您当前位置：首页 > php开源 > php教程 > Antlr v4入门教程和实例

Antlr v4入门教程和实例

来源：程序员人生发布时间：2015-08-11 08:52:14 阅读次数：7230次

1 重逢ANTLR

最早知道ANTLR是当年学习Apache Derby数据库源码时，在看到SQL解析那1层时，第1次看到编译原理在实际项目中的利用，惊叹之余也只能望而生畏。之前也根据网上1些资料尝试了1下，看介绍说ANTLR v4更加易用了，因而又好奇地试用1下。以下入门介绍主要参考ANTLR作者写的《The Definitive ANTLR 4 Reference》。

1.1 ANTLR全景

当我们实现1种语言时，我们需要构建读取句子（sentence）的利用，并对输入中的元素做出反应。如果利用计算或履行句子，我们就叫它解释器（interpreter），包括计算器、配置文件读取器、Python解释器都属于解释器。如果我们将句子转换成另外一种语言，我们就叫它翻译器（translator），像Java到C#的翻译器和编译器都属于翻译器。不论是解释器还是翻译器，利用首先都要辨认出所有有效的句子、词组、字词组等，辨认语言的程序就叫解析器（parser）或语法分析器（syntax analyzer）。我们学习的重点就是如何实现自己的解析器，去解析我们的目标语言，像DSL语言、配置文件、自定义SQL等等。

1.2 元编程

手动编写解析器是非常繁琐的，所以我们有了ANTLR。只需编写ANTLR的语法文件，描写我们要解析的语言的语法，以后ANTLR就会自动生成能解析这类语言的解析器。也就是说，ANTLR是1种能写出程序的程序。在学习LISP或Ruby的宏时，我们常常能接触到元编程的概念。而用来声明我们语言的ANTLR语言的语法，就是元语言（meta-language）。

1.3 解析进程

为了简单起见，我们将解析分为两个阶段，对应我们的大脑读取文字时的进程。当我们读到1个句子时，在第1阶段，大脑会下意识地将字符组成单词，然后像查词典1样辨认出它们的意思。在第2阶段，大脑会根据已辨认的单词去辨认句子的结构。第1阶段的进程叫词法分析（lexical analysis），对应的分析程序叫做lexer，负责将符号（token）分组成符号类（token class or token type）。而第2阶段就是真实的parser，默许ANTLR会构建出1棵分析树（parse tree）或叫语法树（syntax tree）。以下图，就是简单的赋值表达式的解析进程：

语法树的叶子是输入token，而上级结点时包括其孩子结点的词组名（phase），线性的句子实际上是语法树的序列化。终究生成语法树的好处是：

1）树形结构易于遍历和处理，并且易被程序员理解，方便了利用代码做进1步处理。

2）多种解释或翻译的利用代码都可以重用1个解析器。但ANTLR也支持像传统解析器生成器那样，将利用处理代码嵌入到语法中。

3）对由于计算依赖而需要多趟处理的翻译器来讲，语法树非常有用！我们不用屡次调用解析器去解析，只需高效地遍历语法树屡次。

1.4 深入ANTLR

ANTLR生成的解析器叫做递归降落解析器（recursive-descent parser），属于自顶向下解析器（top-down parser）的1种。顾名思义，递归降落指的就是解析进程是从语法树的根开始向叶子（token）递归，比较酷的是代码的调用图能与树结点对应上。还是之前面的赋值表达式解析为例，其递归降落解析器的代码大概是下面这个模样：

Assign很简单，直接顺序读取输入字符，不用做任何选择。相比之下，根结点Stat要复杂1些，由于它有多种选择。解析时，要向前看（lookahead）1些字符才能确认走哪一个分支代码，有时乃至要读取完所有输入才能预测出，而ANTLR默默为我们处理了1切！

1.5 解析树上的利用

在内部，ANTLR的数据结构会尽量地同享数据来节俭内存，这类考量在Nginx的String中也能看到。以下图所示，解析树的叶子节点指向Token流中的Token，而Token中的起止字符索引指向字符流，而非拷贝子字符串。而像空格这类不与任何Token相干的字符会直接被Lexer抛弃掉。

ANTLR为每一个Rule都会生成1个Context对象，它会记录辨认时的所有信息。ANTLR提供了Listener和Visitor两种遍历机制。Listener是全自动化的，ANTLR会主导深度优先遍历进程，我们只需处理各种事件就能够了。而Visitor则提供了可控的遍历方式，我们可以自行决定是不是显示地调用子结点的visit方法。