如何使用lrparsing实现不区分大小写的Delphi简化语法解析？

一、修复End.被错误识别为Identifier的问题 #

lrparsing的Token匹配遵循定义优先级，如果Identifier的正则先匹配了End，剩余的.会被孤立或错误合并。解决思路是优先匹配带点的关键字结尾：

• 单独定义END_DOT Token，正则设为r'End\.'，同时开启大小写不敏感
• 把END_DOT和其他关键字的Token定义放在Identifier之前，确保优先匹配
• 调整Identifier的正则为r'[A-Za-z_][A-Za-z0-9_]*'，明确排除点号，避免错误匹配带点内容

二、修复关键字Unit无法识别的问题 #

报错“Unrecognised token 'U'”通常是大小写匹配规则或Token优先级问题，修复步骤：

1. 全局开启大小写不敏感：初始化Parser或Lexer时设置ignore_case=True，让所有Token匹配不区分大小写
2. 显式定义关键字Token：将Unit作为单独Token定义，或者用统一的关键字正则（如r'(Unit|End)'），确保覆盖大小写变体
3. 调整Token顺序：把所有关键字Token放在Identifier之前定义，避免关键字被当作标识符解析
4. 排除关键字的标识符匹配：在Identifier的Token定义中，通过exclude_tokens参数排除已定义的关键字，防止冲突

示例修复代码 #

from lrparsing import Token, Parser, Ref

# 全局配置大小写不敏感
lexer_config = {'ignore_case': True}

# 先定义特殊关键字和普通关键字
END_DOT = Token(r'End\.', **lexer_config)
UNIT = Token(r'Unit', **lexer_config)
END = Token(r'End', **lexer_config)

# 定义标识符，排除已定义的关键字
IDENTIFIER = Token(
    r'[A-Za-z_][A-Za-z0-9_]*',
    **lexer_config,
    exclude_tokens=[UNIT, END]
)

# 构建语法规则
unit_declaration = UNIT + IDENTIFIER + ';' + Ref('code_block') + END_DOT
code_block = ...  # 补充你的代码块语法规则

# 初始化解析器
parser = Parser(unit_declaration, lexer_kwargs=lexer_config)

额外调试技巧 #

开启Token调试模式，打印识别到的所有Token，快速排查匹配顺序问题：

parser.debug = True

内容的提问来源于stack exchange，提问作者Adrian Maire