编写语法（Writing the Grammar）
编写 Tree-sitter 语法需要一定的设计取舍。
对于任意一种语言，都存在无限多种上下文无关文法（CFG）可以描述它。
但要生成一个高质量的 Tree-sitter 解析器，语法必须满足两个关键特性：
- 结构直观
- 尽量符合 LR(1) 文法特性
Tree-sitter 生成的是具体语法树（Concrete Syntax Tree），因此语法规则应尽量与语言中的真实结构一一对应，而不是简单照搬语言规范中的 CFG 定义。(Tree-sitter)
前期语法结构设计
通常应先参考目标语言的正式语法规范，但不要直接翻译规范中的 CFG。
更推荐的方式是：
先建立语言的核心结构骨架，例如：
- Declaration（声明）
- Definition（定义）
- Statement（语句）
- Expression（表达式）
- Type（类型）
- Pattern（模式）
示例结构：
rules: {
source_file: $ => repeat($._definition),
_definition: $ => choice(
$.function_definition
),
function_definition: $ => seq(
'func',
$.identifier,
$.parameter_list,
$._type,
$.block
)
}
初始阶段的目标：
先覆盖主要语法类别，而不是精确复刻语言规范。 (Tree-sitter)
随后可以逐步扩展子系统，例如先实现类型系统：
_type: $ => choice(
$.primitive_type,
$.array_type,
$.pointer_type
)
开发过程中建议持续使用：
tree-sitter parse
解析真实代码验证结果，并为每条规则添加测试。 (Tree-sitter)
规则结构设计原则
如果直接按照语言规范建模，语法树通常会出现过深嵌套。
例如：
return x + y;
语言规范可能包含十几层表达式中间规则（如 LogicalORExpression、ShiftExpression 等），导致语法树层级极深且难以分析。
Tree-sitter 推荐：
使用更扁平（flat）的表达式结构。
示例：
expression: $ => choice(
$.identifier,
$.unary_expression,
$.binary_expression
)
但这种写法会产生歧义，需要额外处理。 (Tree-sitter)
使用优先级（Precedence）
表达式歧义示例：
-a * b
解析器无法判断：
(-a) * b-(a * b)
可通过 prec 指定绑定强度：
unary_expression: $ =>
prec(2,
choice(
seq("-", $.expression),
seq("!", $.expression)
)
)
优先级越高，绑定越紧。 (Tree-sitter)
使用 conflicts（显式冲突）
某些语法本身存在合法歧义，例如：
[x, y]
可能表示：
- 数组字面量
- 解构模式
此时应显式声明冲突：
conflicts: $ => [
[$.array, $.array_pattern],
]
这允许 Tree-sitter 同时探索多种解析路径。 (Tree-sitter)
隐藏规则（Hiding Rules）
以 _ 开头的规则不会出现在语法树中：
_expression
_type
适用于：
- 仅作结构包装
- 始终只有单子节点的规则
可显著减少语法树噪声。 (Tree-sitter)
使用字段（Fields）
通过 field 为子节点命名：
function_definition: $ =>
seq(
"func",
field("name", $.identifier),
field("parameters", $.parameter_list),
field("return_type", $._type),
field("body", $.block),
)
优势：
- 按名称访问子节点
- 避免依赖位置索引
便于后续 Query 与代码分析。 (Tree-sitter)
Extras（可出现于任意位置的 Token）
用于定义：
- 空白
- 注释
extras: $ => [
/\s/,
$.comment,
]
推荐将复杂 token 定义为规则再引用，而不是直接内联，否则会导致解析器体积显著增大。 (Tree-sitter)
Supertypes（超类型）
抽象类别规则（如 expression）通常只是多个规则的集合：
expression: $ => choice(
$.identifier,
$.binary_expression
)
若不处理，会生成额外节点层级。
可加入：
supertypes: $ => [
$.expression
]
这样：
- 不生成可见节点
- 仍可在 Query 中使用
从而保持语法树简洁。 (Tree-sitter)
词法分析（Lexing）
Tree-sitter 解析分为两阶段：
- Lexing（词法分析）
- Parsing（语法分析）
其词法分析具有两个关键特性：
1️⃣ 上下文感知词法分析
Lexer 只尝试匹配当前语法位置合法的 token。
2️⃣ 词法优先级
当多个 token 可匹配同一文本时：
token(prec(N, rule))
用于决定 lexer 选择哪个 token。
多数难以解决的问题本质上属于：
lexical precedence 问题。 (Tree-sitter)
关键字处理（word token）
语言通常同时存在：
- keyword（如
if） - identifier
通过指定：
word: $ => $.identifier
Tree-sitter 会自动提取关键字集合，从而避免：
instanceofSomething
被错误拆分为：
instanceof + Something
同时还能提升解析性能。 (Tree-sitter)
核心设计原则总结
Tree-sitter Grammar 的本质目标：
语言规范 CFG
↓（重构）
可分析的 Concrete Syntax Tree
↓
高效 LR(1) 解析
重点不是“正确翻译语言规范”，而是：
设计一个既易解析，又易分析的语法结构。
