Analizador / Lexer ignorando reglas gramaticales incompletas
Pregunta
Tengo un analizador y lexer escrito en ocamlyacc y ocamllex. Si el archivo a analizar termina prematuramente, como en Olvidé un punto y coma al final de una línea, la aplicación no genera un error de sintaxis. Me doy cuenta de que es porque estoy elevando y capturando EOF y eso está haciendo que el lexer ignore la regla inacabada, pero ¿cómo debería hacer esto para generar un error de sintaxis?
Aquí está mi analizador actual (simplificado),
%{
let parse_error s = Printf.ksprinf failwith "ERROR: %s" s
%}
%token COLON
%token SEPARATOR
%token SEMICOLON
%token <string> FLOAT
%token <string> INT
%token <string> LABEL
%type <Conf.config> command
%start command
%%
command:
| label SEPARATOR data SEMICOLON { Conf.Pair ($1,$3) }
| label SEPARATOR data_list { Conf.List ($1,$3) }
| label SEMICOLON { Conf.Single ($1) }
label :
| LABEL { Conf.Label $1 }
data :
| label { $1 }
| INT { Conf.Integer $1 }
| FLOAT { Conf.Float $1 }
data_list :
| star_data COMMA star_data data_list_ending
{ $1 :: $3 :: $4 }
data_list_ending:
| COMMA star_data data_list_ending { $2 :: $3 }
| SEMICOLON { [] }
y lexxer (simplificado),
{
open ConfParser
exception Eof
}
rule token = parse
| ['\t' ' ' '\n' '\010' '\013' '\012']
{ token lexbuf }
| ['0'-'9']+ ['.'] ['0'-'9']* ('e' ['-' '+']? ['0'-'9']+)? as n
{ FLOAT n }
| ['0'-'9']+ as n { INT n }
| '#' { comment lexbuf }
| ';' { SEMICOLON }
| ['=' ':'] { SEPARATOR }
| ',' { COMMA }
| ['_' 'a'-'z' 'A'-'Z']([' ']?['a'-'z' 'A'-'Z' '0'-'9' '_' '-' '.'])* as w
{ LABEL w }
| eof { raise Eof }
and comment = parse
| ['#' '\n'] { token lexbuf }
| _ { comment lexbuf }
archivo de entrada de ejemplo,
one = two, three, one-hundred;
single label;
list : command, missing, a, semicolon
Una solución es agregar una llamada recursiva en la regla de comando al final, y agregar una regla vacía, todo lo cual crea una lista para volver al programa principal. Creo que tal vez interprete Eof como una expectativa y una condición final, en lugar de un error en el lexer, ¿es correcto?
Solución
ocamlyacc
no necesariamente consume toda la entrada. Si desea forzarlo a fallar si toda la entrada no se puede analizar, debe hacer coincidir EOF
en su gramática. En lugar de elevar Eof
en su lexer, agregue un token EOF
y cambie su símbolo start
a
%type <Conf.config list> main
main:
EOF { [] }
| command main { $1::$2 }