我现在正在使用词法分析器程序,并且使用 Java。我一直在研究这个问题的答案,但到目前为止我还没有找到任何答案。这是我的问题:
输入:
System.out.println ("Hello World");
期望的输出:
Lexeme----------------------Token
System [Key_Word]
. [Object_Accessor]
out [Key_Word]
. [Object_Accessor]
println [Key_Word]
( [left_Parenthesis]
"Hello World" [String_Literal]
) [right_Parenthesis]
; [statement_separator]
我还是个初学者,希望大家能帮助我。谢谢。
最佳答案
你不需要 ANTLR 也不需要 Dragon 书来手动编写一个简单的词法分析器。即使是更完整的语言(如 Java)的词法分析器,手工编写也不是很复杂。显然,如果您有一项工业任务,您可能需要考虑工业强度工具,例如 ANTLR 或某些 lex 变体,但为了了解词法分析的工作原理,手动编写一个工具可能会被证明是一种有用的练习。我假设情况确实如此,因为您说您仍然是初学者。
这是一个简单的词法分析器,用 Java 编写,用于类方案语言的子集,是我在看到这个问题后编写的。我认为即使您以前从未见过词法分析器,代码也相对容易理解,因为将字符流(在本例中为 String
)分解为标记流(在本例中为 List<Token>
)并不难。如果您有疑问,我可以尝试更深入地解释。
import java.util.List;
import java.util.ArrayList;
/*
* Lexical analyzer for Scheme-like minilanguage:
* (define (foo x) (bar (baz x)))
*/
public class Lexer {
public static enum Type {
// This Scheme-like language has three token types:
// open parens, close parens, and an "atom" type
LPAREN, RPAREN, ATOM;
}
public static class Token {
public final Type t;
public final String c; // contents mainly for atom tokens
// could have column and line number fields too, for reporting errors later
public Token(Type t, String c) {
this.t = t;
this.c = c;
}
public String toString() {
if(t == Type.ATOM) {
return "ATOM<" + c + ">";
}
return t.toString();
}
}
/*
* Given a String, and an index, get the atom starting at that index
*/
public static String getAtom(String s, int i) {
int j = i;
for( ; j < s.length(); ) {
if(Character.isLetter(s.charAt(j))) {
j++;
} else {
return s.substring(i, j);
}
}
return s.substring(i, j);
}
public static List<Token> lex(String input) {
List<Token> result = new ArrayList<Token>();
for(int i = 0; i < input.length(); ) {
switch(input.charAt(i)) {
case '(':
result.add(new Token(Type.LPAREN, "("));
i++;
break;
case ')':
result.add(new Token(Type.RPAREN, ")"));
i++;
break;
default:
if(Character.isWhitespace(input.charAt(i))) {
i++;
} else {
String atom = getAtom(input, i);
i += atom.length();
result.add(new Token(Type.ATOM, atom));
}
break;
}
}
return result;
}
public static void main(String[] args) {
if(args.length < 1) {
System.out.println("Usage: java Lexer \"((some Scheme) (code to) lex)\".");
return;
}
List<Token> tokens = lex(args[0]);
for(Token t : tokens) {
System.out.println(t);
}
}
}
使用示例:
~/code/scratch $ java Lexer ""
~/code/scratch $ java Lexer "("
LPAREN
~/code/scratch $ java Lexer "()"
LPAREN
RPAREN
~/code/scratch $ java Lexer "(foo)"
LPAREN
ATOM<foo>
RPAREN
~/code/scratch $ java Lexer "(foo bar)"
LPAREN
ATOM<foo>
ATOM<bar>
RPAREN
~/code/scratch $ java Lexer "(foo (bar))"
LPAREN
ATOM<foo>
LPAREN
ATOM<bar>
RPAREN
RPAREN
一旦您编写了一两个像这样的简单词法分析器,您就会很好地了解这个问题是如何分解的。那么探索如何使用像 lex 这样的自动化工具将会很有趣。基于正则表达式的匹配器背后的理论并不太难,但确实需要一段时间才能完全理解。我认为手工编写词法分析器可以激发学习的动力,并且可以帮助你更好地解决问题,而不是深入研究将正则表达式转换为有限自动化(首先是 NFA,然后是 NFA 到 DFA)等背后的理论……一次性深入研究该理论可能会需要大量的知识,而且很容易不知所措。
就我个人而言,虽然《龙》这本书很好而且非常全面,但其内容可能不是最容易理解的,因为它的目标是完整,而不一定是易于理解。在打开 Dragon 书之前,您可能想尝试一些其他编译器文本。这里有一些免费书籍,其中有很好的介绍性内容,恕我直言:
http://www.ethoberon.ethz.ch/WirthPubl/CBEAll.pdf
http://www.diku.dk/~torbenm/Basics/
一些关于正则表达式实现的文章(自动词法分析通常使用正则表达式)
关于java - 制作词法分析器,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/35803989/