内容发布更新时间 : 2024/11/15 17:37:32星期一 下面是文章的全部内容请认真阅读。
基于LEX的C语言词法分析器
一、LEX语法简介
（一）文件结构
Lex文件结构简单，分为三个部分：
dclarations %% translation rules %% auxiliary procedures //功能函数 //转换规则 //声明 声明段包括变量的声明、符号常量的声明和正则表达式声明。
希望出现在目标C源码中的代码，用%{…%}扩在一起。比如：
%{ #include
digit [0-9]+ alphabet [A-Za-z]+ whitespace [ \\t]+ 功能函数即为正常的C语言代码，遵守C语言代码格式即可。
（二）Lex特性简介
1．Lex依次尝试每一个规则，尽可能地匹配最长的输入流。
2．如果有一些内容根本不匹配任何规则，那么Lex将把它拷贝到标准输出。 二、正则表达式简介
在编写处理字符串的程序或网页时，经常会有查找符合某些复杂规则的字符串的需要。正则表达式就是用于描述这些规则的工具。换句话说，正则表达式就是记录文本规则的代码。
在这里，只用到了字符转义、重复、字符类、反义、贪婪与懒惰等较为基础的语法。以下就简单对涉及到的语法进行介绍。
（一）字符转义
例如，.*在正则表达式中表示匹配所有，因此若要匹配.或*，则需要对其进行转义，即\\.和\\*。
（二）重复
在对数字和标识符等进行匹配时，字符位数不止一位，但遵守相同的规则，因此使用“重复”进行匹配。
例如，对数字进行匹配：[0-9]+，“+”表示至少重复一次，即数字长度至少为1。
例如，对标识符进行匹配，由于C语言标识符必须以下
划线或字母开头，所以规则为：[_|A-Za-z]+(_|[A-Za-z]|[0-9])*。 “[_|A-Za-z]+”表示必须以下划线或字母开头，“(_|[A-Za-z]|[0-9])*”表示之后可以跟字母数字下划线，但是也可以不跟，这就是“+”和“*”所表示的“重复”的不同之处。
（三）字符类与反义
对没有预定义元字符的字符集合，需要在方括号里将其列出，例如，[aeiou]就是对任何一个英文元音字母的匹配，同理，[0-9]代表的含义与元字符\\d完全一致，都是对一位数字进行的匹配。
有时需要查找不属于某个能简单定义的字符类的字符。比如想查找除了数字以外，其它任意字符都行的情况，这时需要用到反义：
对于元字符，其反义即为其大写：\\D，匹配非数字的字符。
更为普遍的表达方式如下：
[^aeiou]，匹配除了aeiou这几个字母以外的所有字符。