我是一名語言工程師：我使用多種工具來定義和處理語言。 在其他工具中，我使用ANTLR：它簡單，靈活，可以圍繞它進行構建。

但是，我發現自己圍繞ANTLR為不同的項目重建了類似的工具。 我看到兩個問題：

• ANTLR是一個非常好的構建基塊，但是僅使用ANTLR并不能做很多事情：價值在于我們可以在AST上進行的處理，而且我看不到ANTLR周圍的圖書館生態系統
• ANTLR不會產生語法的元模型：沒有它，就很難圍繞ANTLR構建通用工具

讓我解釋一下：

• 對于具有EMF經驗的人：我們基本上每個語法都需要一個Ecore等效項。
• 對于其他：請閱讀下一段

為什么我們需要一個元模型

假設我想構建一個通用庫，以通過ANTLR生成的AST生成XML文件或JSON文檔。 我該怎么辦？

好吧，給定一個ParseRuleContext，我可以獲取規則索引并找到名稱。 我為Python語法生成了解析器，并提供了一些示例，因此，讓我們看一下如何使用實際的類：

Python3Parser.Single_inputContext astRoot = pythonParse(...my code...); String ruleName = Python3Parser.ruleNames[astRoot.getRuleIndex()];

好。 現在，假設我想將所有終端添加為屬性，并將所有非終端添加為XML節點為Single_inputContext生成的子節點。

讓我們看一下類Single_inputContext：

public static class Single_inputContext extends ParserRuleContext {public TerminalNode NEWLINE() { return getToken(Python3Parser.NEWLINE, 0); }public Simple_stmtContext simple_stmt() {return getRuleContext(Simple_stmtContext.class,0);}public Compound_stmtContext compound_stmt() {return getRuleContext(Compound_stmtContext.class,0);}public Single_inputContext(ParserRuleContext parent, int invokingState) {super(parent, invokingState);}@Override public int getRuleIndex() { return RULE_single_input; }@Overridepublic void enterRule(ParseTreeListener listener) {if ( listener instanceof Python3Listener ) ((Python3Listener)listener).enterSingle_input(this);}@Overridepublic void exitRule(ParseTreeListener listener) {if ( listener instanceof Python3Listener ) ((Python3Listener)listener).exitSingle_input(this);} }

在這種情況下，我想：

• 使用NEWLINE作為屬性
• 將simple_stmt和compound_stmt用作子項

我應該得到這樣的東西：

<Single_input NEWLINES="..."><Simple_stmt>...</Simple_stmt><Compund_stmt>...</Compunt_stmt> </root>

好。 對我來說，看課并識別這些元素非常容易，但是我如何自動做到這一點呢？

反思，顯然，您會思考。

是。 那行得通。 但是，如果我們有多個元素怎么辦？ 參加本課：

public static class File_inputContext extends ParserRuleContext {public TerminalNode EOF() { return getToken(Python3Parser.EOF, 0); }public List NEWLINE() { return getTokens(Python3Parser.NEWLINE); }public TerminalNode NEWLINE(int i) {return getToken(Python3Parser.NEWLINE, i);}public List stmt() {return getRuleContexts(StmtContext.class);}public StmtContext stmt(int i) {return getRuleContext(StmtContext.class,i);}public File_inputContext(ParserRuleContext parent, int invokingState) {super(parent, invokingState);}@Override public int getRuleIndex() { return RULE_file_input; }@Overridepublic void enterRule(ParseTreeListener listener) {if ( listener instanceof Python3Listener ) ((Python3Listener)listener).enterFile_input(this);}@Overridepublic void exitRule(ParseTreeListener listener) {if ( listener instanceof Python3Listener ) ((Python3Listener)listener).exitFile_input(this);} }

現在，方法NEWLINE和stmt返回列表。 您可能還記得，一般而言，泛型在Java的反射中不能很好地工作。 在這種情況下，我們很幸運，因為有一個解決方案：

Class clazz = Python3Parser.File_inputContext.class; Method method = clazz.getMethod("stmt"); Type listType = method.getGenericReturnType(); if (listType instanceof ParameterizedType) {Type elementType = ((ParameterizedType) listType).getActualTypeArguments()[0];System.out.println("ELEMENT TYPE "+elementType); }

這將打印：

元素類型類me.tomassetti.antlrplus.python.Python3Parser $ StmtContext

因此，我們也可以介紹泛型。 好的，使用反射并不理想，但是我們可以從中提取一些信息。

我不是100％肯定會足夠，但是我們可以開始。

元模型應該如何？

為了定義元模型，我不會嘗試任何幻想。 我將使用基于EMF的經典模式，該模式類似于MPS中提供的模式。

我將添加一種名為Package或Metamodel的容器。 包中將列出幾個實體。 我們也可以將其中一個實體標記為根實體。

每個實體將具有：

• 一個名字
• 可選的父實體（從其繼承屬性和關系）
• 屬性列表
• 關系清單

每個屬性將具有：

• 一個名字
• 從原始類型中選擇的一種類型。 實際上，我希望只使用String和Integers。 將來可能枚舉
• 多重性（1個或多個）

每個關系將具有：

• 一個名字
• 種類： 包含或引用 。 現在，AST只知道容器 ，但是稍后我們可以實現符號解析和模型轉換，在那個階段我們將需要引用
• 目標類型：另一個實體
• 多重性（1個或多個）

下一步

我將開始構建一個元模型，然后再利用該元模型來構建通用工具。

通常還需要執行其他操作：

• 轉換：我通常從ANTLR獲得的AST是由我如何表達語法以獲取可解析內容的方式決定的。 有時我還必須進行一些重構以提高性能。 我想在解析后轉換AST，以更接近語言的邏輯結構。
• 取消編組：我想從AST進行測試
• 符號解析：這絕對不是一件容易的事，因為我發現為Java構建符號求解器

是的，我知道有些人在想： 只需使用Xtext即可 。 雖然我喜歡EMF（Xtext建立在它上面），但它的學習曲線陡峭，我看到很多人對此感到困惑。 我也不喜歡OSGi在非OSGi世界中的表現。 最終，Xtext帶有很多依賴項。

別誤會：我認為Xtext在許多情況下都是一個了不起的解決方案。 但是，有些客戶更喜歡精簡的方法。 對于有意義的情況，我們需要一種替代方法。 我認為它可以建立在ANTLR之上，但是還有很多工作要做。

幾年前，我為.NET構建了類似的東西，并將其稱為NetModelingFramework 。

翻譯自: https://www.javacodegeeks.com/2016/05/need-generic-library-around-antlr-using-reflection-build-metamodel.html

總結

以上是生活随笔為你收集整理的关于ANTLR的通用库的需求：使用反射来构建元模型的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。