hive - 对 Hplsql.g4 或 Hive.g4 的数组支持
问题描述
大家好,我正在使用 antlr4 为 Hive SQL (Hplsql.g4) 创建解析器和词法分析器。
我相信这是最新的语法文件。
https://github.com/AngersZhuuuu/Spark-Hive/blob/master/hplsql/src/main/antlr4/org/apache/hive/hplsql/Hplsql.g4
但是,我发现至少需要添加两个:IF 和数组索引。例如,在一个 select 语句中,我可能有: a) SELECT if(a>8,12,20) FROM x
b) SELECT column_name[2] FROM x
两者在 Hive 中都是有效的,但是当我从上面的 Hplsql.g4 为 java 创建解析器和词法分析器时,两者都不解析。我为 IF 添加了一个表达式,它似乎可以工作。
我添加了
expr :
...
| expr_if //I added
和一个新规则:
expr_if :
T_IF T_OPEN_P bool_expr T_COMMA expr T_COMMA expr T_CLOSE_P //I added
;
然而,弄清楚如何允许数组索引并不容易,因为语法允许别名:
select a from x
select a alias_of_a from x
select a[1] from x
select a[1] alias_of_a from x
应该都是有效的。我尝试为此添加一个新表达式,如下所示:
expr :
...
| expr_array //I added
expr_array :
T_OPEN_SB L_INT T_OPEN_CB //I added
;
这对我不起作用。(T_OPEN_SB L_INT T_OPEN_CB 分别是[整数])。我也尝试了很多变化。我的问题是:
- 我是否使用了正确的语法文件 - 如果没有,是否有更新的带有 IF 和数组处理的文件?
- 有没有人成功地扩展了这个语法来处理我上面的案例?
根据 Bart 的建议:我更新了 ident。
我更新了 expr_atom。
我添加了array_index。
我有 // | '[' .*? ']' 之前已注释掉。
测试 Sql:从 t 中选择 a[0]
结果:第 1:8 行在输入 'selecta[0]' 处没有可行的替代方案
第 1:8 行不匹配输入'[0]'
Tree (program (block stmt (stmt select) (stmt (expr_stmt (expr (expr_atom (ident a)))))) [0] from t)
我觉得这个问题与下面的 select_list_alias 有某种关系。select_list_alias 包含 ident 和 T_AS 可选,ident 匹配数组索引。我无法理解为什么会发生这种情况,尤其是在 ident 已更新之后。
摘自 Hplsql.sql:
select_list :
select_list_set? select_list_limit? select_list_item (T_COMMA select_list_item)*
;
select_list_item :
(ident T_EQUAL)? expr select_list_alias?
| select_list_asterisk
;
select_list_alias :
{!_input.LT(1).getText().equalsIgnoreCase("INTO") && !_input.LT(1).getText().equalsIgnoreCase("FROM")}? T_AS? ident
| T_OPEN_P T_TITLE L_S_STRING T_CLOSE_P
;
如果我将一个简单的 SQL stmt 传递给 grun,例如
select a[1] from t
解析树应该看起来像这样:
我希望看到 expr_array 而不是 expr_atom,它会拆分为 a 的 expr_atom 和 [1] 的 array_index。
请注意,这里有一个 SQL 语句。使用我现有的 g4,数组索引 [1](以及 stmt 的其余部分)被解析为单独的 SQL 语句。
Bart,我从您的解析树中看到,解析导致来自“select a[0] from t”的两个 SQL 语句 - 我遇到了同样的情况。
我将继续探索不同的方法——我仍然对最后的 select_list_alias 持怀疑态度T_AS? ident
。只是为了确认一下,我已经从 ident_part 中注释掉了一行,如下所示: // | '[' .*? ']'
解决方案
如评论中所述:[ ... ]
将被标记为L_ID
令牌。如果您不想这样做,请删除该| '[' .*? ']'
部分:
fragment
L_ID_PART :
[a-zA-Z] ([a-zA-Z] | L_DIGIT | '_')* // Identifier part
| ('_' | '@' | ':' | '#' | '$') ([a-zA-Z] | L_DIGIT | '_' | '@' | ':' | '#' | '$')+ // (at least one char must follow special char)
| '"' .*? '"' // Quoted identifiers
// | '[' .*? ']' <-- removed
| '`' .*? '`'
;
并像这样创建/编辑语法:
expr_atom :
date_literal
| timestamp_literal
| bool_literal
| expr_array // <-- added
| ident
| string
| dec_number
| int_number
| null_const
;
// new rule
expr_array
: ident array_index+
;
// new rule
array_index
: T_OPEN_SB expr T_CLOSE_SB
;
上面的规则将导致select a[1] alias_of_a from x
解析成功,但在输入时会失败,例如select a[1] alias_of_a from [identifier]
:[identifier]
不会作为标识符匹配。
您可以尝试添加如下内容:
ident :
L_ID
| T_OPEN_SB ~T_CLOSE_SB+ T_CLOSE_SB // <-- added
| non_reserved_words
;
它将select a[1] alias_of_a from [identifier]
正确解析,但对整个语法(或对 HPL/SQL 的深入了解)没有很好的了解,以确定这是否会搞砸其他事情:)
编辑
通过我提出的更改,语法如下所示:https ://gist.github.com/bkiers/4aedd6074726cbcd5d87ede00000cd0d (由于字符限制,我无法在 SO 上发布它)
用这个解析select a[0] from t
会得到解析树:
用这个解析select a[0] from [t]
会得到这个解析树:
您还可以通过运行以下 Java 代码对其进行测试:
String source = "select a[0] from [t]";
HplsqlLexer lexer = new HplsqlLexer(CharStreams.fromString(source));
HplsqlParser parser = new HplsqlParser(new CommonTokenStream(lexer));
ParseTree root = parser.program();
JFrame frame = new JFrame("Antlr AST");
JPanel panel = new JPanel();
TreeViewer viewer = new TreeViewer(Arrays.asList(parser.getRuleNames()), root);
viewer.setScale(1.5);
panel.add(viewer);
frame.add(panel);
frame.setDefaultCloseOperation(JFrame.EXIT_ON_CLOSE);
frame.pack();
frame.setVisible(true);
推荐阅读
- java - 如何创建十六进制补码?
- php - 复选框未返回正确的值 jquery/php
- django - 从views.py检索并显示到模板文件python Django
- number-theory - 给定 a*b, c*d ,我如何证明 a+b>c+d(fact)?
- c - 使用 \ 扩展单行注释
- sql-server - RDS本机备份后在哪里可以找到.bak文件
- java - 在数据库 sqlite 中插入
- excel - excel出现问题时如何在电源查询中捕获错误
- php - 样式表被自动删除/注销 - WordPress
- react-native - 安装 react-native-camera 后出现此错误。尝试按照 git 上的一些答案中的建议更改版本和 sdk 工具,但没有解决方案