如何为一个 fslex 规则模式返回多个令牌？

Question

使用 fslex 我想为一个模式返回多个标记，但我看不到如何实现它。甚至使用另一个返回多个令牌的规则函数也对我有用。

我正在尝试使用这样的东西：

let identifier = [ 'a'-'z' 'A'-'Z' ]+

// ...

rule tokenize = parse
// ...
| '.' identifier '(' { let value = lexeme lexbuf
                       match operations.TryFind(value) with
                      // TODO: here is the problem:
                      // I would like to return like [DOT; op; LPAREN]
                      | Some op -> op
                      | None    -> ID(value) }

| identifier         { ID (lexeme lexbuf) }
// ...

我在这里要解决的问题是匹配预定义令牌（请参阅：operations 映射），前提是 identifier 介于 . 和 ( 之间。否则，匹配应返回为ID。

我对 fslex 还很陌生，所以我很高兴看到正确方向的任何指示。

Answer 1

好的，就是这样。

每个词法分析器规则（即rule <name> = parse .. cases ..）定义了一个函数<name> : LexBuffer<char> -> 'a，其中'a 可以是任何类型。通常，您返回令牌（可能由 FsYacc 为您定义），因此您可以像这样解析文本：

let parse text =
    let lexbuf = LexBuffer<char>.FromString text
    Parser.start Lexer.tokenize lexbuf

Parser.start 是解析函数（来自您的 FsYacc 文件），类型为 (LexBuffer<char> -> Token) -> LexBuffer<char> -> AST（Token 和 AST 是您的类型，它们没什么特别之处）。

在你的情况下，你想要<name> : LexBuffer<char> -> 'a list，那么你所要做的就是：

let parse' text =
    let lexbuf = LexBuffer<char>.FromString text
    let tokenize =
        let stack = ref []
        fun lexbuf ->
        while List.isEmpty !stack do
            stack := Lexer.tokenize lexbuf
        let (token :: stack') = !stack // can never get match failure,
                                        // else the while wouldn't have exited
        stack := stack'
        token
    Parser.start tokenize lexbuf

这只是保存您的词法分析器提供的标记，并将它们一一提供给解析器（并根据需要生成更多标记）。

Answer 2

尝试保留语义分析，如“...仅当标识符介于 . 和 (” 之间时，您的词法分析器 (fslex)，而不是将其保存为您的解析器 (fsyacc)。即，一种选择是保留您的词法分析器不知道operations：

let identifier = [ 'a'-'z' 'A'-'Z' ]+    
// ...
rule tokenize = parse
// ...
| '.' { DOT }
| '(' { LPAREN }
| identifier { ID (lexeme lexbuf) }
// ...

然后在 fsyacc 中使用如下规则解决问题：

| DOT ID LPAREN { match operations.TryFind($2) with
                  | Some op -> Ast.Op(op)
                  | None    -> Ast.Id($2) }

更新回应评论：

也许在你的词法分析器中有以下内容：

let identifier = [ 'a'-'z' 'A'-'Z' ]+   
let operations =
  [
    "op1", OP1
    "op2", OP2
    //...
  ] |> Map.ofList 

// ...
rule tokenize = parse
// ...
| '.' { DOT }
| '(' { LPAREN }
| identifier 
  { 
    let input = lexeme lexbuf
    match keywords |> Map.tryFind input with
    | Some(token) -> token
    | None -> ID(input) 
  }
// ...

在你的解析器中：

| DOT ID LPAREN { ... }
| DOT OP1 LPAREN { ... }
| DOT OP2 LPAREN { ... }

因此，您在解析器中强制执行 IDs 和 operations 必须介于 DOT 和 LPAREN 之间的规则，同时保持词法分析器应保持简单（提供 令牌流，几乎没有强制执行令牌相互之间的有效性）。

Answer 3

（这是一个单独的答案）

对于这种特定情况，这可能会更好地解决您的问题：

...

rule tokenize = parse
...
| '.' { DOT }
| '(' { LPAREN }
| identifier { ID (lexeme lexbuf) }

...

及用法：

let parse'' text =
    let lexbuf = LexBuffer<char>.FromString text
    let rec tokenize =
        let stack = ref []
        fun lexbuf ->
        if List.isEmpty !stack then
            stack := [Lexer.tokenize lexbuf]
        let (token :: stack') = !stack // can never get match failure,
                                        // else the while wouldn't have exited
        stack := stack'
        // this match fixes the ID to an OP, if necessary
        // multiple matches (and not a unified large one),
              // else EOF may cause issues - this is quite important
        match token with
        | DOT ->
          match tokenize lexbuf with
          | ID id ->
            match tokenize lexbuf with
            | LPAREN ->
              let op = findOp id
              stack := op :: LPAREN :: !stack
            | t -> stack := ID id :: t :: !stack
          | t -> stack := t :: !stack
        | _ -> ()
        token
    Parser.start tokenize lexbuf

这会将 ID 修复为操作，如果它们被 DOT 和 LPAREN 包围，那么只有这样。

P.S.：我有 3 个单独的匹配项，因为统一匹配需要使用 Lazy<_> 值（这将使其更不可读），或者会在 [DOT; EOF] 序列上失败，因为它会期望额外的第三个令牌。