Question

我最近一直在学习基础知识，作为一种实践，我决定在C ++环境中实现DFA。所以基本上它是正则表达式。当我从头开始构建树时，它运行良好，但是我不知道如何处理正则表达式。

我的意思是，如果我有正则表达式，例如(test)*我必须将其转换为DFA。问题是，为了做到这一点，我必须解析正则表达式。这似乎是一个恶性循环（更糟糕的是因为我实际上需要一个支架感知解析器，正则表达式在这里不起作用）。

那么如何应对呢？我完全理解我们现在有工具（例如Flex＆amp; Bison），但这些工具基于正则表达式（好吧，至少是标记器）。那么在开始时发生了什么？如何从头开始编写正则表达式解析器？对书籍/文章的任何提及都表示赞赏。

Answer 1

我曾经编写过自己的Flex版本，它生成了一组类而不是整个程序。首先，我必须手工解析正则表达式，但是当我最终编写它时，我将正则表达式解析机制替换为程序本身生成的机制。

手动解析正则表达式实际上非常简单。首先，您必须指定要实现的结果。例如，在我的情况下：

[abc]+test

被解释为：

[abc]@[abc]*@[t]@[e]@[s]@[t]

实际上是等价的（@是人工添加的连接运算符）。

然后你必须创建一套规则，例如

'[' spotted:
    - (optionally) expect '^' character;
    - repeat:
        - expect a non-special character;
            - If it is not last character and is succeeded by '-', expect another character
    - until `]` is spotted
    - Return a character set
'(' spotted:
    - Return a block-begin
')' spotted:
    - Return a block-end
'*' spotted:
    - Return a star-operator
'+' spotted:
    - Return a plus-operator
'.' spotted:
    - Return a whole character set
Any other char spotted:
    - Return a character set consisting of this single character

这样编写的算法将为您提供一个tokenizer - 例程，它将元素分解为逻辑标记。然后你必须将它们处理成表达式树，这可以通过实现Reverse Polish Notation algorithm来解决。

您可以检查我的解析器生成器here，尽管它会生成Delphi代码。不幸的是，自述文件是波兰语，但内部有一些例子。试试例如：

Number=[0-9]+
Operator=[\+\-\*/]

和

SpkParserGenerator -i myfile.regex -mc -sg

顺便说一句，你可以为自己生成一个解析器，然后简单地将它从Delphi转换为C ++，即使你不熟悉Delphi，它实际上也很简单。

这是我用于为解析器生成器生成解析器的一组规则：

SetRange=\{([0-9]*,[0-9]+)|([0-9]+,[0-9]*)|([0-9]+)\}
Star=\*
Plus=\+
QMark=\?
CharRange=\[\^?((\\.)|(\#[0-9]{3})|([^\\\#\]]))+\]
AnyChar=\.
EscapedChar=\\.
AsciiChar=\#[0-9]{3}
Char=[^\[\]\{\}\.\(\)\#\*\+\?\|\\]
OpenParenthesis=\(
CloseParenthesis=\)
Alternative=\|

正则表达式的解析器

1 个答案: