Question

语法高亮显示器使用的通用算法是什么？我在正则表达式中使用了交替实现了一种简单的方法：

STRING_PATTERN | COMMENT_PATTERN | KEYWORD_PATTERNS

因为检测某些东西是字符串还是模式取决于首先出现的是什么：

// This is a "comment"

"This is a // string"

但是关键字会变得更复杂一些。这种方法在我目前的实现中有效，但我不相信它是最佳的。

另一个问题是您突出显示的顺序。如果您在标识符/关键字之前突出显示数字，那么您可能会意外地突出显示关键字中的数字...

修改

Answer 1

你可能很难用正则表达式来做这件事，因为它无法帮助你的语法高亮理解上下文，即正则表达式会匹配出现在任何地方的东西，无论它是否是更大可能匹配的一部分。

您需要调查解析器生成器，例如Antlr，它具有有效，明确的语法 - 能够为您提供将这些细节考虑在内的令牌。例如。如果注释被定义为“//”直到EOL，它将返回一个注释标记，它将取代任何字符串字符或其他内容。

像这样的解析器的标准方法是一次一个地读取字符流（或标记，更具体地说），因此突出显示不取决于您定义的规则的顺序，而是它们的外观顺序流。

例如，一个字符串可以是两个双引号和中间的所有内容（除了另一个双引号）。评论是两个斜线，一切都在行尾。

解析时，如果你找到双引号，那么你的程序进入“我认为它是一个字符串”模式，一旦找到匹配的结束引号，它就会确认一个字符串标记，然后返回它以突出显示。类似地，如果它找到两个斜杠，那么它会搜索直到找到行尾（或实际上是文件结尾），然后将其作为突出显示的标记返回。

当存在多个可能的匹配规则时会变得更复杂，例如用于单行和多行注释。如果你抓一个斜杠字符，你的程序需要先读取另一个字符，然后才能拒绝其中一些选项，即直到它得到第二个斜杠或*然后它就不知道它是什么类型的标记。

从根本上说，这一切都归结为状态机。您可以尝试构建自己的，或者您可以获得类似Antlr的东西，为它提供语法，然后让它为您完成所有工作。