ANTLR4逻辑表达式解析未拦截非法语法的问题排查求助

你的语法、词法设计存在4个核心疏漏，直接导致非法查询漏判：

• 空白处理逻辑混乱：你在AND、OR、括号、比较符等几乎所有token的匹配规则前后硬编码了' '*来匹配空格，同时又重复定义了SPACE、WS两个功能完全一致的、将空白送入隐藏通道的规则。这种写法完全破坏了ANTLR统一的空白处理逻辑，还会干扰词法的最长匹配规则，导致单字符&、|的识别异常。
• 入口规则未强制全串匹配：你的入口规则query: (expression)+;没有加EOF终止符，ANTLR默认只要输入串的任意前缀能匹配规则就算解析成功，不需要处理完所有输入字符。这就导致解析器碰到第一个合法表达式后，不管后面跟的是单个&、单个|还是其他非法内容，都会直接返回前面的匹配结果，剩余的非法输入被完全忽略，不会触发错误。
• 语法规则允许无运算符连接表达式：你在query规则和expressionGroup规则里都用了(expression)+的写法，允许多个表达式连续出现、中间不需要任何逻辑运算符，这直接导致两个表达式直接靠空格拼接、甚至完全挨在一起的非法写法，会被解析成多个顺序排列的合法expression，不会触发语法错误。
• 语法规则存在冗余二义性：你单独写了expressionGroup logicalOperator expressionGroup分支，但expressionGroup本身已经是expression的可选分支，重复定义会产生解析二义性，干扰正常的逻辑表达式匹配。

按下面的步骤调整，即可正确拦截所有非法查询：

1. 统一空白处理逻辑
   删掉所有token规则前后硬编码的' '*，只保留一个送入隐藏通道的空白规则，所有关键字、运算符仅匹配符号本身。注意你贴的代码里出现的&、"是HTML转义结果，实际编写g4文件时要替换为原生的&、"字符。改完的词法规则部分如下：

   // 唯一的空白处理规则，统一送入隐藏通道
   WS: [ \t\r\n]+ -> channel(HIDDEN);
   
   // 关键字、运算符仅匹配核心符号，不带前后空格
   AND: '&&' | 'AND' | 'and';
   OR: '||' | 'OR' | 'or';
   NOT: '!' | 'not' | 'NOT';
   HAS: 'HAS' | 'has';
   IN: 'IN' | 'in';
   EQ: '=';
   NEQ: '!=';
   L_SQ_BRACKET: '[';
   R_SQ_BRACKET: ']';
   L_RND_BRACKET: '(';
   R_RND_BRACKET: ')';
   COMMA: ',';
   KEY_PREFIX: 'tags(';
   IDENTIFIER: [A-Za-z0-9_]+ ;
   ESCAPED_IDENTIFIER: '"' ( '""' | [^"] )* '"';
   STRING_LITERAL: '\'' [A-Za-z0-9_ ]* '\'';
   
   // 放在所有词法规则最后，兜底匹配所有非法字符，触发词法错误
   INVALID_CHAR: . ;
   

2. 修正语法规则，强制全串匹配、禁止无运算符连写表达式
   删掉冗余的表达式组逻辑运算分支，在入口规则末尾加EOF强制匹配完所有输入，移除所有允许多个表达式连续出现的+量词，明确多表达式之间必须存在逻辑运算符。改完的语法规则部分如下：

   query
       : expression EOF // 强制匹配完整输入，避免提前截断忽略非法内容
       ;
   
   expression
       : keyValue                                                #comparisonExpression
       | inExpression                                            #singleInExpression
       | hasExpression                                           #singleHasExpression
       | expressionGroup                                         #singleExpressionGroup
       | NOT expression                                          #notExpression
       | expression logicalOperator expression                   #logicalExpression
       ;
   
   inExpression
       : key IN literalList
       ;
   
   hasExpression
       : HAS key
       ;
   
   expressionGroup
       : L_RND_BRACKET expression R_RND_BRACKET
       ;
   
   keyValue
       : key comparisonOperator literal
       ;
   
   key
       :  KEY_PREFIX keyName R_RND_BRACKET
       ;
   
   keyName
       : IDENTIFIER
       ;
   
   comparisonOperator
       : EQ | NEQ
       ;
   
   logicalOperator
       : AND | OR
       ;
   
   literalList
       : L_SQ_BRACKET literal (COMMA literal)* R_SQ_BRACKET
       ;
   
   literal
       : STRING_LITERAL
       ;
   

调整后所有非法输入都会被正确拦截：

• 含单个&、单个|的输入会被INVALID_CHAR规则捕获，触发词法错误
• 两个表达式中间仅靠空格拼接、或完全无间隔连写的输入，会因为缺少逻辑运算符触发语法错误
• 合法的带&&/||连接符的查询可正常解析，不受影响。

内容的提问来源于stack exchange，提问作者Aditya Jagtiani