metasequoia-java 0.2.0

水杉 Java 解析器

metasequoia-java：水杉 Java 解析器

安装方法

水杉 Java 解析器为纯 Python 开发，不依赖其他第三方包，在任意环境下直接 pip 安装即可（pypi 项目地址）：

pip install metasequoia-java

使用方法

解析语句：

code = "try (Rt rt = new Rt()) {} catch ( Exception1 | Exception2 e ) {} finally {}"
print(ms_java.JavaParser(ms_java.LexicalFSM(code)).parse_statement())

解析表达式：

# parse expression
code = "name += (3 + 5) * 6"
print(ms_java.JavaParser(ms_java.LexicalFSM(code)).parse_expression())

解析类型：

# parse type
code = "List<String>"
print(ms_java.JavaParser(ms_java.LexicalFSM(code), mode=ms_java.ParserMode.TYPE).parse_type())

设计思路

与其他解析逻辑一样，我们采用词法解析与语法解析分离的解析器实现方案。

• 词法解析：将 Unicode 字符串转换为 Token 流
• 语法解析：将 Token 流转换为抽象语法树

在词法解析层，我们采用有限状态自动机实现；在语法解析层，我们采用调用的方式实现。

之所以在语法解析层采用调用的方式实现，主要是出于如下 5 个考虑：

• 与 JDK 文档一致，在开发时不需要将 JDK 文档的语法撰写为 LALR(1) 的语法，方便后续维护开发
• 与 JDK 的解析逻辑一致，避免因后续 JDK 版本出现类似 non-sealed 关键字等语法，导致需要再 LALR(1) 语法下新增更多复杂处理，降低后续维护难度
• 更容易地保证抽象语法树与 JDK 抽象语法树的一致性
• 虽然会损失一定的解析性能，但是可以通过 Python 性能优化器补偿，损失可以接受
• 存在 >> 等运算符，在实际使用时可能需要考虑拆开为多个 Token 解析的情况

项目结构如下：

• ast：抽象语法树节点及相关常量、函数等
• grammar：语法解析器
• lexical：词法解析器

终结符的设计思路：

• 在终结符类型的枚举类上，我们大体延用了 JDK 源码中的名称，但将驼峰式改为下划线式以适应 Python 的风格；
• 我们将每个终结符之后的空格、换行符和注释，作为该终结符的附属元素添加。

分析器设计思路：

• context 后缀的类为项目、文件、类和方法的 静态 上下文管理器；
• runtime 前缀的类为类、方法、变量的 动态 实例。