Cómo identificar una cadena, pero de los casos insensible?

Question

Digamos que quiero para que coincida con "cerveza", pero no se preocupan por mayúsculas y minúsculas.

Actualmente estoy definiendo un símbolo para ser ( 'b' | 'B' 'e' | 'E' 'e' | 'E' 'r' | 'R'), pero tengo un montón de tales y don 't realmente quieren manejar 'verilythisisaverylongtokenindeedomyyesitis'.

El antlr wiki parece sugerir que no se puede hacer (en antlr) ... pero me preguntaba si alguien tenía algunos trucos inteligentes ...

Answer 1

¿Qué hay de definir un símbolo de léxico para cada carácter identificador permisible, luego construir el token analizador como una serie de esos?

beer: B E E R;

A : 'A'|'a';
B: 'B'|'b';

etc.

Answer 2

Me gustaría añadir a la respuesta aceptada: un conjunto -hecha lista se puede encontrar en bloques de construcción caso insensible antlr , y la porción relevante incluyen a continuación para mayor comodidad

fragment A:('a'|'A');
fragment B:('b'|'B');
fragment C:('c'|'C');
fragment D:('d'|'D');
fragment E:('e'|'E');
fragment F:('f'|'F');
fragment G:('g'|'G');
fragment H:('h'|'H');
fragment I:('i'|'I');
fragment J:('j'|'J');
fragment K:('k'|'K');
fragment L:('l'|'L');
fragment M:('m'|'M');
fragment N:('n'|'N');
fragment O:('o'|'O');
fragment P:('p'|'P');
fragment Q:('q'|'Q');
fragment R:('r'|'R');
fragment S:('s'|'S');
fragment T:('t'|'T');
fragment U:('u'|'U');
fragment V:('v'|'V');
fragment W:('w'|'W');
fragment X:('x'|'X');
fragment Y:('y'|'Y');
fragment Z:('z'|'Z');

Así que es un ejemplo

   HELLOWORLD : H E L L O W O R L D;

Answer 3

Definir tokens mayúsculas y minúsculas con

BEER: [Bb] [Ee] [Ee] [Rr];

Answer 4

Nueva página de documentación ha aparecido en antlr GitHub repo: entre mayúsculas y minúsculas Lexing . Se pueden utilizar dos enfoques:

1. El que se describe en la respuesta de @ javadba
2. O añadir un flujo de caracteres de su código, que va a transformar un flujo de entrada para bajar o mayúsculas. Ejemplos de los principales idiomas se pueden encontrar en la misma página doc.

Mi opinión, es mejor utilizar el primer enfoque y tener la gramática que describe todas las reglas. Pero si se utiliza la gramática conocida, por ejemplo, de gramáticas escritas para antlr v4 , luego la segunda enfoque puede ser más apropiado.

Answer 5

Una solución que he usado en C #: utilice el código ASCII para cambiar el carácter de caja más pequeña

.

class CaseInsensitiveStream : Antlr4.Runtime.AntlrInputStream {
  public CaseInsensitiveStream(string sExpr)
     : base(sExpr) {
  }
  public override int La(int index) {
     if(index == 0) return 0;
     if(index < 0) index++;
     int pdx = p + index - 1;
     if(pdx < 0 || pdx >= n) return TokenConstants.Eof;
     var x1 = data[pdx];
     return (x1 >= 65 && x1 <= 90) ? (97 + x1 - 65) : x1;
  }
}