Разбор неструктурированного текста с помощью ANTLR - PullRequest
Новая
       3

Разбор неструктурированного текста с помощью ANTLR

3 голосов
/ 13 октября 2011

В качестве примера, скажем, я хочу проанализировать в основном неструктурированный текст с одним элементом разметки, двойной звездой **. Это моя грамматика ANTLR: 

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

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

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

Эта грамматика прекрасно работает, если синтаксически правильный текст, который я анализирую, то есть для каждого открытия ** есть закрытие **. Если есть нечетное число ** с, ANTLR жалуется и выдает ошибки.

Как можно это исправить, чтобы ANTLR смотрел вперед на замыкающуюся двойную звезду, и если никто не рассматривал эту одиночную двойную звезду как обычный текст? Я почти уверен, что ANTLR может сделать это, и что синтаксические / семантические предикаты - это ответ, но после того, как мы потратили много времени на чтение документов, я все еще не могу разобраться.

1 Ответ

4 голосов
/ 13 октября 2011

Это станет грязным, когда вы расширите свою грамматику! :)

Но, конечно, это возможно с помощью предикатов. Вот демо:

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);
  }
}

Запустить демо 

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

, который будет выдавать DOT-вывод , который соответствует следующему AST:

enter image description here

(изображение, созданное с использованием graphviz-dev.appspot.com )

...