Parser / Lexer ignorando le regole grammaticali incomplete

Question

Ho un parser e un lexer scritti in ocamlyacc e ocamllex. Se il file da analizzare termina prematuramente, come ho dimenticato un punto e virgola alla fine di una riga, l'applicazione non genera un errore di sintassi. Mi rendo conto che sto sollevando e catturando EOF e questo fa sì che il lexer ignori la regola incompleta, ma come dovrei farlo per sollevare un errore di sintassi?

Ecco il mio attuale parser (semplificato),

%{
    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                         { []                    }

e lexxer (semplificato),

{
    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 }

esempio di file di input,

one = two, three, one-hundred;
single label;
list : command, missing, a, semicolon

Una soluzione, è quella di aggiungere una chiamata ricorsiva nella regola di comando a se stessa alla fine e l'aggiunta di una regola vuota, che creano tutti un elenco per tornare al programma principale. Penso che forse interpretando Eof come aspettativa e condizione finale, piuttosto che un errore nel lexer, è corretto?

Answer 1

ocamlyacc non consuma necessariamente l'intero input. Se vuoi forzarlo a fallire se l'intero input non è analizzabile, devi abbinare EOF nella tua grammatica. Invece di aumentare Eof nel tuo lexer, aggiungi un token EOF e cambia il tuo simbolo start in

%type <Conf.config list> main

main:
    EOF { [] }
  | command main { $1::$2 }