Question

我正在尝试制作一个词法分析器，我不想使用 lex 文件，因为我想学习，所以说到我想为下面的标识符做正则表达式约束：

＆＃39; __＆＃39;不能是标识符。总是用一些字母强调。 Id包含至少一个下划线。下划线不能是id的最后一个符号必须有一个或多个数字。不是从Digit开始。

现在我已经完成了正则表达式：

([_a-zA-Z]*[a-zA-Z][a-zA-Z]*[_a-zA-Z]*[0-9][0-9]*[_a-zA-Z]*)*

问题是我无法对至少一个_＆＃39;进行约束。在标识符中，我不能使它更复杂，因为我必须将这个正则表达式转换为非确定性有限自动机，所以你能帮忙。

Answer 1

您已指定以下约束：

可能包含字母，数字和下划线。
必须至少包含一位数字
必须至少包含一个下划线
不得以下划线结尾
不得以数字

“至少一个X”类型约束对应于状态机中的状态。由于我们有两个这样的约束，因此有2 * 2 = 4个状态可以管理我们是否还需要数字或下划线。我将缩写状态：

DU - 需要数字，需要下划线
Du - 需要数字，有下划线
dU - 有数字，需要下划线
du - 有数字，有下划线

我们现在可以创建一个状态转换表：

STATE TRANSITIONS
      _  0-9 a-zA-Z
----- -- --- ------
 DU   Du dU  DU
 Du   Du du  Du
 dU   du dU  dU
 du   du du  du

其中DU是起始状态。您对第一个和最后一个状态转换有其他特殊要求。此外，只能从du状态到达结束状态。实际上，du如果没有通过_输入达到，则S可能本身就是最终状态。结合这些其他要求，我们得到以下状态转换表。开始状态为*，终端状态标记为STATE TRANSITIONS _ 0-9 a-zA-Z ----- --- --- ----- S Du - DU DU Du dU DU Du Du du Du dU du' dU dU *du du' du du du' du' du du。我遗漏了非法过渡。

du'

州([_][_a-zA-Z]*[0-9]|[a-zA-Z][a-zA-Z]*([_][_a-zA-Z]*[0-9]|[0-9][0-9a-zA-Z]*[_]+[0-9a-zA-Z]))[0-9a-zA-Z]*([_]+[0-9a-zA-Z]+)*是“我们已经看到了我们需要的一切，但最后一个符号是下划线，所以我们不能在这里结束” - 状态。此状态表不强制任何下划线后跟一个字母，但您应该能够使用类似的方法自己添加。状态表对应于DFA，但我怀疑您可以使用NFA来简化它。

我们现在可以将这个状态机转换为正则表达式，但由于我们有六个状态（猜想：所呈现的状态机已经很小），这有点单调乏味。通过迭代地将状态转换组合成正则表达式片段并消除状态，我们最终得到了这个正则表达式：

[_a-zA-Z][_0-9a-zA-Z]+

好吧，除非我弄错了。在这一点上很可能。

对于这种验证，使用正则表达式很麻烦。相反，使用更简单的模式，如IllegalStateException，然后检查匹配的字符串是否包含数字和下划线，并遵循关于下划线的其他规则。如果标识符以某种方式用输入语言分隔，例如，这可以很好地工作。通过空格或其他非标识符字符。

词法分析器中标识符的正则表达式帮助

1 个答案: