Question

我需要一些帮助;我正在尝试制作一些Regex表达式，以便在我的代码中捕获单词int，任何数学运算，任何数字和=符号，而忽略所有其余的。将被忽略的单词将设置为false，而其他单词将设置为true，如下面的代码所示。

这将用于对上述关键字进行Tokenize以实现可以检测整数溢出的Lexer。我需要专门用Regex完成此操作。

我已经成功地捕获了int这个词，数学运算和数字，但我的Regex似乎无法识别任何随机词;例如变量名（number1，number2等）和语言中的任何其他单词，例如if语句，圆括号，大括号等......

        lexer.AddDefinition(new TokenDefinition(
            "(operator)",
            new Regex(@"\*|\/|\+|\-"),
            false));

        lexer.AddDefinition(new TokenDefinition(
            "(literal)",
            new Regex(@"\d+"),
            false));

        lexer.AddDefinition(new TokenDefinition(
            "(Random Word)",
            new Regex(@"(?=.*[A-Z])(?=.*[a-z])"),
            false));

        lexer.AddDefinition(new TokenDefinition(
            "(integer)",
            new Regex(@"\bint\b"),
            false));

        lexer.AddDefinition(new TokenDefinition(
            "(white-space)",
            new Regex(@"\s+"),
            true));


       // This is not working.  Random words such as variable names are not being captured by this.
        lexer.AddDefinition(new TokenDefinition(
            "(random-word)",
            new Regex(@"\b(?=.*[A-Z])(?=.*[a-z])\b"),
            true));

       // What about the brackets?  How can I implement a Regex to capture brackets?

这似乎很简单，但我无法完成。请分享您的观点，欢迎任何意见。

Answer 1

\b和(?=...)都是零长度匹配。换句话说，他们没有捕获任何东西，他们只是声明一个条件，如果不满足条件，则正则表达式失败。

我不确定你用“随机词”究竟是什么意思，但是在C＃中看起来像变量一样我会这样做：

\b[a-zA-Z_]\w*\b

这匹配字边界，然后是字母或下划线，后跟0或更多字母/下划线/数字，以字边界结束。

评论后的小更新：这不会产生非ASCII字符的问题，也不会与其他TokenDefiner处理过的int不匹配。

\b(?!int)[a-zA-Z_][a-zA-Z0-9_]*\b

复杂的正则表达式

1 个答案: