我正在编写一个带有 flex 的扫描仪来标记文本。为此,我定义了可以匹配术语、数字、电子邮件等的表达式,实际上是文本中可能出现的所有类型。
我试图找到一种方法来访问包含要解析的字符串、位置(匹配标记的第一个字符)和长度(即 yyleng
)的内部扫描器缓冲区。
首先我想我可以用几个变量来处理它并使用 yyleng,将这个值添加到一个变量中,以保持匹配的解析文本中的起始位置。但是,如果两个匹配项之间有一个大的空白,那将不起作用,因为除了 html 标签或 html 实体等其他一些事件之外,这些空白将被忽略。
有什么办法可以解决这个问题吗?
例如,以下字符串:
I am a text, tokenize me.
^ ^ ^ ^ ^ ^ ^ ^
0 2 5 7 11 14 25 27 <-- pos in parsed string
0 2 1 4 1 8 2 1 <-- length of token
每个单词,包括标点符号都会被匹配,所有空格都将被忽略。现在我希望能够获得字符串中每个匹配项的起始位置和长度。在我的 tokenizer 类中,我将实现一个 getNextToken 方法,每次调用该方法都会返回一个 token ,我想获取起始位置、 token 长度和当前输入文本(作为字符缓冲区)。我想我可以定义一些函数来获取词法分析器文件中的这些值(作为一种 od 回调函数等)。
有什么办法可以实现吗?
最佳答案
yytext
指向 token 的开头。如果您使用 yy_scan_buffer
(请参阅 flex manual),则 flex 将使用您提供的缓冲区而不复制它,因此 yytext
将指向您的缓冲区。
请注意,如果您使用 yy_scan_buffer
接口(interface),您必须将 两个 NUL 字节放在您给 flex 的缓冲区的末尾。此外,您还必须自己处理 token 跨越两个输入缓冲区的情况。在您直接提供缓冲区的情况下,我不确定 flex 如何处理跨越输入缓冲区的标记,但没有明显的方法可以在保留您提供的输入缓冲区的同时处理它。
关于c++ - 访问 flex scanner 的内部缓冲区、长度和 token 匹配位置,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/14817727/