Question

所以，我继续徘徊，并且非常确定我最终需要一些开源汇编程序命令lexem分析器（可能是一些TinyPG实现）。

我想知道的是，我如何理解我的应用程序，给定文本可能是汇编程序代码。例如

mov ah, 37

应该被接受，而

bad my 42

不应该。

对自我实施的建议也很受欢迎。因为我不确定我是否理解“硬核”实现。

Answer 1

检查某些文本是否可能是某种语言的最佳方法是尝试解析它 - 将汇编程序嵌入应用程序并调用它。我强烈建议使用这种方法 - 即使对于汇编代码，输入也可能包含一些您没有想到的特殊语法或结构，并且最终会发出假阴性。

对于汇编代码尤其如此 - 与其他语言相比，lexing和解析它非常便宜，这样做两次没有太大的危害。

如果你试图自己制作一个奇特的正则表达式模式，你最终还是会复制汇编程序的第一阶段，只有你自己必须调试它 - 最好选择一个完整且经过测试的解决方案。

Answer 2

为了获得相当准确的识别，检查线条与正则表达式匹配将是正常的。这实际上非常类似于编译器的第一步 - 扫描阶段 - 读取文件的内容并识别标记。下一步 - 实际解析更复杂（尽管对于汇编程序来说并不复杂）。

正则表达式的一个例子是这样的：

^[ \t]*((mov|xor|add|mul)[ \t]*([abcde][xhl]|[cd]s)[ \t]*,)|jmp[ \t]*([abcde][xhl]|[cd]s|[0-9A-F]*)[ \t]*$

它首先用两个参数检查有效指令，然后是参数的存在，然后是单个参数指令的替代，然后是另一个参数的存在 - 包括一个有效作为第二个参数的数字常量。