ANTLR4 筆記
ANTLR4 是一個非常厲害的程序/庫,可以用來生成 Lexer 和 Parser,而且生成的接口非常易用。
安裝
$ cd /usr/local/lib
$ curl -O http://www.antlr.org/download/antlr-4.5-complete.jar
$ vim ~/.zshrc # or vim ~/.bashrc
export CLASSPATH=".:/usr/local/lib/antlr-4.5-complete.jar:$CLASSPATH"
alias antlr4='java -Xmx500M -cp "/usr/local/lib/antlr-4.5-complete.jar:$CLASSPATH" org.antlr.v4.Tool'
alias grun='java org.antlr.v4.runtime.misc.TestRig'
$ . ~/.zshrc # or restart the terminal
語法
官方已經提供了非常多的常用的語言的語法文件了,拿來看看可以學到很多,甚至可以刪刪改改直接拿來用: https://github.com/antlr/grammars-v4
grammar
名稱和文件名要一致- Parser 規則(即 non-terminal)以小寫字母開始
- Lexer 規則(即 terminal)以大寫字母開始
- 所有的 Lexer 規則無論寫在哪裏都會被重排到 Parser 規則之後
- 所有規則中若有衝突,先出現的規則優先匹配
- 用
'string'
單引號引出字符串 |
用於分隔兩個產生式,(a|b)
括號用於指定子產生式,?+*
用法同正則表達式- 在產生式後面
# label
可以給某條產生式命名,在生成的代碼中即可根據標籤分辨不同產生式 - 不需要指定開始符號
- 規則以分號終結
/* block comment */
以及// line comment
- 默認的左結合,可以用
<assoc=right>
指定右結合 - 可以處理直接的左遞歸,不能處理間接的左遞歸
- 如果用
MUL: '*';
指定了某個字符串的名字,在程序裏面就能用這個名字了 - 用
fragment
可以給 Lexer 規則中的公共部分命名
例子:
stmt: expr NEWLINE # printExpr
| ID '=' expr NEWLINE # assign
| NEWLINE # blank
;
expr: <assoc=right> expr op='^' expr # pow
| expr op=('*'|'/') expr # mulDiv
| expr op=('+'|'-') expr # addSub
| INT # int
| ID # id
| '(' expr ')' # parens
MUL : '*';
DIV : '/';
ADD : '+';
SUB : '-';
ID : Letter LetterOrDigit*
fragment Letter: [a-zA-Z_]
fragment Digit: [0-9]
fragment LetterOrDigit: Letter | Digit
NEWLINE: '\r'? '\n'
WS : [ \t]+ -> skip
常見 Lexer 規則
//------ Puncuation
call : ID '(' exprList ')' ;
// or define token labels
call : ID LP exprList RP ;
LP : '(';
RP : ')';
//------ Keywords
returnStmt : 'return' expr ';' ;
//------ Identifiers
ID : ID_LETTER (ID_LETTER | DIGIT)* ;
fragment ID_LETTER : 'a'..'z' | 'A'..'Z' | '_' ;
fragment DIGIT : '0'..'9';
//------ Numbers
INT : DIGIT+ ;
FLOAT : DIGIT+ '.' DIGIT*
| '.' DIGIT+
;
//------ Strings
STRING : '"' (ESC | .)*? '"' ;
fragment ESC : '\\' [btnr"\\] ; // \b, \t, \n, ...
//------ Comments
LINE_COMMENT : '//' .*? '\n' -> skip;
BLOCK_COMMENT : '/*' .*? '*/' -> skip;
//------ Whitespace
WS : [ \t\n\r]+ -> skip
整合到自己的程序中
ANTLR 4 提供了 Visitor 和 Listener 兩種模式,通過這兩種模式可以很輕鬆地把 Parser 的結果做各種處理。ANTLR 4 默認會生成 Listener 模式,如果不需要要加上 -no-listener
,如果要生成 Visitor 模式要加上 -visitor
。
$ antlr4 -visitor Calc.g4
$ ls
Calc.g4 CalcBaseVisitor.java CalcListener.java
Calc.tokens CalcLexer.java CalcParser.java
CalcBaseListener.java CalcLexer.tokens CalcVisitor.java
運行 ANTLR 4 會生成以下文件:
<Grammar>Lexer.java
: Lexer<Grammar>Parser.java
: Parser<Grammar>Listener.java
: Listener 接口<Grammar>BaseListener.java
: Listener 默認實現<Grammar>Visitor.java
: Visitor 接口<Grammar>BaseVisitor.java
: Visitor 默認實現<Grammar>[Lexer].tokens
: 當語法被拆分成多個多個文件時用於同步編號
使用方法就是把 *.java
複製到項目中合適的位置,然後編寫調用代碼、Visitor及(或)Listener。
調用代碼
import org.antlr.v4.runtime.*;
import org.antlr.v4.runtime.tree.*;
import java.io.*;
public class Calc {
public static void main(String[] args) throws IOException {
InputStream is = new FileInputStream("example/1.txt"); // or System.in;
ANTLRInputStream input = new ANTLRInputStream(is);
CalcLexer lexer = new CalcLexer(input);
CommonTokenStream tokens = new CommonTokenStream(lexer);
CalcParser parser = new CalcParser(tokens);
ParseTree tree = parser.calc(); // calc is the starting rule
System.out.println("LISP:");
System.out.println(tree.toStringTree(parser));
System.out.println();
System.out.println("Visitor:");
EvalVisitor evalByVisitor = new EvalVisitor();
evalByVisitor.visit(tree);
System.out.println();
System.out.println("Listener:");
ParseTreeWalker walker = new ParseTreeWalker();
Evaluator evalByListener = new Evaluator();
walker.walk(evalByListener, tree);
}
}
可以看到使用方法就是把輸入流包裝一下餵給 Lexer,之後將 Token 流餵給 Parser,最後調用 ParseTree::<starting>
生成解析樹。
解析樹可以直接用 .toStringTree
按照 LISP 風格打印出來。
使用 Visitor 模式的話,就是新建 Visitor 對象,之後 visit(tree)
。
使用 Listener 模式的話,需要一個 ParseTreeWalker
和一個 Listener 對象,然後用這個 walker 在樹上用這個 Listener 行走。
不論是 Visitor 模式還是 Listener 模式,解決的痛點都是把結構和行爲分開,真的十分佩服這些設計模式的創造者。下面簡單講下這兩個模式。
Visitor 模式
假設有一個複雜的結構,其中有個基類 B
,以及很多的派生類 Derived1
, Derived2
, …。然後我們現在有一些動作 Action1
, Action2
, …。
用 Visitor 模式的話,首先要在每個基類中指定一個 accept
函數來接受訪客,接下來每個派生類重載這個函數,讓傳進來的訪客訪問自己。
另外一方面,規定 IVisitor
接口,裏面對每個不同類型的派生類 Derived
都有分別的 void visit(Derived obj);
函數。每一個 Visitor 都要實現這個接口。
在對某個派生類對象obj
執行某個動作visitor
時,用 obj.accept(visitor);
。
具體可以看下面這個例子。由基類 Shape
派生出了 Rectangle
和 Circle
。我們分別想要求每種圖形的周長和麪積,於是編寫了 PerimeterVisitor
和 AreaVisitor
兩個 Visitor。注意調用的方式,是讓派生類接受訪問者,再讓訪問者訪問自己。
import java.util.*;
//------ Interfaces
interface IShapeVisitor {
void visit(Rectangle r);
void visit(Circle c);
}
abstract class Shape {
public abstract void accept(IShapeVisitor visitor);
}
//------ Shapes
class Rectangle extends Shape {
public double height;
public double width;
Rectangle(double height, double width) { this.height = height; this.width = width; }
@Override
public void accept(IShapeVisitor visitor) { visitor.visit(this); }
}
class Circle extends Shape {
public double radius;
Circle(double radius) { this.radius = radius; }
@Override
public void accept(IShapeVisitor visitor) { visitor.visit(this); }
}
//------ Visitors
class PerimeterVisitor implements IShapeVisitor {
@Override
public void visit(Rectangle r) {
System.out.println((r.height + r.width) * 2);
}
@Override
public void visit(Circle c) {
System.out.println(2 * Math.PI * c.radius);
}
}
class AreaVisitor implements IShapeVisitor {
@Override
public void visit(Rectangle r) {
System.out.println(r.height * r.width);
}
@Override
public void visit(Circle c) {
System.out.println(Math.PI * Math.pow(c.radius, 2.));
}
}
//------ Test
public class VisitorTest {
public static void main(String[] args) {
List<Shape> shapes = new ArrayList<>();
shapes.add(new Rectangle(3, 4));
shapes.add(new Circle(1));
PerimeterVisitor perimeterVisitor = new PerimeterVisitor();
shapes.forEach(x -> x.accept(perimeterVisitor));
AreaVisitor areaVisitor = new AreaVisitor();
shapes.forEach(x -> x.accept(areaVisitor));
}
}
在上面的例子裏面,我們也可以在基類裏面加上一個 .getArea()
而不使用 Visitor 模式。那麼用 Visitor 的好處是什麼呢?就是前面說到的把結構和行爲分離。
假設我現在要多增加一個行爲 Action
,我不需要改動我的結構,也就是不用在每個派生類裏面多重載一個 .getAction()
。不改動結構有什麼好處呢?第一, Java 中每個 public
類都需要獨立成一個文件,如果要在每個類裏面都加上這麼個行爲,那麼就需要分別打開一個個文件,與此同時這個行爲的代碼也被拆散到了一個個文件中,這無疑是非常不利於維護的。第二,有些情況下,我們對結構代碼沒有控制權,這個時候我們就不能往裏面加代碼了。
要增加一個行爲,我需要做的只是增加一個 Visitor,在這個 Visitor 裏面實現所有類的對應的行爲即可。程序的其餘部分完全不需要管。
Listener 模式
Listener 模式對於 Javascript 用戶來說應該是非常熟悉的。簡單地說,某段程序定義了一系列的事件,我們可以編寫當某些事件發生時做什麼的回調函數,也就是 Listener,並且綁定到這些事件上。那麼這段程序觸發了這些事件的時候,就會調用我們的回調函數。
一個很簡單的例子就是在做樹的遍歷的時候,遍歷程序提供 enterNode
和 exitNode
事件,我們就可以編寫當進入節點和退出節點時要處理的事情。
使用 ANTLR 4 中的 Visitor 模式
下面以一個計算器爲例子,語法如下:
grammar Calc;
calc: stmt*;
stmt: expr NEWLINE # printExpr
| ID '=' expr NEWLINE # assign
| NEWLINE # blank
;
expr: expr op=('*'|'/') expr # mulDiv
| expr op=('+'|'-') expr # addSub
| NUMBER # literal
| ID # id
| '(' expr ')' # paren
;
MUL : '*';
DIV : '/';
ADD : '+';
SUB : '-';
ID : [a-zA-Z_]+ ;
NUMBER : DIGIT+
| DIGIT+ '.' DIGIT*
| '.' DIGIT+
;
fragment DIGIT : [0-9];
NEWLINE : '\r'? '\n';
WS : [ \t]+ -> skip;
我們實現一個求值的 Visitor。
import java.util.HashMap;
import java.util.Map;
public class EvalVisitor extends CalcBaseVisitor<Double> {
public Map<String, Double> vars = new HashMap<>();
// stmt : ID '=' expr NEWLINE ;
@Override
public Double visitAssign(CalcParser.AssignContext ctx) {
String id = ctx.ID().getText();
Double val = visit(ctx.expr());
vars.put(id, val);
return val;
}
// stmt : expr NEWLINE ;
@Override
public Double visitPrintExpr(CalcParser.PrintExprContext ctx) {
Double value = visit(ctx.expr());
System.out.println(value);
return .0;
}
// expr : INT ;
@Override
public Double visitLiteral(CalcParser.LiteralContext ctx) {
return Double.valueOf(ctx.NUMBER().getText());
}
// expr : ID ;
@Override
public Double visitId(CalcParser.IdContext ctx) {
String id = ctx.ID().getText();
if (vars.containsKey(id)) return vars.get(id);
return .0;
}
// expr : expr op=('*'|'/') expr ;
@Override
public Double visitMulDiv(CalcParser.MulDivContext ctx) {
double lhs = visit(ctx.expr(0));
double rhs = visit(ctx.expr(1));
if (ctx.op.getType() == CalcParser.MUL) return lhs * rhs;
return lhs / rhs;
}
// expr : expr op=('+'|'-') expr ;
@Override
public Double visitAddSub(CalcParser.AddSubContext ctx) {
double lhs = visit(ctx.expr(0));
double rhs = visit(ctx.expr(1));
if (ctx.op.getType() == CalcParser.ADD) return lhs + rhs;
return lhs - rhs;
}
// expr : '(' expr ')' ;
@Override
public Double visitParen(CalcParser.ParenContext ctx) {
return visit(ctx.expr());
}
}
通過上面的例子,可以看到, ANTLR 4 爲每個產生式生成了對應的 visit 函數,並且有各自不同的 Context 對象 ctx
。要訪問子樹需要使用 visit(ctx.<sublabel>());
ctx.<nonterminal>()
可以訪問語法規則中的<nonterminal>
部分的 Contextctx.getText()
可以獲得在原文中的串
想知道 Context 對象裏面有什麼?當然,你可以看 <Grammar>Parser.java
裏面寫的。但是,如果你有一個帶智能提示的 IDE 的話,那就非常舒服了!
使用 ANTLR 4 中的 Listener 模式
ANTLR 4 會爲產生式生成
public void enter<Label>(CalcParser.<Label>Context ctx);
public void exit<Label>(CalcParser.<Label>Context ctx);
這樣的事件,類似 Visitor 模式按需填空即可。
傳遞參數與返回值
細心的讀者應該注意到了,ANTLR 4 生成的 Visitor 模式中返回類型是統一的,而 Listener 模式直接就是 void
,並且兩個模式都沒有提供傳入參數的地方。那麼如果想要手動操縱返回值和參數怎麼辦呢?
ANTLR 4 Runtime 提供了一個 ParseTreeProperty<T>
,其實大致就是個 IdentityHashMap
。你可以把 Context 當作 key 把相關的東西丟進去。
Listener 例子
還是前面的計算器,演示下 Listener 模式以及 ParseTreeProperty
的用法。
import org.antlr.v4.runtime.tree.ParseTreeProperty;
import java.util.HashMap;
import java.util.Map;
/**
* Created by abcdabcd987 on 2016-03-23.
*/
public class Evaluator extends CalcBaseListener {
public Map<String, Double> vars = new HashMap<>();
public ParseTreeProperty<Double> values = new ParseTreeProperty<>();
// stmt : ID '=' expr NEWLINE ;
@Override
public void exitAssign(CalcParser.AssignContext ctx) {
String id = ctx.ID().getText();
Double val = values.get(ctx.expr());
vars.put(id, val);
}
// stmt : expr NEWLINE ;
@Override
public void exitPrintExpr(CalcParser.PrintExprContext ctx) {
System.out.println(values.get(ctx.expr()));
}
// expr : NUMBER ;
@Override
public void exitLiteral(CalcParser.LiteralContext ctx) {
values.put(ctx, Double.valueOf(ctx.NUMBER().getText()));
}
// expr : ID ;
@Override
public void exitId(CalcParser.IdContext ctx) {
values.put(ctx, vars.containsKey(ctx.ID().getText()) ? vars.get(ctx.ID().getText()) : .0);
}
// expr : expr op=('*'|'/') expr ;
@Override
public void exitMulDiv(CalcParser.MulDivContext ctx) {
double lhs = values.get(ctx.expr(0));
double rhs = values.get(ctx.expr(1));
values.put(ctx, ctx.op.getType() == CalcParser.MUL ? lhs * rhs : lhs / rhs);
}
// expr : expr op=('+'|'-') expr ;
@Override
public void exitAddSub(CalcParser.AddSubContext ctx) {
double lhs = values.get(ctx.expr(0));
double rhs = values.get(ctx.expr(1));
values.put(ctx, ctx.op.getType() == CalcParser.ADD ? lhs + rhs : lhs - rhs);
}
// expr : '(' expr ')' ;
@Override
public void exitParen(CalcParser.ParenContext ctx) {
values.put(ctx, values.get(ctx.expr()));
}
}
Listener 模式與 Visitor 模式的比較
在 Visitor 模式中,樹的遍歷是需要我們自己手動控制的。這個有好處也有壞處。當你要實現一個樹上的解釋器的時候,用 Visitor 就很方便,比如你可以只執行 if-else
塊中的一個,比如你可以重複執行循環語句的主體部分。當然壞處就是萬一意外忘記遍歷或者重複遍歷就麻煩了。
在 Listener 模式中, walker 自顧自地走着,按順序恰好遍歷每個節點一次,進入或者退出一個節點的時候調用你的 Listener。因此,如果要實現一個樹上解釋器的話, Listener 模式就非常蛋疼了。但是,如果想要構建一個 AST ,這種自動幫你一遍的事情就很舒服了。再比如要支持函數的後向調用,可以在第一次遍歷中先把所有的函數名稱找出來,然後再在第二遍遍歷中做類型檢查等等。
添加 ANTLR 4 JAR 到 Intellij Idea 中
http://stackoverflow.com/questions/21051991/importing-jar-file-into-intellij-idea