05-语法规则的定义（1）

设计

ANTLR生成的分析器是自顶向下的，所以在对语法进行设计时也推荐使用自顶向下的方式，这种分析方式比自底向上的方式更贴近人类的思维和表达方式。

比如我们的TestL规则，一份TestL文件（doc）包含很多的条目（item），每个item由几个部分组成（tokens）……。

然后写出规则就可以了。

基本规则的表示

• []，任意一个[]内的字符，比如[0-9]表示任意一个数字
• ~[]，任意一个不是[]内的字符，比如 ~[0-9]表示不能为数字。
• +，表示之前的字符，至少有一个，比如[a-z]+表示任意英文字母串。
• *，表示之前的字符，可以0个，可以多个。比如[a-z]*表示可以0个字母，也可以表示一个字母串。
• |，表示或
• ?，表示出现0次或1次
• [1-9][0-9]，表示一个数，如123。其首位不能为0。
• \t，tab键。
• \r，回车键。
• \n，换行符。

windows下一个换行是用\r\n表示的。空白符往往使用[ \r\n\t]表示，第一个是空格。

‘blabla’，单引号包围起来的可以理解成关键字，antlr会将之作为一个整体，识别成一个token。

TestL规则的诠释

grammar TestL;

doc:        item+;

item:       NAME '{' STRING '}' AGE '{' NUM '}' HEIGHT '{' NUM '}';

NAME:       'Name';
AGE:        'Age';
HEIGHT:     'Height';
STRING:     ~[ \t\r\n{}0-9]+;
NUM:        [1-9][0-9]*;

SPACE:      [ \t\r\n]->skip;

grammar TestL;

说明该语法名为TestL。如果把lexer和parser分开，则使用lexerGrammar和parserGrammar。

doc：item+;

说明doc结构由至少一条item结构组成。

item: NAME ‘{’ STRING ‘}’ AGE ‘{’ NUM ‘}’ HEIGHT ‘{’ NUM ‘}’;

说明item结构由后面这些结构组成。

NAME: ‘Name’;
AGE: ‘Age’;
HEIGHT: ‘Height’;

这三个是关键词，类似于cpp里的关键词一样，作为一个整体token。

STRING: ~[ \t\r\n{}0-9]+;

多个非数字非空白非大括号的字符构成的串。

NUM: [1-9][0-9]*;

首位不为0的数，比如123。但0123是不合法的。

SPACE: [ \t\r\n]->skip;

空白符号跳过，不做任何处理。

优先级的处理

有时候两种结构在某些条件下无法区分，这就牵扯到解析优先级的问题。

比如上面的STRING和NUM。假如两者定义为

STRING:     ~[ \t\r\n{}]+;
NUM:        [1-9][0-9]*;

则当面对一个12345的串时，是没有办法区别开的，它适用于STRING规则，也适用于NUM规则。antlr会自动处理这种情况，优先使用前面的规则解析之。当STRING在前面时，12345就会解析成STRING，反之解析成NUM。

我们测试一下。

修改TestL.g4文件，重新生成java文件，编译，并使用grun加载。输入：

Name{小强}Age{12}Height{150}
ctrl+z

然后解析出错了：

12被解析成了STRING，但这里需要的是NUM。当我们把两个规则的顺序颠倒一下，如下：

NUM:        [1-9][0-9]*;
STRING:     ~[ \t\r\n{}]+;

重新生成、编译、加载之，输入：

Name{小强}Age{12}Height{150}
ctrl+z

成功解析，如图：