Github的Java语法，用于ANTLR4和C＃目标

Question

我放弃了将C＃语法从ANTLR3.2的版本改为ANTLR4的版本，现在我想制作Java Parser和Visitor。 从Github下载的ANTLR4的Java语法： https ： //github.com/antlr/grammars-v4/blob/master/java/Java.g4是针对任何目标语言编写的，但是某些代码是针对Java目标编写的，而并非使用C＃。 我说的是这些词法规则：

fragment
JavaLetter
:   [a-zA-Z$_] // these are the "java letters" below 0xFF
|   // covers all characters above 0xFF which are not a surrogate
    ~[\u0000-\u00FF\uD800-\uDBFF]
   // {Character.isJavaIdentifierStart(_input.LA(-1))}?
|   // covers UTF-16 surrogate pairs encodings for U+10000 to U+10FFFF
    [\uD800-\uDBFF] [\uDC00-\uDFFF]
    //{Character.isJavaIdentifierStart(Character.toCodePoint((char)_input.LA(-2), (char) _input.LA  (-1)))}?
;

fragment
JavaLetterOrDigit
:   [a-zA-Z0-9$_] // these are the "java letters or digits" below 0xFF
|   // covers all characters above 0xFF which are not a surrogate
    ~[\u0000-\u00FF\uD800-\uDBFF]
   // {Character.isJavaIdentifierPart(_input.LA(-1))}?
|   // covers UTF-16 surrogate pairs encodings for U+10000 to U+10FFFF
    [\uD800-\uDBFF] [\uDC00-\uDFFF]
    //{char.isJavaIdentifierPart(Character.toCodePoint((char)_input.LA(-2), (char)_input.LA(-1)))}?
;

我已经注释了以{Character.isJavaIdentifier ...}开头的目标代码，现在可以了。 我想知道为什么在那儿！？ 我认为，如果之前的标记或之前的2个标记（如果LA（-2））为IdentifierPart，则它返回true，但是操作代码的作用是什么？ 在C＃中， Char对象不支持静态方法isIdentifierPart或类似的东西。

我的问题是：如果取消操作代码，那么在解析Java输入代码期间，解析器是否会在特定的标识符名称上失败？ 如果是，该如何代替C＃目标？

感谢您的答复！ PK

Answer 1

在Java语言规范§3.8中 ，根据Character类上的两个静态方法定义了一个标识符 。

 Identifier: IdentifierChars but not a Keyword or BooleanLiteral or NullLiteral IdentifierChars: JavaLetter {JavaLetterOrDigit} JavaLetter: any Unicode character that is a "Java letter" JavaLetterOrDigit: any Unicode character that is a "Java letter-or-digit" 

“ Java字母”是方法Character.isJavaIdentifierStart(int)返回true的Character.isJavaIdentifierStart(int) 。

“ Java字母或数字”是一个字符， Character.isJavaIdentifierPart(int)方法为其返回true。

语法以特定的方式实现了这一目的，旨在最大限度地提高预期输入的性能。 特别是，来自集合[a-zA-Z0-9_$] （正则表达式语法）的最著名字符直接由语法处理。 语言规范保证此集合将始终被视为标识符字符。

ANTLR 4不会为U + 007F以上的UTF-16代码单元缓存DFA转换，因此，前面描述的集合之外的所有内容都始终在词法分析器的“慢速”路径上。 这些字符不是使用状态机膨胀，而是使用干净且简单的语义谓词来处理。

如果您的源代码未使用U + 007F上方的代码点作为Unicode标识符，则可以安全地将语法简化为以下内容：

fragment
JavaLetter
  :   [a-zA-Z$_] // these are the "java letters" below 0xFF
  ;

fragment
JavaLetterOrDigit
  :   [a-zA-Z0-9$_] // these are the "java letters or digits" below 0xFF
  ;

否则，为获得全面支持，您可以使用C＃目标中的Java-LR.g4语法（在使用前重命名为Java.g4 ）。