GF中lextext词法分析器首字母小写问题及解决方案问询

我在GF shell中使用put_string命令搭配lextext词法分析器，可将字符串转换为可解析的token列表——该分析器能识别标点，且会自动将句首字母转为小写：

> put_string -lextext "This is my house."
this is my house .

但如果语法中包含首字母大写的token（如专有名词France），当这类token出现在句首时，分析器会将其转为小写，导致生成的token列表无法被语法解析：

> put_string -lextext "France is my home."
france is my home .

疑问： #

• 是否有办法让lextext或其他分析器明确区分需小写和无需小写的token？比如让分析器关联对应的语法？
• 当前是否已不常用这类词法分析器，需在GF外部自行处理句首大写、标点及token绑定等问题？
• GF应用中通常如何处理这类情况？

1. 自定义词法分析器 #

GF支持编写自定义.lex格式的词法分析器，通过正则规则设置优先级：给France这类专有名词单独编写匹配规则，让其优先级高于默认的句首小写转换规则，即可保留专有名词的大写形式。

2. 绑定语法内的专有名词 #

在GF语法中将专有名词定义为不可屈折的形态条目（直接用lin绑定原大写字符串），然后使用put_string -lang <你的语法语言>命令，让分析器优先匹配语法中已定义的大写token，再处理普通词汇的大小写转换。

3. 外部预处理（主流方案） #

目前多数GF应用会选择在外部预处理输入文本：

• 先通过语法中的专有名词列表匹配句首词汇，保留其大写形式；
• 对普通词汇统一处理句首小写；
• 拆分标点后再传入GF，这种方式能更灵活地控制token生成逻辑。

4. 使用替代分析器 #

若不想自定义词法，可尝试lexsimple分析器——它不会自动转换句首字母大小写，但需要自行处理标点和空格拆分，适合对token精度要求高的场景。

内容的提问来源于stack exchange，提问作者Michal Měchura