ANTLR 异常 - “无法将索引 111 处的 Unicode 字符 \uDCAF 转换为指定的代码页。”

Question

召集所有 ANTLR 专家！

我有一个 .NET 程序集托管在 IIS 网站中，该网站使用 ANTLR 进行搜索引擎风格的自然语言查询处理。例如，如果用户输入：

奶酪和饼干而不是薯条，

它会构建以下语句：

AND(AND("cheese", "crackers"), NOT("chips"))

然后我们将该语句发送到我们的内容存储并向用户提供一些内容。 99.9% 的时间一切都运行良好。然而，每隔一段时间，ANTLR 就会出现一些问题，执行此处理的 IIS 托管站点会陷入某种错误状态，并不停地抛出错误，直到我们执行 IISReset/AppPool 回收。回收后，错误立即消失。

我正在捕获这些错误的堆栈跟踪，我已将其包含在下面（根据公司政策进行了清理）：

System.Text.EncoderFallbackException: Unable to translate Unicode character \uDCAF at index 111 to specified code page.
 at System.Text.EncoderExceptionFallbackBuffer.Fallback(Char charUnknown, Int32 index)
 at System.Text.EncoderFallbackBuffer.InternalFallback(Char ch, Char*& chars)
 at System.Text.UTF8Encoding.GetBytes(Char* chars, Int32 charCount, Byte* bytes, Int32 byteCount, EncoderNLS baseEncoder)
 at System.Text.EncoderNLS.GetBytes(Char* chars, Int32 charCount, Byte* bytes, Int32 byteCount, Boolean flush)
 at System.Text.EncoderNLS.GetBytes(Char[] chars, Int32 charIndex, Int32 charCount, Byte[] bytes, Int32 byteIndex, Boolean flush)
 at System.IO.StreamWriter.Flush(Boolean flushStream, Boolean flushEncoder)
 at System.IO.StreamWriter.Write(Char[] buffer, Int32 index, Int32 count)
 at System.IO.TextWriter.WriteLine(String value)
 at System.IO.TextWriter.SyncTextWriter.WriteLine(String value)
 at Antlr.Runtime.BaseRecognizer.EmitErrorMessage(String msg)
 at Service123.Parser.atomicExpression() in Parser.cs:line 927
 at Service123.Parser.notExpression() in Parser.cs:line 657
 at Service123.Parser.orExpression() in Parser.cs:line 516
 at Service123.Parser.andnotExpression() in Parser.cs:line 416
 at Service123.Parser.andExpression() in Parser.cs:line 234
 at Service123.Parser.startExpression() in Parser.cs:line 167
 at Service123.Processor.ProcessQuery(String queryString) in Processor.cs:line 34
 at Service123.Search.ProcessQueryString(String query) in Search.cs:line 1017

下面是我的语法文件的（根据公司政策再次进行了清理）副本：

grammar Parser;

options { language = CSharp2; output = AST; }

tokens { IMPLICIT_AND; }

@lexer::namespace { Service123.Parser }
@parser::namespace { Service123.Parser }

L_PARENTHESIS : '(';
R_PARENTHESIS : ')';

AND    : ('A'|'a')('N'|'n')('D'|'d');
OR     : ('O'|'o')('R'|'r');
ANDNOT : ('A'|'a')('N'|'n')('D'|'d')('N'|'n')('O'|'o')('T'|'t');
NOT    : ('N'|'n')('O'|'o')('T'|'t');

fragment LETTER        : ('a'..'z'|'A'..'Z');
fragment NUMBER        : ('0'..'9');
fragment SYMBOL_1      : ('+'|'-'|'_'|'|'|'~'|'&'|'`'|'='|'['|']'|'{'|'}');
fragment SYMBOL_2      : ('!'|'@'|'#'|'$'|'%'|'^'|'*'|','|'.'|'/'|':'|';'|'<'|'>'|'?'|'\''|'\\');
fragment SYMBOL_QUOTE  : ('"');
fragment SPACE         : (' '|'\n'|'\r'|'\t'|'\u000C');

WS     : (SPACE) { $channel=HIDDEN; };
PHRASE : (SYMBOL_QUOTE)(LETTER|NUMBER|SYMBOL_1|SYMBOL_2)+((SPACE)+(LETTER|NUMBER|SYMBOL_1|SYMBOL_2)+)+(SYMBOL_QUOTE);
WORD   : (LETTER|NUMBER|SYMBOL_1)+;

startExpression  : andExpression;
andExpression    : (         andnotExpression ->              andnotExpression    )
                   (AND? e = andnotExpression -> ^(IMPLICIT_AND $andExpression $e))*;
andnotExpression : orExpression (ANDNOT^ orExpression)*;
orExpression     : notExpression (OR^ notExpression)*;
notExpression    : (NOT^)? atomicExpression;
atomicExpression : PHRASE | WORD | L_PARENTHESIS! andExpression R_PARENTHESIS!;

我还记录了查询字符串伴随着这些错误，它们似乎是常见的、普通的英语搜索词。

至于错误，有问题的代码点并不总是\uDCAF，而是在整个错误周期中保持一致；在我们退回服务之前，它始终是相同的代码点，然后当工作正常一周后再次出现错误时，情况就会有所不同。

我能够记录的所有代码点都是代理对的一部分，本身并不代表有效的字形。

我是一名公认的 ANTLR 新手，对其内部工作原理了解不够，无法进一步诊断。在我看来，ANTLR 运行时中有一个单例，它以某种方式搞砸了，导致所有进一步的处理变得毫无用处，直到我们重新加载程序集。然而，我没有证据证明这一点。

如果您需要更多详细信息或澄清，请随时询问，因为我已无能为力。