Ply Lex解析问题

Question

我正在使用ply作为我的lex解析器.我的规格如下:

t_WHILE = r'while'  
t_THEN = r'then'  
t_ID = r'[a-zA-Z_][a-zA-Z0-9_]*'  
t_NUMBER = r'\d+'  
t_LESSEQUAL = r'<='  
t_ASSIGN = r'='  
t_ignore  = r' \t'  

当我尝试解析以下字符串时:

"while n <= 0 then h = 1"

它给出了以下输出:

LexToken(ID,'while',1,0)  
LexToken(ID,'n',1,6)  
LexToken(LESSEQUAL,'<=',1,8)  
LexToken(NUMBER,'0',1,11)  
LexToken(ID,'hen',1,14)      ------> PROBLEM!  
LexToken(ID,'h',1,18)  
LexToken(ASSIGN,'=',1,20)  
LexToken(NUMBER,'1',1,22)  

它不识别令牌THEN,而是将"hen"作为标识符.

有任何想法吗？

Answer 1

这不起作用的原因与ply优先考虑令牌匹配的方式有关,首先测试最长的令牌正则表达式.

防止此问题的最简单方法是匹配相同类型的标识符和保留字,并根据匹配选择适当的标记类型.以下代码类似于ply文档中的示例

import ply.lex

tokens = [ 'ID', 'NUMBER', 'LESSEQUAL', 'ASSIGN' ]
reserved = {
    'while' : 'WHILE',
    'then' : 'THEN'
}
tokens += reserved.values()

t_ignore    = ' \t'
t_NUMBER    = '\d+'
t_LESSEQUAL = '\<\='
t_ASSIGN    = '\='

def t_ID(t):
    r'[a-zA-Z_][a-zA-Z0-9_]*'
    if t.value in reserved:
        t.type = reserved[ t.value ]
    return t

def t_error(t):
    print 'Illegal character'
    t.lexer.skip(1)

lexer = ply.lex.lex()
lexer.input("while n <= 0 then h = 1")
while True:
    tok = lexer.token()
    if not tok:
        break
    print tok

Answer 2

PLY 根据最长的正则表达式优先声明为简单字符串的标记，但声明为函数的标记具有优先顺序。

从文档：

在构建主正则表达式时，规则按以下顺序添加：

1. 函数定义的所有标记都按照它们在词法分析器文件中出现的顺序添加。
2. 接下来通过按正则表达式长度递减的顺序对它们进行排序来添加由字符串定义的标记（首先添加较长的表达式）。

因此，另一种解决方案是简单地将您想要优先考虑的标记指定为函数，而不是字符串，如下所示：

def t_WHILE(t): r'while'; return t
def t_THEN(t): r'then'; return t
t_ID = r'[a-zA-Z_][a-zA-Z0-9_]*'
t_NUMBER = r'\d+'
t_LESSEQUAL = r'<='
t_ASSIGN = r'='
t_ignore = ' \t'

这样，WHILE 和 THEN 将是要添加的第一个规则，您将获得预期的行为。

作为旁注，您使用r' \t'(raw string) 作为 t_ignore，因此 Python 将\视为反斜杠。它应该是一个简单的字符串，如上例所示。