Python Lark库教程：快速生成词法分析器与语法树

落日邮差

发布时间：2026-11-09| 10人浏览过

原创

全面讲解如何使用 Python Lark 库快速构建词法分析器与语法分析树（Parse Tree），包含 EBNF 文法设计、大小写终结符规则、四则运算实战以及 Transformer 语义求值。

在 Python 中处理特定格式文本、数学表达式或自定义领域特定语言（DSL）时，手动编写字符切分和递归下降解析器容易产生繁重且难以维护的代码。Lark 是一个纯 Python 实现的现代化语法解析库，能够基于直观的 EBNF（扩展巴科斯范式）文法，在数行代码内自动构建高效的词法分析器（Lexer）与语法分析器（Parser），并生成层次清晰的语法分析树（Parse Tree）。本文将从环境准备入手，通过四则运算解析器的实战搭建，详解终结符规则设计、语法树节点结构以及使用 Transformer 完成语法树求值的完整流程。

Python Lark库教程：快速生成词法分析器与语法树 — 图 0：Lark 语法解析全景流转（从 EBNF 文法到业务求值）

一、环境准备与 Lark 核心解析流程

Lark 作为一个纯 Python 库，不依赖外部 C 编译器或复杂的原生工具链，安装过程非常直接。在终端中执行以下命令即可完成安装：

pip install lark

在实际编写代码前，理解 Lark 内部的数据流动机制有助于快速定位文法设计中的问题。Lark 的解析过程由四个关键步骤组成：

文法声明：使用标准的 EBNF 语法规则编写文法字符串，明确指出文本由哪些语法结构和词法单元组成。
引擎实例化：创建 Lark 核心对象，Lark 会自动编译文法，构建对应的状态机与词法提取器。
语法分析：调用 parser.parse(text) 处理目标文本，词法分析器先将字符流切分为一系列 Token，语法分析器再将 Token 组装为嵌套的 Tree 对象。
语义转换：通过继承 Transformer 编写访问逻辑，自底向上遍历语法树并折叠节点，输出最终的数值结果或抽象语法树（AST）。

二、EBNF 文法设计：区分词法规则与语法规则

Lark 采用声明式文法规范。理解 Lark 文法设计的核心，在于掌握大小写命名区分这一黄金法则。在文法字符串中，大小写代表完全不同的解析层次与处理角色：

1. 终结符（Terminals）：词法分析层

终结符的名称必须全部使用大写字母（例如 NUMBER、WORD、PLUS）。终结符由词法分析器（Lexer）执行，用于匹配输入文本中的不可再分的最小单元（Token）。

正则表达式定义：可以使用斜杠包裹正则表达式，例如 NUMBER: /[0-9]+(\.[0-9]+)?/。
字符串字面量定义：可以直接指定精确匹配的符号，例如 PLUS: "+"、EQ: "=="。
内置标准终结符：Lark 提供了常用的内建库，通过 %import common.NUMBER、%import common.CNAME 可以直接复用标准词法规则。
忽略规则：在绝大多数文本和编程语言中，空格和换行不需要进入语法分析，使用 %ignore WS 可在词法分析阶段自动丢弃空白符。

2. 语法规则（Rules）：语法分析层

语法规则的名称必须全部使用小写字母（例如 expr、term、statement）。语法规则由语法分析器（Parser）执行，定义了如何将终结符和子规则拼接组合成复杂的嵌套结构。

序列与分支：使用空格表示顺序出现，使用竖线 | 表示逻辑“或”，例如 expr: term ("+" term | "-" term)*。
重复匹配修饰符：支持正则表达式风格的符号，* 表示匹配 0 次或多次，+ 表示匹配 1 次或多次，? 表示可选（0 次或 1 次）。
规则内联修饰符（? 与 _）：若在规则名前加问号（如 ?expr: ...），当该规则匹配到的子节点只有一个时，Lark 会自动将该规则节点折叠剔除，避免在语法树中产生冗余的单子节点嵌套；前缀下划线（如 _expr）则会完全隐藏当前规则节点并展开其所有子节点。

三、实战案例：从零构建四则运算解析树

为了具体展示从词法到语法树的生成过程，我们以支持加减乘除、括号运算以及浮点数的算术表达式解析器为例。在算术表达式中，乘除的优先级高于加减，括号的优先级最高。在 EBNF 中，通过分层递归结构能够天然表达运算优先级。

1. 完整解析代码示例

新建 Python 脚本 calc_parser.py，编写如下完整可执行代码：

from lark import Lark

# 定义四则运算 EBNF 文法
calc_grammar = """
    // 语法规则（小写）：分层体现运算优先级
    expr: term (PLUS term | MINUS term)*
    term: factor (STAR factor | SLASH factor)*
    factor: NUMBER
          | LPAREN expr RPAREN

    // 终结符（大写）：词法单元匹配
    PLUS: "+"
    MINUS: "-"
    STAR: "*"
    SLASH: "/"
    LPAREN: "("
    RPAREN: ")"

    // 导入内置数字与空白符规则，并配置忽略空白
    %import common.NUMBER
    %import common.WS
    %ignore WS
"""

# 实例化 Lark 解析器，指定入口规则为 expr，引擎为 lalr
parser = Lark(calc_grammar, start="expr", parser="lalr")

# 待解析的目标表达式
expression = "3 + 5 * 2"

# 执行词法分析与语法树构建
tree = parser.parse(expression)

# 输出语法分析树的文本结构
print(tree.pretty())

2. 语法树结构与运行输出

运行上述脚本后，在控制台可以观察到 tree.pretty() 输出的树状层次结构：

示例运行输出结果 (tree.pretty())

expr
  term
    factor
      3
  +
  term
    factor
      5
    *
    factor
      2

仔细分析这一输出结构可以发现：

整个结构的根节点是 expr。
左侧子项是经过 term 包装的 factor（数字 3）。
操作符 + 是同级的一个 Token。
右侧子项是一个完整的 term 节点，它内部包含了 factor(5)、* 和 factor(2)。这意味着乘法计算被完整封装在右侧子树中，确保了其优先结合的正确语义。

核心概念：Tree 对象与 Token 对象的区别

在 Lark 中，语法树由两种基本元素组成：Tree 是非终结节点（有 data 属性表示规则名称，有 children 列表保存子项）；Token 是叶子终结符（继承自 Python 的 str，拥有 type 属性表示 Token 名称，以及字符在源文本中的行号 line、列号 column 等元数据）。

四、语法树的遍历与求值：使用 Transformer

生成语法树仅完成了结构验证。在实际应用中，我们通常需要计算出最终结果，或者将其转换为领域模型对象。如果直接通过递归函数遍历包含多层嵌套的 Tree，代码会充斥大量的类型检查。Lark 提供了 Transformer 机制，能够以自底向上（Bottom-Up）的方式自动收敛求值。

1. 规则别名与 Transformer 映射

为了让 Transformer 的方法更加直观，我们可以在文法规则的分支后添加 -> 别名。并且，通过在规则名前添加 ? 前缀，可以让单个子节点自动提升，简化树的层次。

创建 calc_eval.py，完整代码如下：

from lark import Lark, Transformer, v_args

# 采用带别名与折叠修饰符 ? 的文法
optimized_grammar = """
    ?start: expr

    ?expr: expr "+" term   -> add
         | expr "-" term   -> sub
         | term

    ?term: term "*" factor -> mul
         | term "/" factor -> div
         | factor

    ?factor: NUMBER        -> num
           | "(" expr ")"

    %import common.NUMBER
    %import common.WS
    %ignore WS
"""

# 定义 Transformer 求值器
@v_args(inline=True)  # inline=True 将 children 列表解构为函数的独立位置参数
class CalculateTree(Transformer):
    def num(self, token):
        return float(token)

    def add(self, a, b):
        return a + b

    def sub(self, a, b):
        return a - b

    def mul(self, a, b):
        return a * b

    def div(self, a, b):
        if b == 0:
            raise ZeroDivisionError("除数不能为零")
        return a / b

# 构造解析器
calc_parser = Lark(optimized_grammar, parser="lalr")

# 执行测试
test_cases = [
    "3 + 5 * 2",
    "(3 + 5) * 2",
    "100 / (2 + 3) * 4"
]

evaluator = CalculateTree()
for expr in test_cases:
    tree = calc_parser.parse(expr)
    result = evaluator.transform(tree)
    print(f"{expr} = {result}")

示例运行输出结果

3 + 5 * 2 = 13.0
(3 + 5) * 2 = 16.0
100 / (2 + 3) * 4 = 80.0

在求值器中，@v_args(inline=True) 扮演了关键角色。如果不加该装饰器，每个处理方法接收到的参数为一个列表 children；加上该装饰器后，子节点会自动解包为位置参数 a, b，使代码如同编写普通的代数运算函数一样清晰。

五、解析算法选择与常见避坑指南

Lark 提供了多种解析算法后端，最常用的是 lalr 和 earley。针对具体场景进行合理选型，是保证解析效率与文法正确性的前提。

特性维度	LALR(1) 引擎	Earley 引擎
解析性能	极快，线性时间复杂度 $O(n)$，内存占用低	中等，通用图表动态规划算法，复杂度 $O(n)$ 至 $O(n^3)$
文法兼容性	要求严格确定性文法，不能存在移进-归约或归约-归约冲突	能够解析任意上下文无关文法（CFG），支持左递归与二义性
词法分析策略	标准独立词法分析器（Standard Lexer）或上下文感知分析器	支持动态词法分析（Dynamic Lexer），分词可受当前语法状态引导
典型应用场景	生产级 DSL、配置解析器、数学公式求值等对吞吐要求高的系统	文法初期原型验证、自然语言处理、复杂或模糊语法的解析实验

常见错误排查与处理

UnexpectedCharacters 异常：输入文本中出现了词法分析器未能匹配的字符。通常是因为缺少忽略规则（例如未设置 %ignore WS）导致回车空格报错，或者终结符正则表达式未覆盖特殊符号。
UnexpectedToken 异常：词法分析成功切分了 Token，但 Token 出现的顺序不符合语法规则。请检查语法规则分支中操作符与表达式的顺序。
LALR 移进-归约冲突（Shift/Reduce Conflict）：当使用 parser='lalr' 时，若文法规则存在二义性（例如同时允许 expr: expr "+" expr 而没有指定左结合优先级），LALR 会无法判定如何归约。解决办法是分层定义语法（如同本文中的 expr -> term -> factor），或者临时切换为 parser='earley' 观察生成的完整树结构。