c - ANTLR 3 C 中的 token 返回值

Question

我是 ANTLR 的新手，我正在尝试使用 C 语言目标 (antler3C) 编写一个简单的解析器。语法很简单，我想让每个规则都返回一个值，例如:

number returns [long value]
 :
 ( INT {$value = $INT.ivalue;}
 | HEX {$value = $HEX.hvalue;}
 ) 
 ; 

HEX returns [long hvalue] 
    : '0' 'x' ('0'..'9'|'a'..'f'|'A'..'F')+  {$hvalue = strtol((char*)$text->chars,NULL,16);}
    ;

INT returns [long ivalue] 
    : '0'..'9'+    {$ivalue = strtol((char*)$text->chars,NULL,10);}
    ;

每个规则收集它的子规则的返回值，直到最顶层的规则返回一个包含我的数据的漂亮结构。

据我所知，ANTLR 允许词法分析器规则(标记，例如“INT”和“HEX”)像解析器规则(例如“数字”)一样返回值。但是，生成的 C 代码不会编译:

error C2228: left of '.ivalue' must have class/struct/union
error C2228: left of '.hvalue' must have class/struct/union

我查了一下，错误是有道理的——标记最终成为通用的 ANTLR3_COMMON_TOKEN_struct，它不允许返回值。所以也许 C 目标只是不支持这个特性。但正如我所说，我是新手，在我着手寻找另一种方法之前，我想确认我不能这样做。

所以问题是:“antler3C 是否支持词法分析器规则的返回值，如果支持，使用它们的正确方法是什么？”

Answer 1

并不是真正的任何新信息，只是@bemace 已经提到的一些细节。

不，词法分析器规则不能有返回值。参见 The Definitive ANTLR reference 中的 4.3 规则 :

---

Rule Arguments and Return Values

Just like function calls, ANTLR parser and tree parser rules can have arguments and return values. ANTLR lexer rules cannot have return values [...]

---

有两种选择:

选项1

您可以在解析器规则 number 中转换为 long:

number returns [long value]
  :  INT {$value = Long.parseLong($INT.text);}
  |  HEX {$value = Long.parseLong($HEX.text.substring(2), 16);}
  ;

选项 2

或者创建您自己的 token ，例如，一个 toLong(): long 方法:

import org.antlr.runtime.*;

public class YourToken extends CommonToken {

  public YourToken(CharStream input, int type, int channel, int start, int stop) {
    super(input, type, channel, start, stop);
  }

  // your custom method
  public long toLong() {
    String text = super.getText();
    int radix = text.startsWith("0x") ? 16 : 10;
    if(radix == 16) text = text.substring(2);
    return Long.parseLong(text, radix);
  }
}

并在语法的 options {...} header 中定义以使用此标记并覆盖词法分析器类中的 emit(): Token 方法:

grammar Foo;

options{
  TokenLabelType=YourToken;
}

@lexer::members {
  public Token emit() {
    YourToken t = new YourToken(input, state.type, state.channel, 
        state.tokenStartCharIndex, getCharIndex()-1);
    t.setLine(state.tokenStartLine);
    t.setText(state.text);
    t.setCharPositionInLine(state.tokenStartCharPositionInLine);
    emit(t);
    return t;
  }
}

parse
  :  number {System.out.println("parsed: "+$number.value);} EOF
  ;

number returns [long value]
  :  INT {$value = $INT.toLong();}
  |  HEX {$value = $HEX.toLong();}
  ;

HEX
  :  '0' 'x' ('0'..'9'|'a'..'f'|'A'..'F')+
  ;

INT
  :  '0'..'9'+
  ;

当您生成解析器和词法分析器并运行此测试类时:

import org.antlr.runtime.*;
import java.io.*;

public class Main {
    public static void main(String[] args) throws Exception {
        ANTLRStringStream in = new ANTLRStringStream("0xCafE");
        FooLexer lexer = new FooLexer(in);
        CommonTokenStream tokens = new CommonTokenStream(lexer);
        FooParser parser = new FooParser(tokens);
        parser.parse();
    }
}

它将产生以下输出:

parsed: 51966

在您的情况下，第一个选项似乎更实用。

请注意，如您所见，给出的示例是用 Java 编写的。我不知道 C 目标/运行时是否支持选项 2。我决定仍然发布它以便能够将它用作 SO 上的 future 引用。