我们是袋鼠云数栈 UED 团队,致力于打造优秀的一站式数据中台产品。我们始终保持工匠精神,探索前端道路,为社区积累并传播经验价值。

本文作者:奇铭

前言

目前数栈的多个产品中都支持在线编辑 SQL 来生成对应的任务。比如离线开发产品和实时开发产品。在使用 MonacoEditor 为编辑器的基础上,我们还支持了如下几个重要功能:

  • 多种 SQL 的语法高亮
  • 多种 SQL 的报错提示(错误位置飘红)
  • 多种 SQL 的自动补全(智能提示)

本文旨在讲解上述功能的实现思路,对于技术细节,由于篇幅原因不会阐述的太详细。

Monaco LanguagesMonaco Editor 内置的 languages

Monaco Editor 内置了相当多的 languages,比如 javaScriptCSSShell 等。
Monaco Editor 依赖包的 ESM 入口文件为 ./esm/vs/editor/editor.main.ts

而在这个文件中,Monaco Editor 引入了所有内置的 Languages。

这里 languages 文件可以分为两类,一类是../language文件夹下的,支持自动补全和飘红提示功能;另一类则是../basic-languages文件夹下的,不支持自动补全功能和飘红提示功能。

使用内置的 Language 功能

以使用 typescript 为例

import { editor } from 'monaco-editor';const container = document.getElementById('container');editor.create(container, {    language: 'typescript'})

此时我们会发现,我们的编辑器已经有语法高亮的功能了,但是浏览器控制台会抛异常,另外也没有自动补全功能和飘红提示功能,

这其实是因为,Monaco Editor 无法加载到 language 对应的 worker,对应的解决办法看这里: Monaco integrate-esm。
这里我们使用 Using plain webpack的方式,首先将对应的 worker 文件设置为 webpack entry

module.exports = {    entry: {        index: path.resolve( __dirname, './src/index.ts'),        'editor.worker': 'monaco-editor/esm/vs/editor/editor.worker.js',        'ts.worker': 'monaco-editor/esm/vs/language/typescript/ts.worker.js'    },}

另外还需要设置 Monaco Editor 的全局环境变量,这主要是为了告诉 Monaco Editor 对应的 worker 文件的路径

import { editor } from 'monaco-editor';(window as any).MonacoEnvironment = {getWorkerUrl: function (_moduleId, label) {switch (label) {case 'flink': {return './flink.worker.js';}case 'typescript': {return './ts.worker.js'}default: {return './editor.worker.js';}}}};const container = document.getElementById('container');editor.create(container, {    language: 'typescript'})

这样一个具有语法高亮自动补全飘红提示 功能的 typescript 编辑器就设置好了

小结分析

首先上文中提到了当我们直接从 Monaco Editor 的入口文件中导入时,会自动的引入所有内置的 Languages,但是实际上这其中绝大都是我们不需要的,而由于其导入方式,很显然我们不需要的 languages 也无法被 treeShaking。要解决这个问题我们可以选择从 monaco-editor/esm/vs/editor/editor.api 文件中导入Monaco Editor 核心 API,然后通过 monaco-editor-webpack-plugin 来按需导入所需要的功能。另外这个插件也可以自动处理Monaco Editor 内置的 worker 文件的打包问题,以及自动注入 MonacoEnvironment全局环境变量。

自定义 Language注册Language

Monaco Editor 提供了 monaco.languages.register方法,用来自定义 language

/** * Register information about a new language. */export function register(language: ILanguageExtensionPoint): void;export interface ILanguageExtensionPoint {  id: string;  extensions?: string[];  filenames?: string[];  filenamePatterns?: string[];  firstLine?: string;  aliases?: string[];  mimetypes?: string[];  configuration?: Uri;}

第一步,我们需要注册一个 language, 配置项中 id 对应的就是语言名称(其他配置项可以暂时不填),这里自定义的 language 名为 myLang

import { editor, languages } from 'monaco-editor';languages.register({    id: "myLang"});const container = document.getElementById('container');editor.create(container, {    language: 'myLang'})

此时可以发现,页面上的编辑器没有任何其他附加功能,就是普通的文本编辑器。

设置 Language

通过 monaco.languages.setLanguageConfiguration,可以对 language 进行配置

/** * Set the editing configuration for a language. */export function setLanguageConfiguration(  languageId: string,  configuration: LanguageConfiguration): IDisposable;/** * The language configuration interface defines the contract between extensions and * various editor features, like automatic bracket insertion, automatic indentation etc. */export interface LanguageConfiguration {    comments?: CommentRule;    brackets?: CharacterPair[];    wordPattern?: RegExp;    indentationRules?: IndentationRule;    onEnterRules?: OnEnterRule[];    autoClosingPairs?: IAutoClosingPairConditional[];    surroundingPairs?: IAutoClosingPair[];    colorizedBracketPairs?: CharacterPair[];    autoCloseBefore?: string;    folding?: FoldingRules;}

这些配置会影响 Monaco Editor 的一些默认行为,比如设置 autoClosingPairs中有一项为一对圆括号,那么当输入左圆括号后,会自动补全右圆括号。

import { languages } from "monaco-editor";const conf: languages.LanguageConfiguration = {  comments: {    lineComment: "--",    blockComment: ["/*", "*/"],  },  brackets: [    ["(", ")"],  ],  autoClosingPairs: [    { open: "(", close: ")" },    { open: '"', close: '"' },    { open: "'", close: "'" },  ],  surroundingPairs: [    { open: "(", close: ")" },    { open: '"', close: '"' },    { open: "'", close: "'" },  ],};languages.setLanguageConfiguration('myLang', conf)

高亮功能Monarch

Moanco Editor 内置了 Monarch,用于实现语法高亮功能,它本质上是一个有限状态机,我们可以通过JSON的形式来配置其状态流转逻辑,并通过monaco.languages.setMonarchTokensProvider API 应用该配置。关于Monarch 的具体用法可以看一下这篇文章 以及 Monarch Document。
配置中最重要的是 tokenizer属性,意思是分词器,分词器会自动对编辑器内部的文本进行分词处理,每个分词器都有一个 root state,在 root state 中可以有多条规则,规则内部可以引用其他 state。

下面是一个简单的配置示例

import { languages } from "monaco-editor";export const language: languages.IMonarchLanguage = {ignoreCase: true,tokenizer: {root: [{ include: '@comments' }, // 引用下面的 comments 规则{ include: '@whitespace' }, // 引用下面的 whiteSpace 规则{ include: '@strings' },// 引用下面的 strings 规则],whitespace: [[/\s+/, 'white']],comments: [[/--+.*/, 'comment'],[/\/\*/, { token: 'comment.quote', next: '@comment' }]],comment: [[/[^*/]+/, 'comment'],[/\*\//, { token: 'comment.quote', next: '@pop' }],[/./, 'comment']],strings: [[/'/, { token: 'string', next: '@string' }]],string: [[/[^']+/, 'string'],[/''/, 'string'],[/'/, { token: 'string', next: '@pop' }]],}};languages.setMonarchTokensProvider("myLang", language);

上面的配置中 root 下面有三条规则分别匹配 注释(comments)字符串(strings) 以及空白字符(whiteSpace), 每条规则可以大体分为两部分:

  • 匹配方式,比如说正则
  • 对应的 token 类型(任意字符串)

比如上述配置中 tokenizer.comments 规则

  comments: [    [/--+.*/, 'comment'], // 左边是正则表达式用来匹配文本,右边是该规则对应的 token 名称    [/\/\*/, { token: 'comment.quote', next: '@comment' }] // 左边是正则表达式用来匹配文本,右边显示声明对应的 token 名称  ],

配置了如上 Monarch 之后,在编辑器内部输入注释或者字符串,那么Monaco editor 就会根据输入的内容进行分词处理

可以看到目前字符串和注释已经被高亮了。这里有一个新的问题,不同类型的分词的颜色是怎么设置的

Monaco Theme

从上图中右侧的 Elements 面板中可以看到,不同类型的分词,对应的标签的 className 不同,它们是由 Monarch 配置中的 token 映射而来的。MonacoEditor 内置了一些 Theme,默认的 Theme 是 vs,而默认的 theme 中已经设置了上述 Monarch 中的 token 对应的颜色,所以我们应用上述配置后,对应的分词直接就有了高亮颜色。
我们可以通过 monaco.editor.defineTheme 来定义一种新的 theme,如下例所示:

editor.defineTheme('myTheme', {    base: 'vs',    inherit: true,    rules: [        { token: 'comment', foreground: 'ff4400' },        { token: 'string', foreground: '0000ff' }    ],    colors: {    },});// xxxxeditor.create(container, {  language: "myLang",  theme: "myTheme"});

这里将注释设置为红色,字符串设置为蓝色,显示效果如下图所示

飘红提示

飘红提示的功能就是在代码错误的位置打上标记(一般是红色波浪线),可以通过 monaco.editor.setModelMarkers API 来实现。比如我们想为 第1行的第1个字符到第2行的第2个字符 之间打上错误标记:

const editorIns = editor.create(container, {  language: "myLang",  theme: "myTheme",  value: `helloworld`});const model = editorIns.getModel();editor.setModelMarkers(model, 'myLang', [{startLineNumber: 1,startColumn: 1,endLineNumber: 2,endColumn: 2,message: "语法错误",severity: MarkerSeverity.Error}])

severity 是标记类型,message 是提示信息,效果如下所示。

到此为止,实现了飘红的功能,但是没有实现在语法错误处飘红的功能,这需要额外的语法解析器支持,会在下文中讲到。

自动补全功能

Monaco Editor 提供了 monaco.languages.registerCompletionItemProvider API 来实现自动补全功能

import { editor, languages, MarkerSeverity, Position, CancellationToken, Range  } from "monaco-editor";languages.registerCompletionItemProvider('myLang', {triggerCharacters: ['.', '*'],provideCompletionItems(model: editor.IReadOnlyModel,position: Position,context: languages.CompletionContext,token: CancellationToken){const wordInfo = model.getWordUntilPosition(position);        const wordRange = new Range(            position.lineNumber,            wordInfo.startColumn,            position.lineNumber,            wordInfo.endColumn        );    return new Promise((resolve) => {    resolve({    suggestions: [    {    label: "SELECT",    kind: languages.CompletionItemKind.Keyword,    insertText: "SELECT",    range: wordRange,    detail: '关键字',    },    {    label: "SET",    kind: languages.CompletionItemKind.Keyword,    insertText: "SET",    range: wordRange,    detail: '关键字',    },    {    label: "SHOW",    kind: languages.CompletionItemKind.Keyword,    insertText: "SHOW",    range: wordRange,    detail: '关键字',    },    ]    })    })}})

registerCompletionItemProvider 接受两个参数,第一个参数是 languageId 也就是 language 名称,
第二个参数是一个 CompletionItemProviderCompletionItemProvidertriggerCharacters用来配置触发自动补全的字符有哪些,而 provideCompletionItems则是一个函数,它接收 Monaco Editor 提供的当前的上下文信息,返回自动补全项列表。如上例中返回了三个自动补全项,那么当我们在编辑器中输入 S时,就会出现配置的自动补全项候选菜单。

通过这个 API 我们可以实现一种语言的关键字自动补全,只需要在CompletionItemProvider中返回该语言所有的关键字对应的自动补全项即可。
但是registerCompletionItemProvider目前做不到根据语义进行自动补全。
比如用户写一段 flinkSQL,当用户输入完 CREATE 关键字并按下空格后,应该出现的自动补全项应该是只有TABLECATALOGDATABASEFUNCTIONVIEW
再比如当用户输入 SELECT * FROM 时,后面应该提示表名而不是其他无关的关键字。与上文中的飘红提示一样,这些语义信息需要单独的语法解析器来分析。

小结分析

到此为止,在**自定义 language **这一节中,我们已经了解了,在 Monaco Editor 中如何实现自定义语言的 语法高亮错误处飘红提示自动补全
在数栈产品中,本节讲到的功能都通过引入 monaco-sql-languages 依赖来实现,这是我们数栈 UED 团队自研的开源项目,目前已经支持多种 SQL Languages。
由于目前为止没有实现自定义 language 的语义分析功能,导致目前实现的编辑器不够智能。 另外,对于第一节中提到的 web worker ,在第二节中也没有有提到,实际上 Monaco Editor 自带的 web worker,也都是为了实现 language 的语义分析功能,下一节将阐述这一部分内容。

SQL Parser

要实现语义分析功能,很显然我们需要一个语法解析器。除了基本的语法解析的基础功能以外,我们还需要

  • 语法错误收集,收集编辑器中文本的语法错误信息,用于错误飘红提示功能。
  • 推断文本中指定位置的候选项列表,对于编辑器来说,指定位置一般就是光标所在位置。候选项是指在光标所在的位置应该要写什么。比如 SQL 中 SELECT 关键字后面可以跟字段或者函数,那么我们所要实现的 sql parser 就应该提示出在 SELECT 关键字后面的候选项应该是字段或者函数。

实现基础的 SQL ParserAntlr4 语法文件

我们使用 Antlr4 来实现一个基本的 SQL Parser。Antlr4 是一个强大的解析器生成器,它能根据用户自定义的语法文件来生成对应的解析器。Antlr4 的语法文件为 .g4文件,内部可以包含多条规则,规则可以分为词法规则和语法规则,词法规则用于生成词法分析器,语法规则用于生成语法解析器。
例,我们现在写一份语法规则,匹配最简单的 SELECT 语句(不包括子查询、别名等规则),比如

SELECT * FROM table1;  -- eg1SELECT table2.name, age FROM schema2.table2; -- eg2

那么在antlr4中这份语法文件应该这样写:

grammar SelectStatement;/** 语法规则 begin */program: selectStatement? EOF;// 声明 语句的匹配规则selectStatement: KW_SELECT columnGroup KW_FROM tablePath SEMICOLON?;// 声明 语句中字段部分的匹配规则,字段部分可能为 col1, col2 的形式columnGroup: columnPath (COMMA columnPath)*;// 声明 字段名匹配规则,字段名有可能为 db.table.col 或者 * 的形式columnPath: dot_id | OP_STAR; // 声明 表名匹配规则,表名有可能为 db.table 的形式tablePath: dot_id; // 匹配 id.id 形式的标识符号dot_id: IDENTIFIER_LITERAL (DOT IDENTIFIER_LITERAL)*; /** 语法规则 end */ /** 词法规则 begin */KW_SELECT:          'SELECT'; // 匹配 SELECT 关键字KW_FROM:            'FROM'; // 匹配 FROM 关键字OP_STAR:            '*'; // 匹配 * DOT:                '.'; // 匹配 .COMMA:              ','; // 匹配 ,SEMICOLON:          ';'; // 匹配 ;IDENTIFIER_LITERAL: [A-Z_a-z][A-Z_0-9a-z]*; // 匹配标识符WS:                 [ \t\n\r]+ -> skip ; // 忽略空格换行等空白字符/** 词法规则 end */

语法规则的编写格式类似于 EBNF。
然后运行 antlr4 命令,根据所写的语法文件生成对应的解析器。可以直接使用官方文档中提供的方式 antlr4 typescript-target doc ,或者直接使用社区提供的 antlr4ts 包,这里以使用 antlr4ts 为例。
生成的文件结果如下所示:

使用 Antlr4 生成的 Parser

在使用Antlr4 的生成的 Parser 之前我们需要安装,Antlr4 的运行时包。你可以将 Antlr4 的运行时包通过语法文件生成的parser文件之间的关系,类比为 react 和 react-dom之间的关系。这里以使用 antlr4ts 为运行时

import { CommonTokenStream, CharStreams } from 'antlr4ts';import { SelectStatementLexer } from '../lib/selectStatement/SelectStatementLexer';import { SelectStatementParser } from '../lib/selectStatement/SelectStatementParser';class SelectParser {  private createLexer(input: string) {    const inputStream = CharStreams.fromString(input);    const lexer = new SelectStatementLexer(inputStream);    return lexer  }  private createParser (input: string) {    const lexer = this.createLexer(input);    const tokens = new CommonTokenStream(lexer);    const parser = new SelectStatementParser(tokens);    return parser  }  parse (sql: string) {    const parser = this.createParser(sql)    const parseTree = parser.selectStatement();    return parseTree;  }}// 试一下效果const selectParser = new SelectParser();const parseTree = selectParser.parse('SELECT * FROM table1');

获取文本中的错误信息

当解析一个含有错误的文本时,Antlr4 会输出错误信息,例如输入

selectParser.parse('SELECT id FRO');

控制台打印

可以看到错误信息中包含了文本中的错误所处的位置,我们可以通过使用 Antlr4 ParserErrorListener 来获取错误信息。

声明一个 ParserErrorListener

import { ParserErrorListener } from 'antlr4ts';export class SelectErrorListener implements ParserErrorListener {    private _parserErrorSet: Set = new Set();    syntaxError(_rec,_ofSym, line, charPosInLine,msg) {        let endCol = charPosInLine + 1;        this._parserErrorSet.add({            startLine: line,            endLine: line,            startCol: charPosInLine,            endCol: endCol,            message: msg,        })    }    clear () {        this._parserErrorSet.clear();    }    get parserErrors () {        return Array.from(this._parserErrorSet)     }}

使用 ParserErrorListener 收集错误信息

import { CommonTokenStream, CharStreams } from 'antlr4ts';import { SelectStatementLexer } from '../lib/selectStatement/SelectStatementLexer';import { SelectStatementParser } from '../lib/selectStatement/SelectStatementParser';class SelectParser {    private _errorListener = new SelectErrorListener();    createLexer(input: string) {        const inputStream = CharStreams.fromString(input);        const lexer = new SelectStatementLexer(inputStream);        this._errorListener.clear();        lexer.removeErrorListeners(); // 移除 Antlr4 内置的 ErrorListener        lexer.addErrorListener(this._errorListener)        return lexer    }    createParser (input: string) {        const lexer = this.createLexer(input);        const tokens = new CommonTokenStream(lexer);        const parser = new SelectStatementParser(tokens);        parser.removeErrorListeners(); // 移除 Antlr4 内置的 ErrorListener        parser.addErrorListener(this._errorListener);        return parser    }    parse (sql: string) {        const parser = this.createParser(sql)        const parseTree = parser.selectStatement();        console.log(this._errorListener.parserErrors);        return {          parseTree,          errors: this._errorListener.parserErrors,        };    }}// 试一下效果const selectParser = new SelectParser();const { errors } = selectParser.parse('SELECT id FRO');console.log(errors);

打印结果

这样我们就获取到了文本中的语法错误出现的位置,以及错误信息。
到此为止上文中遗留的第一个问题就已经差不多解决了,我们只需要在合适的时机将编辑器的内容进行解析,拿到错误信息并且通过 editor.setModelMarkers这个 API 让错误的位置飘红就大功告成了。

自动补全功能

对于自动补全功能,Antlr4 并没有直接提供,但是社区已经有了比较优秀的解决方案 – antlr-c3 。它的作用是根据Antlr4 Parser 的解析结果,分析指定位置填哪些词法/语法规则是合法的
antlr4-c3 的使用方式比较简单。

import { CodeCompletionCore } from "antlr4-c3";// 这里 parser 是 parser 实例let core = new CodeCompletionCore(parser); // tokenIndex 是想要自动补全的位置,对应由编辑器的光标位置转换而来// parserContext 则是解析完之后的返回的 ParserTree 或者 ParserTree 的子节点(传入子节点可以更高效)let candidates = core.collectCandidates(tokenIndex, parserContext);

那么结合上文中写的 SelectParser,代码应该是这样

import { CodeCompletionCore } from "antlr4-c3";import { SelectParser } from "./selectParser";/** * input 源文本 * caretPosition 编辑器光标位置 */function getSuggestions(input: string, caretPosition) {    const selectParser = new SelectParser();    const parserIns = selectParser.createParser(input)    let core = new CodeCompletionCore(parserIns);    const parserContext = parserIns.selectStatement();    // 伪代码    const tokenIndex = caretPosition2TokenIndex(caretPosition)    let candidates = core.collectCandidates(tokenIndex, parserContext);}

core.collectCandidates 的返回值的数据类型如下

interface CandidatesCollection {    tokens: Map;    rules: Map;}

tokens 对应的是词法规则提示,比如关键字等,rules 对应的是语法规则,比如上述语法文件中的 columnPathtablePath等。
需要注意的是,antlr4-c3 默认不收集语法规则,需要我们手动设置需要收集的语法规则

import { SelectStatementParser } from '../lib/selectStatement/SelectStatementParser';let core = new CodeCompletionCore(parserIns);core.preferredRules= new Set([    SelectStatementParser.RULE_tablePath,    SelectStatementParser.RULE_columnPath])// 设置需要收集 tablePath 和 columnPath

这样我们就收集到了在指定位置的可以填什么。接下来我们需要将结果进行转换成我们需要的数据结果

import { CodeCompletionCore } from "antlr4-c3";import { SelectParser } from "./selectParser";import { SelectStatementParser } from '../lib/selectStatement/SelectStatementParser';/** * input 源文本 * caretPosition 编辑器光标位置 */export function getSuggestions(input: string, caretPosition?: any) {    const selectParser = new SelectParser();    const parserIns = selectParser.createParser(input)    let core = new CodeCompletionCore(parserIns);    core.preferredRules= new Set([        SelectStatementParser.RULE_tablePath,        SelectStatementParser.RULE_columnPath    ])    const parserContext = parserIns.selectStatement();    const tokenIndex = caretPosition2TokenIndex(caretPosition);    let candidates = core.collectCandidates(tokenIndex, parserContext);    const rule = [];    const keywords = []    for (let candidate of candidates.rules) {        const [ruleType] = candidate;        let syntaxContextType;        switch (ruleType) {            case SelectStatementParser.RULE_tablePath: {                syntaxContextType = 'table';                break;            }            case SelectStatementParser.RULE_columnPath: {                syntaxContextType = 'column';                break;            }            default:                break;        }        if (syntaxContextType) {            rule.push(syntaxContextType)        }    }    for (let candidate of candidates.tokens) {        const symbolicName = parserIns.vocabulary.getSymbolicName(candidate[0]);        const displayName = parserIns.vocabulary.getDisplayName(candidate[0]);        if(symbolicName && symbolicName.startsWith('KW_')) {            const keyword = displayName.startsWith("'") && displayName.endsWith("'")                ? displayName.slice(1, -1)                : displayName            keywords.push(keyword);        }    }    console.log('===== suggest keywords: ',keywords);    console.log('===== suggest rules:', rule);}

这样我们就拿到了要提示的关键字和语法规则。关键字可以直接用于生成自动补全项,语法规则可以用于提示表名、字段名等。

小结分析

在这一节中,我们已经了解了,如何使用 Antlr4 和 antlr4-c3 来实现更加智能的飘红提示以及自动补全功能。
这一部分功能,在 monaco-sql-languages 中通过引入数栈前端团队自研的开源项目 dt-sql-parser 实现。
前文中提到的 worker 文件也正是用于运行 sql parser,因为dt-sql-parser 的解析可能会比较耗时,为了避免用项用户交互,将 sql parser 放到 web worker 中运行显然是更明智的选择。

总结

总的来说

  • 多种 SQL 的语法高亮
  • 多种 SQL 的报错提示(错误位置飘红)
  • 多种 SQL 的自动补全(智能提示)

三个功能大部分都可以通过 MonacoEditor 内置的 API 来实现,只是关键的语法解析功能需要使用 Antlr4 实现。整体上来说大部分的工作在编写 Antlr4 的语法文件以及方案整合上面。

Github 链接

  • demo 项目
  • monaco-sql-languages
  • dt-sql-parser
  • antlr4
  • antlr4-c3

最后

欢迎关注【袋鼠云数栈UED团队】~
袋鼠云数栈UED团队持续为广大开发者分享技术成果,相继参与开源了欢迎star

  • 大数据分布式任务调度系统——Taier
  • 轻量级的 Web IDE UI 框架——Molecule
  • 针对大数据领域的 SQL Parser 项目——dt-sql-parser
  • 袋鼠云数栈前端团队代码评审工程实践文档——code-review-practices
  • 一个速度更快、配置更灵活、使用更简单的模块打包器——ko