python等缩进语言的词法分析实现

python等缩进语言的词法分析实现:

定义两个虚拟的Token:

tokens {
    INDENT;
    DEDENT;
}

还有一个缩进栈,用于确定是缩进一行,还是回退一行:
Stack<Integer> _indentStack = new Stack<Integer>();

在开始做词法分析之前,压入一个默认的Indent,这一步其实没什么必要,只是用来避免写判断栈顶是否为空的冗余判断:
_indentStack = new Stack<Integer>();
_indentStack.push(new Integer(0));

针对每一个新行,首先判断行首是否是空格,如果是空格,则空格计1、Tab键计8个空格，如果仅仅是空行，跳过。如果在碰到行尾之前碰有非空字符，则将空格数与栈顶的空格对比，如果大于，压入当前行的空格数，并生成一个虚拟的Indent Token，如果小于，将所有空格数大于当前行的出栈，并生成一个虚拟的Dedent Token：

NEWLINE
@init {
    int spaces = 0;
}
    :   ((('u000C')?('r')? 'n' ) | 't' | ' ')* (('u000C')?('r')? 'n')
        leading_space = (' ' { spaces++; } | 't' { spaces += 8; spaces -= (spaces % 8); })*
        {
            if ( !_inATable &&
                 (getCharPositionInLine() == 0 ||
                  implicitLineJoiningLevel > 0) ) {
                emit(new ClassicToken(NEWLINE, this.getText(), HIDDEN));
            } else {
                emit(new ClassicToken(NEWLINE, this.getText(), HIDDEN));
            }

            if ( implicitLineJoiningLevel == 0 &&
                 _indentStack.size() > 0) {
                if (spaces > _indentStack.peek().intValue() ) {
                    _indentStack.push(new Integer(spaces));                   
                    emit(new ClassicToken(INDENT, ">"));
                }
                else {
                    while ( spaces < _indentStack.peek().intValue() ) {
                        _indentStack.pop();
                        emit(new ClassicToken(DEDENT, "<"));
                    }
                }
            }
        }
    | ((('u000C')?('r')? 'n' ) | 't' | ' ')* (('u000C')?('r')? 'n')
      (' ' | 't')* '#' (~'n')*
        {
            $channel = HIDDEN;
        }
    ;

当然还要考虑纯注释行，和空格后仅跟有注释的情形。

这样词法分析过程中，缩进的词法分析过程就完了，在语法分析中，Indent是透明的，例如：

compound_stmt
    : IF compound_condition (suite)+ elif_clause* else_clause?
    | assignment
    ;

suite
    : INDENT (compound_stmt)+ (DEDENT | EOF)
    ;

上面的语法中，INDENT和DEDENT就跟括号的处理没什么区别，只不过DEDENT可选，主要是考虑直接在代码后就EOF的情况。