Блог

Я полный новичок в ANTLR.

У меня есть следующая грамматика ANTLR:

 grammar DrugEntityRecognition;

// Parser Rules 

derSentence : ACTION (INT | FRACTION | RANGE) FORM TEXT;

// Lexer Rules

ACTION : 'TAKE' | 'INFUSE' | 'INJECT' | 'INHALE' | 'APPLY' | 'SPRAY' ;

INT : [0-9]  ;

FRACTION : [1] '/' [1-9] ;

RANGE : INT '-' INT ;

FORM : ('TABLET' | 'TABLETS' | 'CAPSULE' | 'CAPSULES' | 'SYRINGE') ;

TEXT : ('A'..'Z' | WHITESPACE | ',')  ;

WHITESPACE : ('t' | ' ' | 'r' | 'n' | 'u000C')  -> skip ;
  

И когда я пытаюсь разобрать предложение следующим образом:

 String upperLine = line.toUpperCase();
org.antlr.v4.runtime.CharStream stream = new ANTLRInputStream(upperLine);
DrugEntityRecognitionLexer lexer = new DrugEntityRecognitionLexer(stream);
lexer.removeErrorListeners();
lexer.addErrorListener(ThrowingErrorListener.INSTANCE);

CommonTokenStream tokenStream = new CommonTokenStream(lexer);
DrugEntityRecognitionParser parser = new DrugEntityRecognitionParser(tokenStream);

try {
        DrugEntityRecognitionParser.DerSentenceContext ctx = parser.derSentence();

        StringBuilder sb = new StringBuilder();

        sb.append("ACTION: ").append(ctx.ACTION());
        sb.append(", ");
        sb.append("FORM: ").append(ctx.FORM());
        sb.append(", ");
        sb.append("INT: ").append(ctx.INT());
        sb.append(", ");
        sb.append("FRACTION: ").append(ctx.FRACTION());
        sb.append(", ");
        sb.append("RANGE: ").append(ctx.RANGE());

        System.out.println(upperLine);
        System.out.println(sb.toString());

  } catch (ParseCancellationException e) {
       //e.printStackTrace();
  }
  

Пример ввода в лексер:

 take 10 Tablet (25MG)  by oral route  every week
  

В этом случае узел ДЕЙСТВИЯ не заполняется, а take распознается только как ТЕКСТОВЫЙ узел, а не как узел ДЕЙСТВИЯ. 10 однако распознается как узел INT.

Как я могу изменить эту грамматику, чтобы она работала правильно, где узел ДЕЙСТВИЯ заполняется правильно (а также ФОРМА, которая также не заполняется)?

В вашей грамматике есть несколько проблем:

1. Ваше ТЕКСТОВОЕ правило соответствует только прописным буквам. То же самое для ДЕЙСТВИЯ.
2. Вы не должны смешивать знаки препинания и текст в одном текстовом правиле (здесь запятая), иначе вы не сможете свободно разрешать пробелы между токенами.
3. Вы вообще не сопоставляете скобки, следовательно (25MG) , ввод недопустим, и анализатор возвращается в состоянии ошибки.
4. Вы не проверяли наличие каких-либо синтаксических ошибок, чтобы узнать, что пошло не так во время распознавания.

Кроме того, если вы сомневаетесь, всегда печатайте свою последовательность токенов из источника токена, чтобы узнать, действительно ли входные данные были помечены, как вы ожидаете. Начните с исправления грамматики, прежде чем переходить к синтаксическому анализатору.

О чувствительности к регистру: обычно (если ваш язык не чувствителен к регистру) у вас есть такие правила:

 fragment A: [aA];
fragment B: [bB];
fragment C: [cC];
fragment D: [dD];
...
  

чтобы сопоставить букву в любом случае, а затем определить ключевые слова так:

 ACTION : T A K E | I N F U S E | I N J E C T |  I N H A L E | A P P L Y  | S P R A Y;