Question

如何匹配ANSI C中的单词（1-n个字符）？（另外：与C源代码中的常量相匹配的模式是什么？）

我尝试读取文件并将其传递给regexec()（regex.h）。问题：我正在编写的工具应该能够读取源代码并找到所有使用的常量（#define）来检查它们是否被定义。

用于测试的模式是：[a-zA-Z_0-9]{1,}。但这会匹配“test.h”中的“h”等词。

Answer 1

标识符必须以字母或下划线开头，因此模式为

[A-Za-z_][A-Za-z0-9_]*

我知道C和预处理程序标识符之间没有语法差异。对于预处理器使用大写，对C标识符使用小写，但没有实际要求。除非保证定义使用不同的命名约定，否则您基本上必须找到源文件中的每个标识符和任何包含的文件，并将它们分类为预处理程序标识符，C标识符和未声明的标识符。

从GCC手册：

预处理令牌分为五大类：标识符，预处理数字，字符串文字，标点符号等。标识符与C中的标识符相同：字母，数字或下划线的任何序列，以字母或下划线开头。 C的关键词对预处理器没有意义;它们是普通的标识符。例如，您可以定义名称为关键字的宏。可以将唯一可以视为预处理关键字的标识符定义。

Answer 2

除了通过C源代码进行正则表达式搜索之外，另一个选择是使用预处理器库，如Boost Wave，或者像Coan这样的东西，而不是从头开始。

Answer 3

以下是整个c语言的Lexer grammar和Parser grammar（分别采用flex和bison格式）。特别是，与标识符相关的部分是：

D           [0-9]
L           [a-zA-Z_]
{L}({L}|{D})*       { count(); return(check_type()); }

因此id可以以任何大写或小写字母或下划线开头，然后包含更多大写或小写字母，下划线和数字。我认为它与文件名的部分不匹配，因为它们被引用并且它分别处理引号。