[英]How do I match unicode characters in antlr
我试图在文本中挑选所有标记,并且需要匹配所有Ascii和Unicode字符,所以这就是我如何将它们排除在外。
fragment CHAR : ('A'..'Z') | ('a'..'z');
fragment DIGIT : ('0'..'9');
fragment UNICODE : '\u0000'..'\u00FF';
现在,如果我将令牌规则写为:
TOKEN : (CHAR|DIGIT|UNICODE)+;
我得到“决定可以匹配输入,例如”'A'..'Z'“使用多种选择:1,3结果,替代(s)3被禁用该输入”“决定可以匹配输入,如”' 0'..'9'“使用多个替代方案:2,3结果,替代(s)3被禁用该输入”
没有任何东西可以匹配:而且如果我把它写成
TOKEN : (UNICODE)+;
什么都没有匹配。
有没有办法做到这一点。
如果您计划使用Unicode,另外要考虑的另一个问题是您应该设置charvocabulary
选项以表示您要允许Unicode范围为0到FFFE中的任何char
options
{
charVocabulary='\u0000'..'\uFFFE';
}
您通常会在示例中看到的默认值是
options
{
charVocabulary = '\3'..'\377';
}
涵盖上述观点。 通常,如果您需要ascii字符范围'A'..'Z'
和unicode范围,您将制作一个unicode词法分析器规则,如: '\'..'\'
实际上, TOKEN: (UNICODE)+
完全没用。
由于所有内容都是令牌字符,因此,如果您尝试使用此类规则来匹配Java程序,那么它将简单地匹配整个程序并将其作为一个大令牌返回给您。
如果你想将你的输入分成有意义的片段,你真的需要将你的角色分成不同的组。
它可能会帮助您了解“专业人士”是如何做到的。 这是Java的BNF语法 ,这里有一个标识符的BNF ,它显示了他们如何解决问题
identifier
::= "a..z,$,_" { "a..z,$,_,0..9,unicode character over 00C0" }
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.