作者简介 zqlu 蚂蚁金服·数据体验技术团队
一、前言
在前端开发中，通常提到语法解析等功能，这是都是有后端负责提供接口，前端调用。那么前端是否能自主完成语法解析相关的功能，并在浏览器中运行呢？答案是肯定，本文将描述一种简化的语言称为Expr语言，并在浏览器中完成对输入的Expr代码做错误验证、执行和翻译等等功能。
二、简化的Expr语言
首先，介绍下我们的Expr语言，Expr语言是本文假设的一种简化的类C的语言，代码片段如下：
a = 2;
b = 3
c = a * (b + 2);
d = a / (c - 1);
a; // 应该输出2
b; // 应该输出3
c;
d;
前4行的行为是大家熟悉的赋值表达式，最后4行为打印语句，即依次打印各个变量的值，当然这里也包含了我们熟悉的注释。
问题来了，我们能在前端自主解析Expr语法的代码，并解释执它们吗？ 如果代码片段中有错误，我们能给出准确的错误提示信息吗？还有更多有趣的问题，我们的Expr语言采用了中缀表达式，我们能把输入代码翻译成前缀表达式代码吗？我们能对输入的代码片段做代码格式化吗？我们能把Expr代码翻译成其他语言的源码吗？
首先看看最后的Demo，我们可以在Demo页面代码框输入Expr语言的代码，点击执行按钮，即可以看到执行后的结果：
这些功能是在浏览器利用ANTLR v4来完成语法解析，并最终实现了语法验证、解释执行等功能。
三、初识ANTLR v4
ANTLR的介绍
Antlr4是ANother Tool for Language Recognition即另一个语言识别工具，官方介绍为Antlr4是一款强大的解析器生成工具，可用来读取、处理、执行和翻译结构化文本或二进制文件。
Antlr4生成的解析器包含了词法分析程序和语法分析程序，没错，这就是编译原理课程中的词法分析和语法分析。写了几年前端是不是都忘记了，我们只需要知道词法分析程序是将输入的代码字符序列转换成标记(Token)序列的程序，而语法分析程序则是将标记序列转换成语法树的程序。好在按照Antlr4规范制定了语法定义，Antlr4就可以为我们生成解析器源码，它不仅可以生成Java源码，还可以生成我们前端方便的JavaScript和TypeScript源码。不错，在本文，我们就是要用Antlr4生成的TypeScript版的解析器，来解析我们的Expr语言代码。
ANTLR v4的安装使用
关于Antlr4的安装和使用，大家可以参照Github上的Getting Started with ANTLR v4，这里不作介绍。简单来说，使用 ANTLR v4，一般分为三步：
- 按照 ANTLR v4 的编写待解析语言的语法定义文件，主流语言的 ANTLR v4 语法定义可以找仓库antlr/grammars-v4中找到，一般以g4为语法定义文件后缀
- 运行 ANTLR 工具，生成指定目标语言的解析器源代码
- 使用生成的解析器完成代码的解析等
四、Expr语言的语法定义
按照上述的介绍，为了实现解释执行我们的Expr语言，首先第一步需要按照 ANTLR v4 的规范来定义Expr语言的语法定义文件Expr.g4。这里简单介绍下ANTLR v4的语法定义的思路，更多详细介绍可以参照 ANTLR 作者的著作《The Definitive ANTLR 4 Reference》。
语法规则
ANTLR v4的语法定义文件以语法声明语句和一系列语法规则语法，大致结构如下：
grammar Name; # 申明名为Name的语法
# 一次定义语法规则
rule1
rule2
...
ruleN
其中每条语法规则结构如：
ruleName: alternative1 | alternative2 | alternative3 ;
这条语法规则申明一条名为ruleName的规则，其中|表名为分支、即改规则可以匹配三个分支中的任何一个。
最后，ANTLR v4 的语法规则分为词法(Lexer)规则和语法(Parser)规则：词法规则定义了怎么将代码字符串序列转换成标记序列；语法规则定义怎么将标记序列转换成语法树。通常，词法规则的规则名以大写字母命名，而语法规则的规则名以小写字母开始。
Expr语法
具体到我们的Expr语法，定义的语法Expr.g4如下：
grammar Expr;
prog
: stat+ ;
stat
: exprStat
| assignStat
;
exprStat
: expr SEMI
;
assignStat
: ID EQ expr SEMI
;
expr
: expr op = (MUL | DIV ) expr # MulDivExpr
| expr op = ( ADD | SUB ) expr # AddSubExpr
| INT # IntExpr
| ID # IdExpr
| LPAREN expr RPAREN # ParenExpr
;
MUL : '*' ;
DIV : '/' ;
ADD : '+' ;
SUB : '-' ;
LPAREN : '(' ;
RPAREN : ')' ;
ID : LETTER (LETTER | DIGIT)* ;
INT : [0-9]+ ;
EQ : '=' ;
SEMI : ';' ;
COMMENT : '//' ~[\r\n]* '\r'? '\n'? -> channel(HIDDEN);
WS : [ \r\n\t]+ -> channel(HIDDEN);
fragment
LETTER : [a-zA-Z] ;
fragment
DIGIT : [0-9] ;
可以看到，语法定义是采用自顶向下的设计方法，我们的Expr代码以规则prog作为根规则，prog由多条语句stat组成；而语句stat可以是表达式语句exprState活着赋值语句assignState；依次向下，到最后一层语法规则表达式expr，表达式可以是由表达式组成的加减乘除运算，或者是整数INT、变量ID，注意expr规则使用了递归的表达，即在expr规则的定义中引用了expr，这也是ANTLR v4的一个特点。 最后这里定义的词法规则包含了加减乘除、括号、变量、整数、赋值、注释和空白等规则；注意其中的注释(COMMENT)和空白(WS)规则定义的channel(HIDDEN)，这是标记我们的语法解析需要忽略注释和空白。
有了语法定义Expr.ge，就可以生成我们需要的解析器源码了，这里采用antlr4ts，在package.json中添加script：
"scripts": {
"antlr4ts": "antlr4ts -visitor Expr.g4 -o src/parser"
},
"dependencies": {
"antlr4ts": "^0.4.1-alpha.0"
}
"devDependencies": {
"antlr4ts-cli": "^0.4.0-alpha.4",
"typescript": "^2.5.3",
},
执行 npm run antlr4ts，就可以在src/parser目录看到生成的Expr解析器的TypeScript源代码了。
五、 Expr语言解释器
有了Expr语言的解析器，我们就可以利用解析器来实现我们的Expr语言解释器，具体需要达到的目的即，输入Expr语言代码，最后能打印出执行结果。
代码和语法树
具体如何利用ANTLR来解释执行输入的Expr代码呢，我们先看下对以下输入代码，ANTLR生成的Token 序列和语法树是怎样的？
a = 1;
b = a + 1;
b;
词法解析得到的Token序列如下图所示，共解析为22个Token，每个Token包含了Token的序号，Token的文本，Token的类型；如序号为0的Token，文本为'a'，类型为'ID'，即匹配了我们上面在Expr.g4的词法规则ID。
语法树结构如下图所示，树中的节点都对应了在Expr.g4中定义的语法规则或词法规则，有一点需要注意的是，语法树中所有的叶子节点都对应到词法规则或者字符常量，这也是我们在设计Expr.g4中自顶向下的设计方法一样的。
可以看到，跟节点为prog规则节点，它的子节点为三个语句stat节点，其中前两个子节点为赋值语句assignStat节点，最后一个的子节点为表达式语句节点statExpr。根据在第一部分的定义，针对这段代码，我们需要识别出代码中的表达式语句并打印该表达式的值。具体到这个例子中，这段输入代码中只用一个表达式语句，其中的表达式为变量b，为了打印b的值，我们需要通过解释前两条语句，计算出b的值（这里给出舍得，变量的引用必须在变量的定义之后）。所以，整体的思路即我们需要按顺序解释每条语句，并记住语句解释过程中出现的变量和其值，在后续语句的解释过程中，如果遇到变量的引用，需要查找该变量的值。
使用Visitor来访问语法树
为了实现上述的解释过程，我们需要区遍历访问解析器解析出来的语法树，ANTLR提供了两种机制来访问生成的语法树：Listener和Visitor，使用Listener模式来访问语法树时，ANTLR内部的ParserTreeWalker在遍历语法树的节点过程中，在遇到不同的节点中，会调用提供的listener的不同方法；而使用Visitor模式时，visitor需要自己来指定如果访问特定类型的节点，ANTLR生成的解析器源码中包含了默认的Visitor基类/接口ExprVisitor.ts，在使用过程中，只需要对感兴趣的节点实现visit方法即可，比如我们需要访问到exprStat节点，只需要实现如下接口：
export interface ExprVisitor<Result> extends ParseTreeVisitor<Result> {
...
/**
* Visit a parse tree produced by `ExprParser.exprStat`.
* @param ctx the parse tree
* @return the visitor result
*/
visitExprStat?: (ctx: ExprStatContext) => Result;
...
}
介绍完了如果使用Visitor来访问语法树中的节点后，我们来实现Expr解释器需要的Visitor：ExprEvalVisitor。
上面提到在访问语法树过程中，我们需要记录遇到的变量和其值、和最后的打印结果，我们使用Visitor内部变量来保存这些中间值：
class ExprEvalVisitor extends AbstractParseTreeVisitor<number>
implements ExprVisitor<number> {
// 保存执行输出结果
private buffers: string[] = [];
// 保存变量
private memory: { [id: string]: number } = {};
}
我们需要访问语法树中的哪些节点呢？首先，为了最后的结果，对表达式语句exprState的访问是最重要的，我们访问表达式语句中的表达式得到表达式的值，并将值打印到执行结果中。由于表达式语句是由表达式加分号组成，我们需要继续访问表达式得到这条语句的值，而对于分号，则忽略：
class ExprEvalVisitor extends AbstractParseTreeVisitor<number>
implements ExprVisitor<number> {
// 保存执行输出结果
private buffers: string[] = [];
// 保存变量
private memory: { [id: string]: number } = {};
// 访问表达式语句
visitExprStat(ctx: ExprStatContext) {
const val = this.visit(ctx.expr());
this.buffers.push(`${val}`);
return val;
}
}
上面递归的访问了表达式语句中的表达式节点，那表达式阶段的访问方法是怎样的？回到我们的语法定义Expr.g4，表达式是由5条分支组成的，对于不同的分支，处理方法不一样，因此我们对不同的分支使用不同的访问方法。我们在不同的分支后面添加了不同的注释，这些注释生成的解析器中，可以用来区分不同类型的节点，在生成的Visitor中，由可以看到不同的接口：
export interface ExprVisitor<Result> extends ParseTreeVisitor<Result> {
...
/**
* Visit a parse tree produced by the `MulDivExpr`
* labeled alternative in `ExprParser.expr`.
* @param ctx the parse tree
* @return the visitor result
*/
visitMulDivExpr?: (ctx: MulDivExprContext) => Result;
/**
* Visit a parse tree produced by the `IdExpr`
* labeled alternative in `ExprParser.expr`.
* @param ctx the parse tree
* @return the visitor result
*/
visitIdExpr?: (ctx: IdExprContext) => Result;
/**
* Visit a parse tree produced by the `IntExpr`
* labeled alternative in `ExprParser.expr`.
* @param ctx the parse tree
* @return the visitor result
*/
visitIntExpr?: (ctx: IntExprContext) => Result;
/**
* Visit a parse tree produced by the `ParenExpr`
* labeled alternative in `ExprParser.expr`.
* @param ctx the parse tree
* @return the visitor result
*/
visitParenExpr?: (ctx: ParenExprContext) => Result;
/**
* Visit a parse tree produced by the `AddSubExpr`
* labeled alternative in `ExprParser.expr`.
* @param ctx the parse tree
* @return the visitor result
*/
visitAddSubExpr?: (ctx: AddSubExprContext) => Result;
...
}
所以，在我们的ExprEvalVisitor中，我们通过实现不同的接口来访问不同的表达式分支，对于AddSubExpr分支，实现的访问方法如下：
visitAddSubExpr(ctx: AddSubExprContext) {
const left = this.visit(ctx.expr(0));
const right = this.visit(ctx.expr(1));
const op = ctx._op;
if (op.type === ExprParser.ADD) {
return left + right;
}
return left - right;
}
对于MulDivExpr，访问方法相同。对于IntExpr分支，由于其子节点只有INT节点，我们只需要解析出其中的整数即可：
visitIntExpr(ctx: IntExprContext) {
return parseInt(ctx.INT().text, 10);
}
对于IdExpr分支，其子节点只有变量ID，这个时候就需要在我们的保存的变量中去查找这个变量，并取出它的值：
visitIdExpr(ctx: IdExprContext) {
const id = ctx.ID().text;
if (this.memory[id] !== undefined) {
return this.memory[id];
}
return 0;
}
对于最后一个分支ParenExpr，它的访问方法很简单，只需要访问到括号内的表达式即可：
visitParenExpr(ctx: ParenExprContext) {
return this.visit(ctx.expr());
}
到这里，你可以发现了，我们上述的访问方法加起来，我们只有从memory读取变量的过程，没有想memory写入变量的过程，这就需要我们访问赋值表达式assignExpr节点了：对于赋值表达式，需要识别出等号左边的变量名，和等号右边的表达式，最后将变量名和右边表达式的值保存到memory中：
visitAssignStat(ctx: AssignStatContext) {
const id = ctx.ID().text;
const val = this.visit(ctx.expr());
this.memory[id] = val;
return val;
}
解释执行Expr语言
至此，我们的VisitorExprEvalVisitor已经准备好了，我们只需要在对指定的输入代码，使用visitor来访问解析出来的语法树，就可以实现Expr代码的解释执行了：
// Expr代码解释执行函数
// 输入code
// 返回执行结果
function execute(code: string): string {
const input = new ANTLRInputStream(code);
const lexer = new ExprLexer(input);
const tokens = new CommonTokenStream(lexer);
const parser = new ExprParser(tokens);
const visitor = new ExprEvalVisitor();
const prog = parser.prog();
visitor.visit(prog);
return visitor.print();
}
六、Expr代码前缀表达式翻译器
通过前面的介绍，我们已经通过通过ANTLR来解释执行Expr代码了。结合ANTLR的介绍：ANTLR是用来读取、处理、执行和翻译结构化的文本。那我们能不能用ANTLR来翻译输入的Expr代码呢？在Expr语言中，表达式是我们常见的中缀表达式，我们能将它们翻译成前缀表达式吗？还记得数据结构课程中如果利用出栈、入栈将中缀表达式转换成前缀表达式的吗？不记得么关系，利用ANTLR生成的解析器，我们也可以简单的换成转换。
举例，对如下Expr代码：
a = 2;
b = 3;
c = a * (b + 2);
c;
我们转换之后的结果如下，我们支队表达式做转换，而对赋值表达式则不做抓换，即代码中出现的表达式都会转换成：
a = 2;
b = 3;
c = * a + b 2;
c;
前缀翻译Visitor
同样，这里我们使用Visitor模式来访问语法树，这次，我们直接visit根节点prog，并返回翻译后的代码：
class ExprTranVisitor extends AbstractParseTreeVisitor<string>
implements ExprVisitor<string> {
defaultResult() {
return '';
}
visitProg(ctx: ProgContext) {
let val = '';
for (let i = 0; i < ctx.childCount; i++) {
val += this.visit(ctx.stat(i));
}
return val;
}
...
}
这里假设我们的visitor在visitor语句stat的时候，已经返回了翻译的代码，所以visitProg只用简单的拼接每条语句翻译后的代码即可。对于语句，前面提到了，语句我们不做翻译，所以它们的visit访问也很简单：对于表达式语句，直接打印翻译后的表达式，并加上分号；对于赋值语句，则只需将等号右边的表达式翻译即可：
visitExprStat(ctx: ExprStatContext) {
const val = this.visit(ctx.expr())；
return `${val};\n`;
}
visitAssignStat(ctx: AssignStatContext) {
const id = ctx.ID().text;
const val = this.visit(ctx.expr());
return `${id} = ${val};\n`;
}
下面看具体如何翻译各种表达式。对于AddSubExpr和MulDivExpr的翻译，是整个翻译器的逻辑，即将操作符前置：
visitAddSubExpr(ctx: AddSubExprContext) {
const left = this.visit(ctx.expr(0));
const right = this.visit(ctx.expr(1));
const op = ctx._op;
if (op.type === ExprParser.ADD) {
return `+ ${left} ${right}`;
}
return `- ${left} ${right}`;
}
visitMulDivExpr(ctx: MulDivExprContext) {
const left = this.visit(ctx.expr(0));
const right = this.visit(ctx.expr(1));
const op = ctx._op;
if (op.type === ExprParser.MUL) {
return `* ${left} ${right}`;
}
return `/ ${left} ${right}`;
}
由于括号在前缀表达式中是不必须的，所以的ParenExpr的访问，只需要去处括号即可：
visitParenExpr(ctx: ParenExprContext) {
const val = this.visit(ctx.expr());
return val;
}
对于其他的节点，不需要更多的处理，只需要返回节点对应的标记的文本即可：
visitIdExpr(ctx: IdExprContext) {
const parent = ctx.parent;
const id = ctx.ID().text;
return id;
}
visitIntExpr(ctx: IntExprContext) {
const parent = ctx.parent;
const val = ctx.INT().text;
return val;
}
执行代码的前缀翻译
至此，我们代码前缀翻译的Visitor就准备好了，同样，执行过程也很简单，对输入的代码，解析生成得到语法树，使用ExprTranVisitor反问prog根节点，即可返回翻译后的代码：
function execute(code: string): string {
const input = new ANTLRInputStream(code);
const lexer = new ExprLexer(input);
const tokens = new CommonTokenStream(lexer);
const parser = new ExprParser(tokens);
const visitor = new ExprTranVisitor();
const prog = parser.prog();
const result = visitor.visit(prog);
return result;
}
对输入代码：
A * B + C / D ;
A * (B + C) / D ;
A * (B + C / D) ;
(5 - 6) * 7 ;
执行输出为：
+ * A B / C D;
/ * A + B C D;
* A + B / C D;
* - 5 6 7;
七、总结
通过上述的Expr语言执行器，相信你已经看到了利用ANTLR v4，前端工程师也可以在浏览器段做很多语法解析相关的事情。
想知道我们是怎样利用ANTLR解析复杂SQL代码、对SQL代码做语法验证，以及怎么利用ANTLR来格式化SQL脚本吗，可以关注专栏或者发送简历至'tao.qit####alibaba-inc.com'.replace('####', '@')，欢迎有志之士加入~
