如何使用ANTLR4解析存在重叠分隔符的维基文本？

维基文本的格式规则中，''包裹斜体、'''包裹粗体，'''''则表示粗斜体（粗体嵌套斜体）。你的核心问题是解析器遇到5个连续单引号时，无法确定优先匹配粗体还是斜体分隔符，导致歧义。

问题根源 #

你当前的语法存在两个关键问题：

• 词法规则未明确优先级：ANTLR词法分析会优先匹配先定义的规则，若ITALICS（2个单引号）在BOLD（3个）之前，会优先拆分5个单引号为''+'''，而非正确的'''+''。
• CHAR规则匹配所有字符，包括单引号，会干扰分隔符的识别，导致部分单引号被当成普通文本处理。

修正后的语法方案 #

1. 词法规则调整

使用ANTLR的模式（Mode）处理<nowiki>块，同时让BOLD优先于ITALICS定义，确保优先匹配更长的粗体分隔符；限制普通文本不匹配单引号和<，避免干扰分隔符和nowiki标签。

grammar WikiText;

// 默认模式：处理普通内容和格式标签
NOWIKI_OPEN: '<nowiki>' -> pushMode(NOWIKI_MODE);
BOLD: '\'\'\'';          // 粗体分隔符优先定义
ITALICS: '\'\'';
TEXT: ~['<]+;            // 匹配除单引号、<之外的普通文本

// NOWIKI模式：处理nowiki内的内容，不解析格式
mode NOWIKI_MODE;
NOWIKI_CLOSE: '</nowiki>' -> popMode;
NOWIKI_TEXT: .+?;        // 非贪婪匹配nowiki内的所有内容

2. 解析器规则调整

允许格式嵌套，明确wiki规则可包含普通文本或格式化文本，让解析器自动处理粗体嵌套斜体的情况：

document: (wiki | nowiki)* EOF;
nowiki: NOWIKI_OPEN NOWIKI_TEXT? NOWIKI_CLOSE;
wiki: (formattedText | TEXT)+;
formattedText: boldText | italicText;
boldText: BOLD wiki BOLD;   // 粗体可包含任意wiki内容（包括斜体）
italicText: ITALICS wiki ITALICS;

效果说明 #

当遇到'''''text'''''时，词法分析会先识别开头的'''（BOLD），接着识别''（ITALICS）；结尾则先识别''（ITALICS），再识别'''（BOLD），最终解析为粗体包裹斜体的结构，符合维基文本的规则。<nowiki>块内的内容会被完整保留，不会解析任何格式分隔符。

内容的提问来源于stack exchange，提问作者Tiiba