如何在Bison中限制错误恢复仅在行首Token异常时触发

问题场景 #

我们有一套基于行的语法，只允许两种行格式：

start1 1
start2 1 2

• start1后面必须紧跟一个数字
• start2后面必须紧跟两个数字
• 行首是start1或start2以外的单词，一律判定为非法输入

目前用Bison写的语法规则如下：

line:
    START1 number NEWLINE
  | START2 number number NEWLINE
  | error alnums NEWLINE

alnums: ALNUM | ALNUM alnums

number: ALNUM { parse_number(); }

现在遇到的问题：

• 行首是非法单词（比如foobar 1）时，解析器会忽略整行完成错误恢复，这符合预期
• 但合法行首后出现格式错误（比如start1 1 2 3）时，解析器也会自动错误恢复，这不符合需求

我们需要实现：只有行首单词无效时允许错误恢复，其他场景禁止自动丢弃Token，直接报错

解决方案 #

核心思路是拆分语法结构，让错误恢复规则只匹配「行首非法」的场景，避免被合法行首后的错误触发。

1. 拆分规则，明确行首合法性 #

把行的结构拆分为「合法行」和「非法行」两个独立分支，只给非法行添加错误恢复逻辑：

%token START1 START2 ALNUM NEWLINE

%%
input: /* 空 */ | input line ;

line: valid_line | invalid_line ;

// 合法行：严格匹配格式，错误时不做自动恢复
valid_line:
    START1 number NEWLINE
  | START2 number number NEWLINE
  ;

// 非法行首：仅这里启用错误恢复，吃掉整行（可在这里输出自定义错误信息）
invalid_line: error NEWLINE ;

number: ALNUM { parse_number(); } ;

2. 保留精准错误信息的优化版 #

如果需要通过alnums匹配非法行首后的内容，输出更具体的错误信息，可以调整invalid_line规则：

invalid_line: error alnums NEWLINE { 
    // 比如输出："行首非法标记，后续内容：xxx"
  } ;

alnums: ALNUM | ALNUM alnums ;

为什么这样有效？ #

Bison的错误恢复规则是按匹配优先级触发的：当解析器遇到错误时，会优先尝试匹配最贴合当前状态的错误规则。通过拆分合法行和非法行的分支，确保只有行首不是START1/START2时，才会触发错误恢复；而合法行首后的格式错误，因为没有对应的错误恢复规则，会直接终止解析或抛出错误，不会自动丢弃Token。

内容的提问来源于stack exchange，提问作者Szabolcs