在ANSI C中匹配单词C

Question

如何在ANSI C中匹配一个单词（1-n个字符）？ （此外：在C源代码中匹配一个常量的模式是什么？）

我试着读取文件并将它传递给regexec()（regex.h）。 问题：我正在编写的工具应该能够读取源代码并找到所有使用的常量（#define）来检查它们是否已定义。

用于测试的模式是：[a-zA-Z_0-9]{1,}。但是这会匹配诸如“test.h”中的“h”之类的词。

Answer 1

标识符必须以字母或下划线开始，所以该模式是

[A-Za-z_][A-Za-z0-9_]* 

我知道C和预处理标识符之间没有语法区别。对于C标识符，预处理器和小写使用大写，但没有实际的要求。除非定义保证使用独特的命名约定，否则基本上必须找到源文件中的每个标识符以及任何包含的文件，并将它们分类为预处理器标识符，C标识符和未声明的标识符。

从GCC手册：

预处理标记分​​为五大大类：标识符，预处理数字，字符串，标点符号，以及其它。标识符与C中的标识符相同：字母，数字或下划线的任何序列，以字母或下划线开头。 C的关键字对预处理器没有意义;他们是普通的标识符。例如，您可以定义名称为关键字的宏。定义了唯一可以被认为是预处理关键字的标识符。

Answer 2

除了对C源代码进行正则表达式搜索之外，另一个选择是使用预处理器库，如Boost Wave或者类似Coan的东西，而不是从头开始。

Answer 3

这里是（分别在弯曲和野牛格式，）对于整个c语言的Lexer grammar和Parser grammar。特别是有关标识的部分是：

D   [0-9] 
L   [a-zA-Z_] 
{L}({L}|{D})*  { count(); return(check_type()); } 

所以ID可以与任何大写或小写字母或下划线开始，然后有更多的大写或小写字母，下划线和数字。我相信它不匹配部分文件名，因为它们被引用，并且它分别处理引号。