什么是多字符串的正则表达式？

我学习做一个编译器，它有一个像一个字符串的一些规则：什么是多字符串的正则表达式？

char ch[] ="abcd";

和多串：

printf("This is\ 
a multi\ 
string");

我写的正则表达式

STRING \"([^\"\n]|\\{NEWLINE})*\"

它的工作原理单线字符串很好，但它不适用于多行字符串，其中一行以'\'字符结尾。我应该改变什么？

来源

2017-03-27 sphoenix

为什么使用定义'{NEWLINE}'（其值不显示）而不是更易读的'\ n'？它使你的代码难以阅读，而且你的问题很难回答，因为它很可能与不必要的定义中的错误有关。另外，你不需要在字符类（'[[...]'）内跳过引号。 – rici

此前，在我的代码中，我编写了NEWLINE \ n规则。所以，无论我需要什么\ n，我都写了NEWLINE，并且是的，我不需要在字符类中逃避引号。 – sphoenix

您如何编写代码当然是您的决定。但是如果你使用一个定义，那么你需要将它包含在你的问题中;否则我们怎么能知道真正的定义是什么？问题代码应该是独立的。如果定义是正确的，那么正则表达式也是如此，并且问题可能与输入中的尾随空格有关。或者你的规则中的其他地方，尽管这会有点奇怪。提供[mcve]总是更好。 – rici

一个常见的字符串模式是

\"([^"\\\n]|\\(.|\n))*\"

这将匹配其中包括转义双引号（\"）和反斜杠（\\）字符串。它使用\\(.|\n)来允许反斜杠后的任何字符。尽管一些反斜杠序列长于一个字符（\x40），但它们都不包含第一个字符后面的非字母数字。

您的输入可能包含Windows行尾（CR-LF），在这种情况下，反斜杠不会紧跟换行符;它会跟着一个回车。如果你想接受输入，而不是抛出一个错误（这可能是更合适），你需要明确这样做：

\"([^"\\\n]|\\(.|\r?\n))*\"

但识别字符串，并了解该字符串代表是两回事。通常情况下，编译器需要将字符串的表示形式转换为字节序列，例如，需要将\n转换为字节10并全部删除反斜杠的换行符。

使用启动条件，可以在（f）lex扫描仪中轻松完成该任务。（或者，当然，您可以使用不同的词法扫描仪重新扫描字符串。）

此外，您需要考虑错误处理。一旦你禁止带有非转义换行符的字符串（就像C一样），你就可以打开一扇未结束字符串的大门，在结束引号之前遇到一个换行符。如果字符串未正确关闭，则文件末尾可能会发生同样的情况。

如果您有单字符回退规则，它将识别未终止字符串的开始引号。这是不可取的，因为它会将字符串的内容扫描为导致错误级联的程序文本。如果你没有尝试错误恢复，那并不重要，但是如果你是这样的话，通常最好至少用新模式识别未结束的字符串，直到换行符为止。

来源

2017-03-27 15:23:15 rici

printf（“abc \ def \ ghi”）; 此输入正确的输出将是令牌词位的printf发现令牌词位（发现令牌词位 “ABC \ 高清\ GHI” 发现但你的表达它产生 TOKEN 词位的printf发现 TOKEN 词位（发现 TOKEN 词位ABC发现 TOKEN 词位DEF发现 TOKEN 词位GHI发现 – sphoenix

为未终止的字符串\ “（[^”] | \\）*能正常工作 – sphoenix

@sphoenix：如果这就是你所得到的，那么你的测试工具有问题，因为双引号正在消失。 – rici

什么是多字符串的正则表达式？

回答

相关问题