Analizador / Lexer ignorando reglas gramaticales incompletas

Question

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?

Answer 1

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 }