ANTLR4 词法分析器无法解决语法顺序中的歧义

Question

使用 ANTLR 4.2，我正在尝试对此测试数据进行非常简单的解析:

RRV0#ABC

使用最少的语法:

grammar Tiny;

thing : RRV N HASH ID ;

RRV : 'RRV' ;
N : [0-9]+ ;
HASH : '#' ;
ID : [a-zA-Z0-9]+ ;
WS : [\t\r\n]+ -> skip ; // match 1-or-more whitespace but discard

根据 Terence Parr 的权威 ANTLR 4 引用中的以下摘录，我希望词法分析器 RRV 在 ID 之前匹配:

BEGIN : 'begin' ; // match b-e-g-i-n sequence; ambiguity resolves to BEGIN
ID : [a-z]+ ; // match one or more of any lowercase letter

用上面的测试数据运行ANTLR4测试台，输出为

[@0,0:3='RRV0',<4>,1:0]
[@1,4:4='#',<3>,1:4]
[@2,5:7='ABC',<4>,1:5]
[@3,10:9='<EOF>',<-1>,2:0]
line 1:0 mismatched input 'RRV0' expecting 'RRV'

我可以看到第一个标记是 <4> 表示 ID，值为 'RRV0'

我已经尝试重新排列词法分析器的项目顺序。我还尝试通过在语法规则中显式匹配(而不是通过显式词法分析器项目)来使用隐式词法分析器项目。我也试过让比赛不贪婪。这些对我来说并不成功。

如果我将词法化 ID 项更改为不匹配大写，那么 RRV 项会匹配并且解析会更进一步。

我在 ANTLR 4.1 中遇到了同样的问题。

我检查了 ANTLRWorks 和命令行，两种方式的结果相同。

我如何更改语法以匹配词法分析器项 RRV 而不是 ID？

Answer 1

语法顺序解析策略仅在两个不同的词法分析器规则匹配相同长度的 token 时才适用。当长度不同时，最长的总是获胜。在您的情况下，ID 规则匹配长度为 4 的 token ，这比仅匹配 3 个字符的 RRV token 长。

此策略在 Java 等语言中尤为重要。考虑以下输入:

String className = "";

连同以下两条语法规则(略有简化):

CLASS : 'class';
ID : [a-zA-Z_] [a-zA-Z0-9_]*;

如果我们只考虑语法顺序，那么输入 className 会产生一个关键字，后跟标识符 Name。重新排列规则并不能解决问题，因为那样就无法创建 CLASS 标记，即使对于输入 class 也是如此。