如何在ANTLR中检测非法表达式？基于JavaParser的技术问询

我使用ANTLR的JavaParser语法规则，其中表达式定义如下：

expression
    : primary
    | expression bop='.'
      (
         identifier
       | methodCall
       | THIS
       | NEW nonWildcardTypeArguments? innerCreator
       | SUPER superSuffix
       | explicitGenericInvocation
      )
    | expression '[' expression ']'
    | methodCall
    | NEW creator
    | '(' annotation* typeType ('&' typeType)* ')' expression
    | expression postfix=('++' | '--')
    | prefix=('+'|'-'|'++'|'--') expression
    | prefix=('~'|'!') expression
    | expression bop=('*'|'/'|'%') expression
    | expression bop=('+'|'-') expression
    | expression ('<' '<' | '>' '>' '>' | '>' '>') expression
    | expression bop=('<=' | '>=' | '>' | '<') expression
    | expression bop=INSTANCEOF (typeType | pattern)
    | expression bop=('==' | '!=') expression
    | expression bop='&' expression
    | expression bop='^' expression
    | expression bop='|' expression
    | expression bop='&&' expression
    | expression bop='||' expression
    | <assoc=right> expression bop='?' expression ':' expression
    | <assoc=right> expression
      bop=('=' | '+=' | '-=' | '*=' | '/=' | '&=' | '|=' | '^=' | '>>=' | '>>>=' | '<<=' | '%=')
      expression

但发现部分非法表达式无法被直接检测，例如3 > 3 ? 3 : 45 : 45、2 > 3 > 4。我想了解：

1. Java语法是如何检测这类非法表达式的？
2. 这是ANTLR本身的能力还是需要额外编码实现？
3. 若需额外编码，具体该如何操作？

解答 #

为什么ANTLR默认没检测到这些非法表达式？ #

ANTLR生成的解析器仅负责语法层面的分析，也就是检查输入是否符合语法规则的结构。但你提到的两个例子，从语法规则上看并没有违反结构定义：

• 对于2 > 3 > 4，语法规则允许expression bop='>' expression，而第二个>的左侧可以是前一个2>3的结果（属于expression），所以解析器认为结构合法。
• 对于3 > 3 ? 3 : 45 : 45，因为三元表达式标注了<assoc=right>（右结合），解析器会把它解析成(3>3 ? 3 : 45) : 45，而右侧的45 : 45又被尝试匹配三元表达式的结构，但实际上三元表达式的冒号后必须是完整的expression，这种嵌套错误属于语义层面问题，语法规则无法直接禁止。

Java语言的合法性检测分为语法分析和语义分析两个阶段：ANTLR只完成了前者，后者需要额外实现。

这类检测需要额外编码实现 #

这类非法表达式的问题属于语义错误，而非语法错误，因此ANTLR本身不会自动检测，必须通过额外的语义分析代码来实现。

具体实现方法 #

可以通过ANTLR的**监听器（Listener）或访问者（Visitor）**模式，遍历解析树并添加检查逻辑：

1. 检测a > b > c这类链式比较

Java中不允许这种链式比较（因为a>b返回boolean，不能再和c比较数值），所以需要在访问比较表达式节点时，检查左右操作数的类型：

• 遍历到expression bop=('>' | '<' | '>=' | '<=') expression节点时，获取左右子表达式的类型。
• 如果左子表达式的类型是boolean（比如是另一个比较表达式的结果），则抛出语义错误。

2. 检测三元表达式的多余冒号

三元表达式的结构是条件 ? 表达式1 : 表达式2，不允许在表达式2后再加冒号。可以通过以下方式检测：

• 访问三元表达式节点时，检查其节点内的冒号数量是否超过1个。
• 或者递归检查冒号后的子表达式，确保其本身不是未闭合的三元结构。

示例代码思路（基于Visitor模式）

@Override
public Boolean visitConditionalExpression(JavaParser.ConditionalExpressionContext ctx) {
    // 检查三元表达式是否存在多余冒号
    long colonCount = ctx.children.stream().filter(child -> child.getText().equals(":")).count();
    if (colonCount > 1) {
        throw new SemanticErrorException("三元表达式只能包含一个冒号分支");
    }
    // 递归检查冒号后的表达式合法性
    visit(ctx.expression(2));
    
    // 检查是否为链式比较
    if (ctx.parent instanceof JavaParser.RelationalExpressionContext) {
        JavaParser.RelationalExpressionContext parentCtx = (JavaParser.RelationalExpressionContext) ctx.parent;
        if (parentCtx.expression(0) instanceof JavaParser.RelationalExpressionContext) {
            throw new SemanticErrorException("Java不允许链式比较表达式");
        }
    }
    return true;
}

总结 #

ANTLR仅负责语法结构的解析，Java语言中的这类非法表达式属于语义错误，需要通过额外的语义分析代码（利用Listener/Visitor遍历解析树）来检测和报告错误。

内容的提问来源于stack exchange，提问作者Zheng Xiaodong