Question

我正在为自己的标记编写解析器，我需要处理一些转义序列，但我不确定应该选择哪种策略。

特别是我心中有两个。

以下是foo \\\<bar baz的示例，其中有两个：\\和\<。

当我现在用char

扫描字符串char时

我应该检测反斜杠\，然后检查下一个字符是否是一个可以删除的字符或
我应该检查一下这个角色，然后回过头来看看它前面是否有反斜杠\？

其中任何一个都有主要（dis）优势吗？

Answer 1

不要这样做。选项＃2非常糟糕，因为当你回顾前一个字符时，它是一个反斜杠，你怎么知道它是一个转义反斜杠，还是它真的逃脱了当前的角色？

你需要知道你在哪里。这样做的方法是状态机。如果您只是\r，\t，\n，\"和\\，那么您可以使用非常简单的方法。像这样（fiddle here）：

public static class StringExtensions
{
    private enum UnescapeState
    {
        Unescaped,
        Escaped
    }

    public static String Unescape(this String s)
    {
        var sb = new System.Text.StringBuilder();
        UnescapeState state = UnescapeState.Unescaped;

        foreach (var ch in s)
        {
            switch (state)
            {
                case UnescapeState.Escaped:
                    switch (ch)
                    {
                        case 't':
                            sb.Append('\t');
                            break;
                        case 'n':
                            sb.Append('\n');
                            break;
                        case 'r':
                            sb.Append('\r');
                            break;

                        case '\\':
                        case '\"':
                            sb.Append(ch);
                            break;

                        default:
                            throw new Exception("Unrecognized escape sequence '\\" + ch + "'");

                        //  Finally, what about stuff like '\x0a'? That's a much more 
                        //  complicated state machine. When you see 'x' in Escaped state,
                        //  you transition to UnescapeState.HexDigit0, then either 
                        //  UnescapeState.HexDigit1 or throw an exception, etc. 
                        //  Wicked fun to write. 
                    }
                    state = UnescapeState.Unescaped;
                    break;

                case UnescapeState.Unescaped:
                    if (ch == '\\')
                    {
                        state = UnescapeState.Escaped;
                    }
                    else
                    {
                        sb.Append(ch);
                    }
                    break;
            }
        }

        if (state == UnescapeState.Escaped)
        {
            throw new Exception("Unterminated escape sequence");
        }

        return sb.ToString();
    }
}

这里最重要的一点是，你可以拥有各种“累加器”变量，如sb，或者如果你正在进行像\x0a这样的十六进制字符转义，则可以累积十六进制数字，但是你没有标志。 state变量应该是您跟踪所处状态的唯一方法。只需在枚举中添加更多状态即可。从字面上看，第三个十六进制数字和第四个十六进制数字是枚举中的不同状态值。

无意识地遵循这条规则，你可以编写令人惊讶的复杂状态机，智商低得惊人，注意力范围很大（我是证明）并且不会弄乱它。

如何解析转义序列？

1 个答案: