antlr3 unicode 字符导致错误

Question

我正在尝试为支持 unicode 的小型 DSL 编写 antlr3 语法（德语变音符号需要，äöüÄÖÜß），但我似乎无法让它工作。

我编写了一个最小的测试语法，它应该匹配任何 unicode 字符序列，例如“xay”（可以正常工作）或“xäy”（不能正常工作）。

语法如下：

grammar X;

@lexer::header {
import org.antlr.runtime.ANTLRInputStream;
import org.antlr.runtime.ANTLRStringStream;
import org.antlr.runtime.CommonTokenStream;
import java.io.ByteArrayInputStream;
import java.io.IOException;
}

@lexer::members { 

    public static void main(String[] args) throws Exception {
        ANTLRInputStream stream = new ANTLRInputStream( new ByteArrayInputStream("x\u00C4y".getBytes()), "utf-8");
        XLexer lex = new XLexer(stream);
        CommonTokenStream c = new CommonTokenStream(lex);
        XParser p = new XParser(c);
        p.x();
    }

}

x   :    UTF8+;

UTF8 :  ('\u0000'..'\uF8FF');

对于“xäx”，我收到以下错误：

line 1:1 mismatched character '?' expecting set null

我错过了什么？

谢谢！

Answer 1

我编译了你的语法（使用 Antlr 3.4），它对我来说没有问题。这正是我所做的：

$ java -jar antlr-3.4-complete-no-antlrv2.jar X.g
$ javac -cp antlr-3.4-complete-no-antlrv2.jar XLexer.java XParser.java
$ CLASSPATH=$CLASSPATH:./antlr-3.4-complete-no-antlrv2.jar:./XLexer.class:./XParser.class java XLexer

我还插入了一些代码在解析之前将字符串打印到 STDOUT，它打印了预期的字符串 xÄy。

一个想法，但是：也许您的 默认编码（我认为，在 JVM 启动时在 file.encoding 属性中指定）设置为UTF-8 以外的东西。要对此进行测试，请尝试在对 getBytes() 的调用中明确指定编码：

ANTLRInputStream stream = new ANTLRInputStream( new ByteArrayInputStream("x\u00C4y".getBytes("UTF-8")), "utf-8");