我正在尝试用Java 编写一个类似于Latex 的简单语言的解析器，即它包含许多非结构化文本，其中有几个\commands[with]{some}{parameters}。像 \\ 这样的转义序列也必须考虑在内。
我尝试使用 JavaCC 为其生成解析器，但看起来像 JavaCC 这样的编译器编译器只适用于高度结构化的代码（通常用于通用编程语言），而不适用于凌乱的类似 Latex 的标记。到目前为止，似乎我必须走低级并编写自己的有限状态机。
所以我的问题是，解析大部分非结构化输入的最简单方法是什么，中间只有几个类似 Latex 的命令？
编辑：使用有限状态机进行低级处理很困难，因为 Latex 命令可以嵌套，例如 \cmd1{\cmd2{\cmd3{...}}}
您可以定义一个语法来接受 Latex 输入，仅使用字符作为最差转换中的标记。JavaCC 应该适合这个目的。
语法和解析器生成器的好处在于它可以解析 FSA 遇到的问题，尤其是嵌套结构。
您的语法的第一次削减可能是（我不确定这是有效的 JavaCC，但它是合理的 EBNF）：
Latex = item* ;
item = command | rawtext ;
command = command arguments ;
command = '\' letter ( letter | digit )* ; -- might pick this up as lexeme
letter = 'a' | 'b' | ... | 'z' ;
digit= '0' | ... | '9' ;
arguments = epsilon | '{' item* '}' ;
rawtext = ( letter | digit | whitespace | punctuationminusbackslash )+ ; -- might pick this up as lexeme
whitespace = ' ' | '\t' | '\n' | '\:0D' ;
punctuationminusbackslash = '!' | ... | '^' ;