主页 / coding / 问题 / 77859668
Accepted
Dov
Asked: 2024-01-22 19:53:08 +0800 CST

如何编写 ANTLR4 语法来解析匹配的 html 标签

  • 772

我编写了一个简单的解析器来尝试了解 ANTLR4 如何在具有匹配标签的 HTML 风格语言上工作。例如，如果有一个标签

<p> ... </p>

我认为它应该与一个规则相匹配：

p: '<' 'p' CLASS_NAME? '>' tag_block '<' '/' 'p' '>' ;

这看起来相当繁重，因为如果每个规则可以包含其他所有内容，我必须以这种方式手动编写每个规则。是否有一种通用的方法来编写规则，即对于可以包含其他标签的每种标签，前后的尖括号必须匹配？或者我只需为每一个都写一下：

p: '<' 'p' CLASS_NAME? '>' tag_block '<' '/' 'p' '>' ;
div: '<' 'div' CLASS_NAME? '>' tag_block '<' '/' 'div' '>' ;
canvas: '<' 'canvas' CLASS_NAME? '>' tag_block '<' '/' 'canvas' '>' ;

是否可以编写一个通用的复合标签，例如：

compoundtag: '<' ('p' | 'div' | 'canvas') CLASS_NAME? '>' tag_block '<' '/' ( MATCHING EARLIER NAME???) '>'

我确信我犯了更多错误，所以这里是完整的语法文件：

grammar simple_grail;

prog: tag_block ;

tag_block: (tag)*;

/* root definition of any tag in Grail */
tag:
    p | div | canvas | rect | button | txt | textlit;

p: '<' 'p' CLASS_NAME? '>' tag_block '<' '/' 'p' '>' ;
div: '<' 'div' CLASS_NAME? '>' tag_block '<' '/' 'div' '>' ;
canvas: '<' 'canvas' CLASS_NAME? '>' tag_block '<' '/' 'canvas' '>' ;
rect:
     '<' 'rect' CLASS_NAME?
     'x' ASSIGN_COORD 'y' ASSIGN_COORD 'w' ASSIGN_COORD 'h' ASSIGN_COORD
     '/>' ;
button:
    '<' 'button' (CLASS_NAME)? (NAME)? 'text' ASSIGN_TEXT '/>' ;
txt:
    '<' 'text' 'x' ASSIGN_COORD 'y' ASSIGN_COORD '/>' ;

textlit:
    TEXT?
    ;

CLASS_NAME: [a-zA-Z_] [a-zA-Z_0-9]* ;

ASSIGN_COORD: '=' [0-9]+ ;

name: 'name' '=' NAME ;

NAME: [A-Za-z_][A-Za-z_0-9]* ;

ASSIGN_TEXT: '=' ('"' [^"]* '"' | '\'' [^']* '\'');

TEXT: [^<]+ ;

我想解析第一个小程序：

<p>text goes here</p>

我希望 textlit 应该与文本匹配，对于像 p 这样的文本周围的标签，我应该覆盖 exitTextlit() 方法和 exitP() 来决定要做什么。如果我截取了 EnterP()，那么里面还没有文本。是对的吗？

有一个警告说我可以匹配空字符串，并且我知道如果我跳过空格会产生错误，但我不明白程序应该如何匹配：

<p></p>

如果textlit不能为空。

parsing

1 个回答

  1. Best Answer

    （至少）有两件事出了问题：

    1. textlit不应匹配空字符串，因为textlit正在重复tag_block: (tag)*;
    2. ANTLR 的正则表达式语法略有不同：不要执行[^<]+（匹配一个或多个字符'^'或'<'），而是执行以下操作：（~[<]+匹配除 之外的一个或多个字符'<'）

    当您修复这些点时，您将看到为输入创建以下标记<p>text goes here</p>：

    5 tokens:
  1    null                           '<'
  2    TEXT                           'p>text goes here'
  3    null                           '<'
  4    TEXT                           '/p>'
  5    EOF                            '<EOF>'

    正如你所看到的，p>text goes here这是不正确的。解决这个问题的一种方法是使用词法模式。您可以查看 ANTLR 存储库中的 HTML 语法：https://github.com/antlr/grammars-v4/tree/master/html

    我总是只通过一个小的 Java 类进行测试，但如果您使用TestRig，请确保您正在使用最近生成的解析器类并编译它们。

    1. 生成新类

    java -jar antlr-4.13.1-complete.jar simple_grail.g4

    2.编译生成的类

    javac -cp .:antlr-4.13.1-complete.jar *.java

    3. 运行TestRig

    java -cp .:antlr-4.13.1-complete.jar org.antlr.v4.gui.TestRig simple_grail prog simple0.grail

    这会产生错误：

    line 1:0 mismatched input '<' expecting <EOF>

    鉴于TEXT匹配太多，这是预期的。

    • 1

相关问题