0

我有一个简单的文件格式，我想用 jison 解析器生成器解析它。该文件可以包含任意顺序和数量的多个表达式。这是解析器的 jison 文件：

/* lexical grammar */
%lex

%%

\s+                   /* skip whitespace */
\"(\\.|[^"])*\"          return 'STRING'

File\s*Version\s*\:      return 'FILEVERSION'
[0-9]+("."[0-9]+)?\b     return 'NUMBER'
<<EOF>>                  return 'EOF'
.                        return 'INVALID'

/lex

%start expressions

%% /* language grammar */

expressions
    : EOF
    | e expressions EOF
    ;

e
    : STRING
    | FILEID 
    ;

FILEID
    : FILEVERSION NUMBER { return $1 + $2; }
    ;

为简单起见，我将文件缩短为只有字符串和文件 ID 表达式。

我的问题是，如果第二个表达式仅包含一个类似字符串的标记，那么生成的解析器似乎只能识别一个或两个完整的表达式。例如：

文件版本：1.0

将被解析，或

文件版本：1.0“我的字符串”

也会被解析，但是对于

文件版本：1.0“我的字符串”“未解析的字符串”

最后一个字符串不会被解析。

我已经用jison 调试器和jison 页面本身尝试了这段代码，但是两个页面都显示了相同的结果。

我对这个问题的建议是：

  1. 一些词法分析器错误（正则表达式）
  2. 一些语法错误（左右递归）
  3. 解析器中缺少某些操作（{ $$ = $1;} 的种类）
  4. 我想念的其他一些野牛/吉森魔法

我不是那个 ebnf-parser-guru，所以请让你的答案尽可能简单。

4

1 回答 1

3

眼前的问题是，你return从FILEID生产。return返回，因此解析以返回值终止。通常，语义规则应该通过分配给变量来提供它们的结果$$。（对于右侧只有一个符号的“单元规则”而言，这不是必需的；在执行操作之前，解析器会执行$$ = $1，所以如果这是您想要的，您可以像在你的两条FILEID规则。）

此外，您的expressions产品与 没有任何关系$2，因此即使您解决了第一个问题，您仍然只会e在结果中看到一个问题。

您的expressions生产也是不正确的，因为除了基本案例中的 EOF 之外，EOF每个 都需要一个令牌。e考虑产品的工作原理：

expressions -> e expressions EOF
            -> e e expressions EOF EOF
            -> e e e expressions EOF EOF EOF
            -> e e e EOF EOF EOF EOF

就个人而言，我建议使用左递归而不是右递归。像 jison 这样的自下而上的解析器更喜欢左递归，它通常会导致更自然的语义规则，就像在这种情况下一样。

最后，您需要在实际到达输入末尾时返回最终值。在 jison 中，这通常需要一个显式的开始规则，其语义动作是return.

因此，考虑到所有这些，让我们试试这个：（我更改了一些非终端的名称，并且FILEID小写，因为习惯上使用小写的非终端和大写的终端）

%start prog
%%
prog   : exprs EOF          { return $1; }
       ;
exprs  :                    { $$ = []; }
       | exprs expr         { $$.push($2); }
       ;
expr   : file_id
       | STRING
       ;
file_id: FILEVERSION NUMBER { $$ = $1 + $2; }
       ;

关于匹配字符串的正则表达式的一个注释：

\"(\\.|[^"])*\"          return 'STRING'

虽然它显然可以在 javascript 中工作（主要是；见下文），但它会在 flex（或与 Posix 兼容的正则表达式库）中出现错误。它主要在 javascript 中工作，因为 javascript 正则表达式交替运算符|是有序的；如果第一个替代方案匹配，则永远不会尝试第二个替代方案，除非模式的其余部分无法匹配（在这种情况下，将触发错误）。

但在 (f)lex 中，交替运算符注意到所有匹配的备选方案，并最终选择最长的匹配项。结果是，当匹配 时"\\"..."，flex 将匹配令牌直到第三个引号，通过使用[^"]匹配第一个\，然后\\.匹配\". 这让它继续寻找结束报价。

编写正则表达式很容易，这样它就可以使用任何一种语义，我强烈建议这样做，以防你想迁移到不同的解析器生成器，只需确保它\不匹配[^"]：

\"(\\.|[^\\"])*\"        return 'STRING'

此更改还将修复细微的错误，即使在 javascript 中，"\"如果它是输入中的最后一个字符串，它也被认为是有效的字符串标记。在这种情况下，javascript 将首先使用\\.to match \"，但一旦这样做，它将找不到任何结束引号。然后它将回溯并尝试与 匹配[^"]，这将匹配\，然后将引用识别为结束引用。

于 2015-11-27T06:41:02.733 回答