命令就构成了孤岛语言，而C代码就是周国的“海洋”。而如果我们在为IDE编写C语
订阅专栏 解锁全文
416
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
