ANTLR4实践笔记

最近科研项目需要加入一些新东西，需要我构建一个程序信息库，然后就想设计一套类似sql的查询语言去查询库里包含的内容，因此就需要用到语法分析器生成工具了。之前编译原理课上用过flex+bison那一套，做毕设的时候也用过JavaCC，这次开始动手之前在github上搜了一下“sqlParser”的类似Java项目，发现很多项目都是使用ANTLR4来生成语法分析器的（如下图），于是我这次就尝试使用它来进行实现。

github.png

ANTLR4是什么？

ANTLR 是 ANother Tool for Language Recognition 的缩写，官网：http://www.antlr.org/

它是一款强大的语法分析器生成工具，可用于读取、处理、执行和翻译结构化的文本或二进制文件。

而且开发过程也比较简单，一般开发流程如下：

1. 定义 .g4 语法文件；
2. 使用 ANTLR 4 生成词法分析器（Lexer）和语法分析器（Parser）目标编程语言代码，支持的编程语言：Java、JavaScript、Python、C 和 C++ 等；
3. 遍历 AST（Abstract Syntax Tree 抽象语法树），ANTLR 4 支持两种模式：访问者模式（Visitor）和监听器模式（Listener）。

ANTLR4的IDEA开发

ANTLR4可以在多种环境中运行，下面主要介绍在IDEA里如何使用ANTLR4：

• 环境配置

  • 首先，安装ANTLR4插件
  setting.png

• 之后，创建一个maven项目，在pom.xml中导入依赖，其中版本最好选择最新版本

  
   org.antlr
   antlr4-runtime
   4.7.2
  
  

• 接着，在项目中创建g4语法文件

mulu.png

• 最后，点击Configure ANTLR添加生成配置

  config.png

• 设置生成文件的目录和package名

config1.png

• 点击Generate ANTLR Recongnizer后，即可生成语法分析器

generate.png

• 生成后文件目录

  calc.png

• 编写语法规则g4文件

  • 按照Antlr4规范编写特定语言的语法规则文件（绝大部分语言的都已提供，详见语法库）；

  • 这里是官方提供的一个简单计算器的例子：

    grammar Calc;
    
    // parser
    prog: stmt;
    
    stmt:   expr                            # printExpr
        |   ID '=' expr                     # assign
        |   NEWLINE                         # blank
        ;
    
    expr:    expr op='^' expr  # pow
        |   expr op=('*'|'/') expr          # mulDiv
        |   expr op=('+'|'-') expr          # addSub
        |   NUM                             # int
        |   ID                              # id
        |   '(' expr ')'                    # parens
        ;
    
    // lexer
    MUL : '*';
    DIV : '/';
    ADD : '+';
    SUB : '-';
    ID  : Letter LetterOrDigit*;
    NUM : Number;
    fragment Letter: [a-zA-Z_];
    fragment Digit : ('0' .. '9') +;
    fragment Number: ('0' .. '9') + ('.' ('0' .. '9') +)?;
    fragment LetterOrDigit: Letter | Digit;
    NEWLINE: '\r'? '\n';
    WS  : [ \t]+ -> skip;
    

  • 语法规则和编译原理上描述的类似，一些主要的说明如下：

    • grammar 名称和文件名要一致
    • Parser 规则（即 non-terminal）以小写字母开始
    • Lexer 规则（即 terminal）以大写字母开始
    • 所有的 Lexer 规则无论写在哪里都会被重排到 Parser 规则之后
    • 所有规则中若有冲突，先出现的规则优先匹配
    • 用 'string' 单引号引出字符串
    • | 用于分隔两个产生式，(a|b) 括号用于指定子产生式，?+*用法同正则表达式
    • 在产生式后面 # label 可以给某条产生式命名，在生成的代码中即可根据标签分辨不同产生式
    • 不需要指定开始符号
    • 规则以分号终结
    • /* block comment */ 以及 // line comment
    • 默认的左结合，可以用 指定右结合
    • 可以处理直接的左递归，不能处理间接的左递归
    • 如果用 MUL: '*'; 指定了某个字符串的名字，在程序里面就能用这个名字了
    • 用 fragment 可以给 Lexer 规则中的公共部分命名

• 调用语法分析器

  • 创建一个main方法调用分析器

    public class Main {
    
        public static void run(String expr) throws Exception {
    
            //对每一个输入的字符串，构造一个 CodePointCharStream
            CodePointCharStream cpcs = CharStreams.fromString(expr);
    
            //用 cpcs 构造词法分析器 lexer，词法分析的作用是产生记号
            AntlrTestLexer lexer = new AntlrTestLexer(cpcs);
    
            //用词法分析器 lexer 构造一个记号流 tokens
            CommonTokenStream tokens = new CommonTokenStream(lexer);
    
            //再使用 tokens 构造语法分析器 parser,至此已经完成词法分析和语法分析的准备工作
            AntlrTestParser parser = new AntlrTestParser(tokens);
    
            //最终调用语法分析器的规则 prog，完成对表达式的验证
            ParseTree tree = parser.prog();
        }
    
        public static void main(String[] args) throws Exception {
            run("a+b-3");
        }
    }
    

  • 其中parser.prog()可以检验输入的语句是否符合我们定义的语法，如果不符合会相应报错

• 遍历语法树

  • 在确定编写的语法文件没有问题之后，我们就可以遍历语法分析器构建的抽象语法书，对输入的语句进行语义的分析或计算

  • ANTLR4中提供了两种遍历模式：Listener和Visitor，他们的区别主要在：

    • Listener模式会由ANTLR提供的walker对象自动调用，而Visitor模式则必须通过显式的访问调用遍历其子级，如果 忘记在节点的子节点上调用visit()，意味着这些子树不会被访问；
    • Listener模式不能返回值，而Visitor模式可以返回任何自定义类型。 因此，Listener模式就只能用一些变量来存储中间值，而Visitor可以直接返回计算值；
    • Listener模式使用分配在堆上的显式堆栈，而Visitor模式使用调用堆栈来管理树遍历，在深度嵌套的AST上使用访客时，这可能会导致StackOverFlow异常。

  • 我目前只尝试了Listener的方法，实现如下：

    • 先在上面的run()方法最后加上遍历代码

      ParseTreeWalker walker = new ParseTreeWalker();
      QueryListenerImp evalByListener = new QueryListenerImp();
      walker.walk(evalByListener, tree);
      

    • 然后实现一个QueryListenerImp继承自QueryBaseListener

      public class QueryListenerImp extends QueryBaseListener {
      

    • 然后充血其中的方法，例如下面代码，在访问Expr节点结束后，输出节点内容

      @Override
      public void exitExpr(QueryParser.ExprContext ctx) {
          System.out.println(ctx.getText());
      }
      

  • 之后，就可以根据需求遍历语法树，实现自己想要的需求。

• 最后附上我设计的查询语言的g4文件和遍历Listener文件

  • Query.g4：

    grammar Query;
    
    // parser
    query : expr;
    
    expr : SELECT result FROM repo (WHERE orCondition SEMI)?;
    
    result : resultType (COMMA resultType)*;
    
    resultType : 'class'
        | 'method'
        | 'package'
        | 'dependenceGraph'
        | 'controlFlowFraph'
        | 'callGraph';
    
    repo : app (COMMA app)*;
    
    app : '[' ID ']';
    
    
    // TODO 改为与或表达式
    orCondition : andCondition (operator=OR andCondition)*
        ;
    
    andCondition : conditionExpr (operator=AND conditionExpr)*
        ;
    
    conditionExpr : conditionLeft op=('=' | '!=') conditionRight;
    
    conditionLeft : app DOT type DOT attr;
    
    conditionRight : STRING;
    
    type: 'package'
        | 'class'
        | 'method';
    
    attr : 'name'
        | 'type'
        | 'visibility'
        | 'isAbstract';
    
    // keyword
    SELECT : 'select';
    FROM : 'from';
    WHERE : 'where';
    AND : 'and';
    OR : 'or';
    NOT : 'not';
    COMMA : ',';
    SEMI : ';';
    DOT : '.';
    
    // lexer
    ID  : Letter LetterOrDigit*;
    STRING
        : '\'' ( ~('\''|'\\') | ('\\' .) )* '\''
        | '"' ( ~('"'|'\\') | ('\\' .) )* '"'
        ;
    fragment Letter: [a-zA-Z_];
    fragment Digit : ('0' .. '9') +;
    fragment LetterOrDigit: Letter | Digit;
    
    WS : [ \t\n\r]+ -> skip ;
    

  • QueryListenerImp.java:

    package modelQuery.parser;
    
    import org.antlr.v4.runtime.tree.ParseTreeProperty;
    
    import java.util.HashSet;
    
    public class QueryListenerImp extends QueryBaseListener {
        HashSet resultSet = new HashSet<>();
        HashSet appSet = new HashSet<>();
        StringBuilder condition = new StringBuilder();
        boolean Sign = false;
        public ParseTreeProperty values = new ParseTreeProperty<>();
    
        @Override
        public void exitExpr(QueryParser.ExprContext ctx) {
            if(Sign)
                return;
            else {
                System.out.println("resultSet: " + resultSet);
                System.out.println("appSet: " + appSet);
                System.out.println("condition: " + values.get(ctx.orCondition()));
    
                // 后面调用XQuery查询xml信息库中内容
            }
        }
    
        @Override
        public void exitResultType(QueryParser.ResultTypeContext ctx) {
            resultSet.add(ctx.getText());
            System.out.println("exitResultType: " + ctx.getText());
        }
    
        @Override
        public void exitRepo(QueryParser.RepoContext ctx) {
            for(QueryParser.AppContext appCtx : ctx.app()) {
                appSet.add(appCtx.getText());
            }
        }
    
        @Override
        public void exitOrCondition(QueryParser.OrConditionContext ctx) {
            if(ctx.operator != null){
                values.put(ctx, values.get(ctx.andCondition(0)) + " or " + values.get(ctx.andCondition(1)));
            } else {
    
            }
            values.put(ctx, values.get(ctx.andCondition(0)));
        }
    
        @Override
        public void exitAndCondition(QueryParser.AndConditionContext ctx) {
            if(ctx.operator != null) {
                values.put(ctx, values.get(ctx.conditionExpr(0)) + " and " + values.get(ctx.conditionExpr(1)));
            } else {
                values.put(ctx, values.get(ctx.conditionExpr(0)));
            }
        }
    
        @Override
        public void exitConditionExpr(QueryParser.ConditionExprContext ctx) {
            String left = values.get(ctx.conditionLeft());
            values.put(ctx, left + ctx.op.getText() + ctx.conditionRight().getText());
        }
    
        @Override
        public void exitConditionLeft(QueryParser.ConditionLeftContext ctx) {
            String app = ctx.app().getText();
            if(!appSet.contains(app)) {
                System.err.println(ctx.start.getLine() + ":" + ctx.start.getStartIndex() + ", variable " + ctx.app().getText() + " not defined");
                Sign = true;
                return;
            } else {
                String type = ctx.type().getText();
                String attr = ctx.attr().getText();
                values.put(ctx, "$x/" + type + "/@" + attr);
            }
        }
    }
    

  • 最后可以测试如下语句：

    select class,method, package from [aa],[bb] 
    where [app].method.name = "yyf" 
    and [app].class.name = "www";
    

  • 利用IDEA插件可以看到解析的语法树：

    
    
    test.png