Flex 正则表达式文字 char

Question

我在使用 flex 设置正则表达式来匹配类似 C 的文字字符时遇到了一些问题。

我需要匹配根据语法正确的文字字符和不正确的文字字符，例如未终止的字符文字。

2 条规则，一条为正确规则，另一条为未终止规则。

chrlit          (\')([^\\\'\n]|(\\.))(\')
untermchrlit    (\')([\\|\']|(.))*

我需要有关正则表达式的帮助，因为它们无法按照我的需要工作。以下是它们应该如何工作的一些示例：

'          -> unterminated char constant
'/'        -> CHRLIT('/')
'('        -> CHRLIT('(')
'a"b"c"de  -> unterminated char constant
'abc       -> unterminated char constant
'abc\      -> unterminated char constant
'\\'       -> CHRLIT('\\')
';'        -> CHRLIT(';')
''         -> unterminated char constant
'a'        -> CHRLIT('a')
'\'        -> unterminated char constant 
'\;'       -> CHRLIT('\;')
'\\\'      -> unterminated char constant
'\\\       -> unterminated char constant    
'\/'       -> CHRLIT('\/')
'a\'       -> unterminated char constant
'\\        -> unterminated char constant
'\t'       -> CHRLIT('\t')

Answer 1

问题是，未终止的字符文字的模式也将匹配终止的字符以及任何后续字符，除非字符文字位于行的末尾。您可以像这样让自己的生活变得更简单，而不是尝试精确匹配未终止的字符文字，untermchrlit如果遇到一个'which不是a的开头，则返回到chrlit。（因此，如果chrlit匹配所有可能的终止文字，它必须是未终止的。）（我还冒昧地从正则表达式中删除了所有多余的括号和反斜杠，这使得它们阅读起来不那么嘈杂。）

chrlit          '([^'\\\n]|\\.)'
untermchrlit    '

该解决方案的唯一问题是，它将在未终止后立即继续扫描'，这很可能会产生人为错误，特别是在确实存在匹配的情况下'，如 中所示'too long'。在这里，您确实希望在第二个字符之后继续进行词法扫描'（实际上，您可能希望将其标记为过长的字符文字，而不是未终止的字符文字）。为了处理这种情况，您需要一组更复杂的模式。这是可能性：

/* As before */
chrlit          '([^'\\\n]|\\.)'
/* Also as before, a catch-all case. */
untermchrlit    '
/* Try to match single-quoted strings which are too short or too long */
emptychrlit     ''
/* The action for this regex *must* come after the action for chrlit */
longchrlit      '([^'\\\n]|\\.)+'

我应该注意，longchrlit这里也匹配所有chrlit匹配的内容，但与OP中的模式不同，它不匹配任何更多字符。重要的是，按照注释指示的顺序对操作进行排序，以便正确的文字将由 匹配chrlit。（不过，如果顺序错误，flex 应该发出警告。）

请记住，Flex 始终匹配最长的匹配项，但如果多个规则与完全相同的标记匹配，Flex 将选择第一个操作。

顺便说一句，至少在 C 语言中，以下是有效的字符文字：

'a\
'

这是因为\紧随其后的换行符已从输入中完全删除，因此第二个'词法分析就像它紧随a.