Skip to content

Latest commit

 

History

History
285 lines (170 loc) · 17.4 KB

085.精读《手写 SQL 编译器 - 智能提示》.md

File metadata and controls

285 lines (170 loc) · 17.4 KB
Raw

1 引言

词法、语法、语义分析概念都属于编译原理的前端领域，而这次的目的是做 具备完善语法提示的 SQL 编辑器，只需用到编译原理的前端部分。

经过连续几期的介绍，《手写 SQL 编译器》系列进入了 “智能提示” 模块，前几期从 词法到文法、语法，再到构造语法树，错误提示等等，都是为 “智能提示” 做准备。

由于智能提示需要对词法分析、语法分析做深度定制，所以我们没有使用 antlr4 等语法分析器生成工具，而是创造了一个 JS 版语法分析生成器 syntax-parser。

这次一口气讲完如何从 syntax-parser 到做一个具有智能提示功能的 SQL 编辑器。

2 精读

从语法解析、智能提示和 SQL 编辑器封装三个层次来介绍，这三个层次就像俄罗斯套娃一样具有层层递进的关系。

为了更清晰展现逻辑层次，同时满足解耦的要求，笔者先从智能提示整体设计架构讲起。

智能提示的架构

syntax-parser 是一个 JS 版的语法分析器生成器，除了类似 antlr4 基本语法分析功能外，还支持专门为智能提示优化的功能，后面会详细介绍。整体架构设计如下图所示：

  1. 首先需要实现 SQL 语法，我们利用语法分析器生成器 syntax-parser，生成一个 SQL 语法分析器，这一步其实是利用 syntax-parser 能力完成了 sql lexer 与 sql parser。
  2. 为了解析语法树含义，我们需要在 sql parser 基础之上编写一套 sql reader，包含了一些分析函数解析语法树的语义。
  3. 利用 monaco-editor 生态，利用 sql reader 封装 monaco-editor 插件，同时实现 用户 <=> 编辑器 间的交互，与 编辑器 <=> 语义分析器 间的交互。

语法解析器

syntax-parser 分为词法分析、语法分析两步。词法分析主要利用正则构造一个有穷自动机，大家都学过的 “编译原理” 里有更完整的解读，或者移步 精读《手写 SQL 编译器 - 词法分析》，这里主要介绍语法分析。

词法分析的输入是语法分析输出的 Tokens。Tokens 就是一个个单词，Token 结构存储了单词的值、位置、类型。

我们需要构造一个执行链条消费这些 Token，也就是可以执行文法扫描的程序。我们用四种类型节点描述文法，如下图所示：

如果不了解文法概念，可以阅读 精读《手写 SQL 编译器 - 文法介绍》

能消耗 Token 的只有 MatchNode 节点，ChainNode 节点描述先后关系（比如 expr -> name id），TreeNode 节点描述并列关系（比如 factor -> num | id），FunctionNode 是函数节点，表示还未展开的节点（如果把文法匹配比做迷宫探险，那这是个无限迷宫，无法穷尽展开）。

如何用 syntax-parser 描述一个文法，可以访问文档，现在我们已经描述了一个文法树，应该如何解析呢？

我们先找到一个非终结符作为根节点，深度遍历所有非终结符节点，遇到 MatchNode 时如果匹配，就消耗一个 Token 并继续前进，否则文法匹配失败。

遇到 ChainNode 会按照顺序执行其子节点；遇到 FunctionNode（非终结符节点）会执行这个函数，转换为一个非 FunctionNode 节点，如下图所示：

遇到 TreeNode 节点时保存这个节点运行状态并继续执行，在 MatchNode 匹配失败时可以还原到此节点继续尝试下个节点，如下图所示：

这样就具备了最基本的语法分析功能，如需更详细阅读，可以移步 精读《手写 SQL 编译器 - 语法分析》。

我们还做了一些优化，比如 First 集优化与路径缓存优化。限于篇幅，分布在以下几篇文章：

SQL 编辑器重点在于如何做输入提示，也就是如何在用户光标位置给出恰当的提示。这就是我们定制 SQL 编辑器的原因，输入提示与语法检测需要分开来做，而语法树并不能很好解决输入提示的问题。

智能提示

为了找到一个较为完美的语法提示方案，通过查阅大量资料，我决定将光标作为一个 Token 考虑来实现智能提示。

思考

我们用 | 表示光标所在位置，那么下面的 SQL 应该如何处理？

select | from b;
  • 从语法角度来看，它是错的，因为实际上是一个不完整语句 "select from b;"
  • 从提示角度来看，它是对的，因为这是一个正确的输入过程，光标位置再输入一个单词就正确了。

你会发现，从语法和提示角度来看同一个输入，结果往往是矛盾的，所以我们需要分两条线程分别处理语法与提示。

但输入错误时，我们是无法构造语法树的，而智能提示的时机往往都是语句语法错误的时机，用过 AST 工具的人都知道。可是没有语法树，我们怎么做到智能的提示呢？试想如下语句：

select c.| from (
  select * from dt;
) c;

面对上面这个语句，很显然 c. 没有写完，一般的语法树解析器提示你语法错误。你可能想到这几种方案：

  1. 字符串匹配方式强行提示。但很显然这样提示不准确，没有完整语法树，是无法做精确解析的。而且当语法复杂时，字符串解析方案几乎无从下手。
  2. 把光标位置用一个特殊的字符串补上，先构造一个临时正确的语句，生成 AST 后再找到光标位置。

一般我们会采取第二种方案，看上去相对靠谱。处理过程是这样的：

select c.$my_custom_symbol$ from ...

之后在 AST 中找到 $my_custom_symbol$ 字符串，对应的节点就是光标位置。实际上这可以解决大部分问题，除了关键字。

这种方案唯有关键字场景不兼容，试想一下：

select a |from b;
# select a $my_custom_symbol$ b;

你会发现，“补全光标文字” 法，在关键字位置时，会把原本正确的语句变成错误的语句，根本解析不出语法树。

我们在 syntax-parser 解析引擎层就解决了这个问题，解决方案是 连同光标位置一起解析。

两个假设

我们做两个基本假设：

  1. 需要自动补全的位置分为 “关键字” 与 “非关键字”。
  2. “非关键字” 位置基本都是由字符串构成的。

关键字：

因此针对第一种假设，syntax-parser 内置了 “关键字提示” 功能。因为 syntax-parser 可以拿到你配置的文法，因此当给定光标位置时，可以拿到当前位置前一个 Token，通过回溯和平行尝试，将后面所有可能性提示出来，如下图：

输入是 select a |，灰色部分是已经匹配成功的部分，而我们发现光标位置前一个 Token 正是红色标识的 word，通过尝试运行推导，我们发现，桔红色标记的 ',' 和 'from' 都是 word 可能的下一个确定单词，这种单词就是 SQL 语法中的 “关键字”，syntax-parser 会自动告诉你，光标位置可能的输入是 [',', 'from']。

所以关键字的提示已经在 syntax-parser 层内置解决了！而且无论语法正确与否，都不影响提示结果，因为算法是 “寻找光标位置前一个 Token 所有可能的下一个 Token”，这可以完全由词法分析器内置支持。

非关键字：

针对非关键字，我们解决方案和用特殊字符串补充类似，但也有不同：

  1. 在光标位置插入一个新 Token，这个 Token 类型是特殊的 “光标类型”。
  2. 在 word 解析函数加一个特殊判断，如果读到 “光标类型” Token，也算成功解析，且消耗 Token。

因此 syntax-parser 总是返回两个 AST 信息：

{
  "ast": {},
  "cursorPath": []
}

分别是语法树详细信息，与光标位置在语法树中的访问路径。

对于 select a | 的情况，会生成三个 Tokens：['select', 'a', 'cursor']，对于 select a| 的情况，会生成两个 Tokens：['select', 'a']，也就是光标与字符相连时，不会覆盖这个字符。

cursorPath 的生成也比 “字符串补充” 方案更健壮，syntax-parser 生成的 AST 会记录每一个 Token 的位置，最终会根据光标位置进行比对，进而找到光标对应语法树上哪个节点。

对 .| 的处理：

可能你已经想到了，.| 情况是很通用的输入场景，比如 user. 希望提示出 user 对象的成员函数，或者 SQL 语句表名存在项目空间的情况，可能 tableName 会存在 .| 的语法。

.| 状况时，语法是错误的，此时智能提示会遇到挑战。根据查阅的资料，这块也有两种常见处理手法：

  1. 在 . 位置加上特殊标识，让语法解析器可以正确解析出语法树。
  2. 抹去 .，先让语法正确解析，再分析语法树拿到 . 前面 Token 的属性，推导出后面的属性。

然而这两种方式都不太优雅，syntax-parser 选择了第三种方式：隔空打牛。

通过抽象，我们发现，无论是 user.name 还是 udf:count() 这种语法，都要求在某个制定字符打出时（比如 . 或 :），提示到这个字符后面跟着的 Token。

此时光标焦点在 . 而非之后的字符上，**那我们何不将光标偷偷移到 . 之后，进行空光标 Token 补位呢！**这样不但能完全复用之前的处理思想，还可以拿到我们真正想拿到的位置：

select a(.|) from b;
# select a. (|) from b

对比后发现，第一行拥有 4 个 Token，语法错误，而经过修改的第二行拥有 5 个 Token（一个光标补位），语法正确，且光标所在位置等价于第一行我们希望提示的位置，此问题得以解决。

SQL 编辑器封装

我们拥有了内置 “智能提示” 功能的语法解析器，定制了一套自定义的 SQL 词法、文法描述，便完成了 sql-lexer 与 sql-parser 这一层。由于 SQL 文法完善工作非常庞大，且需要持续推进，这里举流计算中，申明动态维表的例子：

CREATE TABLE dwd_log_pv_wl_ri(
  PRIMARY KEY(rowkey),
  PERIOD FOR SYSTEM_TIME
) WITH ()

要支持这种语法，我们在非终结符 tableOption 下增加两个分支即可：

const tableOption = () =>
  chain([
    chain(stringOrWord, dataType)(),
    chain("primary", "key", "(", primaryKeyList, ")")(),
    chain("period", "for", "system_time")()
  ])();

sql-reader：

为了方便解析 SQL 语法树，我们在 sql-reader 内置了几个常用方法，比如：

  • 找到距离光标位置最近的父节点。比如 select a, b, | from d 会找到这个 selectStatement。
  • 根据表源找到所有提供的字段。表源是指 from 之后跟的语法，不但要考虑嵌套场景，别名，分组，方言，还要追溯每个字段来源于哪张表（针对 join 或 union 的情况）。

有了 sql-reader，我们可以保证在这种层层嵌套 + 别名混淆 + select * 这种复杂的场景下，仍然能追溯到字段的最原始名称，最原始的表名：

这样上层业务拓展时，可以拿到足够准、足够多的信息，具有足够好的拓展型。

monaco-editor plugin：

我们也支持了更上层的封装，Monaco Editor 插件级别的，只需要填一些参数：获取表名、获取字段的回调函数就能 Work，统一了内部业务的调用方式：

import { monacoSqlAutocomplete } from '@alife/monaco-sql-plugin';

// Get monaco and editor.

monacoSqlAutocomplete(monaco, editor, {
  onInputTableField: async tableName => { // ...},
  onInputTableName: async () => { // ... },
  onInputFunctionName: async () => { // ... },
  onHoverTableName: async cursorInfo => { // ... },
  onHoverTableField: (fieldName, extra) => { // ... },
  onHoverFunctionName: functionName => { // ... }
});

比如实现了 onInputTableField 接口，我们可以拿到当前表名信息，轻松实现字段提示：

你也许会看到，上图中鼠标位置有错误提示（红色波浪线），但依然给出了正确的推荐提示。这得益于我们对 syntax-parser 内部机制的优化，将语法检查与智能提示分为两个模块独立处理，经过语法解析，虽然抛出了语法错误，但因为有了光标的加入，最终生成了语法树。

再比如实现了 onHoverFunctionName，可以自定义鼠标 hover 在函数时的提示信息：

得益于 sql-reader，我们对 sql 语句做了层层解析，所以才能把自动提示做到极致。比如在做字段自动提示时，经历了如下判断步骤：

而你只需要实现 onInputTableField，告诉程序每个表可以提供哪些字段，整个流程就会严格的层层检查表名提供对原始字段与 selectList 描述的输出字段，找到映射关系并逐级传递、校验，最终 Merge 后一直冒泡到当前光标位置所在语句，形成输入建议。

4 总结

整个智能提示的封装链条如下：

syntax-parser -> sql-parser -> monaco-editor-plugin

对应关系是：

语法解析器生成器 -> SQL 语法解析器 -> 编辑器插件

这样逻辑层次清晰，解耦，而且可以从任意节点切入，进行自定义，比如：

从 syntax-parser 开始使用

从最底层开始使用，也许有两个目的：

  1. 上层封装的 sql-parser 不够好用，我重写一个 sql-parser' 以及 monaco-editor-plugin'。
  2. 我的场景不是 SQL，而是流程图语法、或 Markdown 语法的自动提示。

针对这种情况，首先将目标文法找到，转化成 syntax-parser 的语法，比如：

chain(word, "=>", word);

再仿照 sql-parser -> monaco-editor-plugin 的结构把上层封装依次实现。

从 sql-parser 开始使用

也许你需要的仅仅是一颗 SQL 语法树？或者你的输出目标不是 SQL 编辑器而是一个 UI 界面？那可以试试直接使用 sql-parser。

sql-parser 不仅可以生成语法树，还能找到当前光标位置所在语法树的节点，找到 SQL 某个语法返回的所有字段列表等功能，基于它，甚至可以做 UI 与 SQL 文本互转的应用。

从 monaco-editor-plugin 开始使用

也许你需要支持自动提示的 SQL 编辑器，那太棒了，直接用 monaco-editor-plugin 吧，根据你的业务场景或个人喜好，实现一个定制的 monaco-editor 交互插件。

目前我们只开源最底层的 syntax-parser，这也是业务无关的语法解析引擎生成器，期待您的使用与建议！

讨论地址是：精读《手写 SQL 编译器 - 智能提示》 · Issue #118 · dt-fe/weekly

如果你想参与讨论，请点击这里，每周都有新的主题，周末或周一发布。前端精读 - 帮你筛选靠谱的内容。