使用 ANTLR 解析非结构化文本

发布于 12-09 09:56 字数 474 浏览 0 评论 0原文

举个例子,假设我想用单个标记元素双星 ** 来解析大部分非结构化文本。这是我的 ANTLR 语法:

text : (plain | tag)+ ;
plain : ~(TAG) ;

tag : TAG tag_inner TAG ;
tag_inner : ~(TAG) ;

TAG : '**' ;
TEXT : ('a'..'z' | ' ' | '.')+ ;

如果我正在解析的文本在语法上正确,即对于每个开头 ** 都有一个结束 **,则此语法工作得很好。如果 ** 的数量为奇数,ANTLR 会发出错误消息并输出错误。

如何解决这个问题,以便 ANTLR 向前寻找结束双星,并且如果没有人将那个单独的双星视为纯文本?我很确定 ANTLR 可以做到这一点,并且句法/语义谓词就是答案,但是在我们阅读了文档之后,我仍然无法解决这个问题。

As an example, lets say I want to parse mostly unstructured text with single markup element, double star **. This is my ANTLR grammar:

text : (plain | tag)+ ;
plain : ~(TAG) ;

tag : TAG tag_inner TAG ;
tag_inner : ~(TAG) ;

TAG : '**' ;
TEXT : ('a'..'z' | ' ' | '.')+ ;

This grammar works just fine if the text I'm parsing is syntactically correct, that is for every opening ** there is a closing **. If there is an odd number of **s, ANTLR complains, and errors out.

How would one fix this, so that ANTLR will look ahead for a closing double star, and if there is no one treat that lone double star as plain text? I'm pretty sure ANTLR can do this and that syntactic/semantic predicates are the answer, but after an our spent reading the docs, I still can't work it out.

如果你对这篇内容有疑问,欢迎到本站社区发帖提问 参与讨论,获取更多帮助,或者扫码二维码加入 Web 技术交流群。

扫码二维码加入Web技术交流群

发布评论

需要 登录 才能够评论, 你可以免费 注册 一个本站的账号。

评论(1

浅语花开2024-12-16 09:56:12

当你扩展语法时,这会变得混乱! :)

但是,当然,可以使用谓词。这是一个演示:

Tg

grammar T;

options {
  output=AST;
}

tokens {
  ROOT;
  PROPER_TAG;
}

parse
  :  text+ EOF -> ^(ROOT text+)
  ;

text
  :  (tag)=> tag // syntactic predicate here! (the `(...)=>`)
  |  plain
  |  TAG
  ;

plain
  :  ~TAG 
  ;

tag
  :  TAG plain TAG -> ^(PROPER_TAG plain)
  ;

TAG  : '**' ;
TEXT : ('a'..'z' | ' ' | '.')+ ;

Main.java

import org.antlr.runtime.*;
import org.antlr.runtime.tree.*;
import org.antlr.stringtemplate.*;

public class Main {
  public static void main(String[] args) throws Exception {
    TLexer lexer = new TLexer(new ANTLRStringStream("this **is** just **a simple** demo **."));
    TParser parser = new TParser(new CommonTokenStream(lexer));
    CommonTree tree = (CommonTree)parser.parse().getTree();
    DOTTreeGenerator gen = new DOTTreeGenerator();
    StringTemplate st = gen.toDOT(tree);
    System.out.println(st);
  }
}

运行该演示

java -cp antlr-3.3.jar org.antlr.Tool T.g
javac -cp antlr-3.3.jar *.java
java -cp .:antlr-3.3.jar Main

将产生一些对应于以下 AST:

在此处输入图像描述

(使用 graphviz-dev.appspot.com)

This will get messy when you expand your grammar! :)

But, sure, it is possible using predicates. Here's a demo:

T.g

grammar T;

options {
  output=AST;
}

tokens {
  ROOT;
  PROPER_TAG;
}

parse
  :  text+ EOF -> ^(ROOT text+)
  ;

text
  :  (tag)=> tag // syntactic predicate here! (the `(...)=>`)
  |  plain
  |  TAG
  ;

plain
  :  ~TAG 
  ;

tag
  :  TAG plain TAG -> ^(PROPER_TAG plain)
  ;

TAG  : '**' ;
TEXT : ('a'..'z' | ' ' | '.')+ ;

Main.java

import org.antlr.runtime.*;
import org.antlr.runtime.tree.*;
import org.antlr.stringtemplate.*;

public class Main {
  public static void main(String[] args) throws Exception {
    TLexer lexer = new TLexer(new ANTLRStringStream("this **is** just **a simple** demo **."));
    TParser parser = new TParser(new CommonTokenStream(lexer));
    CommonTree tree = (CommonTree)parser.parse().getTree();
    DOTTreeGenerator gen = new DOTTreeGenerator();
    StringTemplate st = gen.toDOT(tree);
    System.out.println(st);
  }
}

Run the demo

java -cp antlr-3.3.jar org.antlr.Tool T.g
javac -cp antlr-3.3.jar *.java
java -cp .:antlr-3.3.jar Main

which will produce some DOT-output that corresponds to the following AST:

enter image description here

(image created using graphviz-dev.appspot.com)

~没有更多了~
我们使用 Cookies 和其他技术来定制您的体验包括您的登录状态等。通过阅读我们的 隐私政策 了解更多相关信息。 单击 接受 或继续使用网站,即表示您同意使用 Cookies 和您的相关数据。
原文