Question

我正在尝试编写一个应用程序来从专有的IDE设计文件中提取属性和代码。文件格式如下所示：

HEADING
{
  SUBHEADING1
  {
    PropName1 = PropVal1;
    PropName2 = PropVal2;
  }

  SUBHEADING2
  {
    { 1 ; PropVal1 ; PropValue2 }
    { 2 ; PropVal1 ; PropValue2 ; OnEvent1=BEGIN
                                             MESSAGE('Hello, World!');
                                             { block comments are between braces }
                                             //inline comments are after double-slashes
                                           END; 
    PropVal3 }
    { 1 ; PropVal1 ; PropVal2; PropVal3 }
  }
}

我要做的是提取子标题块下的内容。在SUBHEADING2的情况下，我还将每个标记分隔为由分号分隔。我只是计算括号并跟踪我目前所处的副标题，取得了相当不错的成功。我遇到的主要问题涉及处理代码注释。

这种语言碰巧使用{}进行块注释，这会干扰文件格式中的括号。为了使它更有趣，它还需要考虑双斜线内联注释并忽略一直到行尾。

解决这个问题的最佳方法是什么？我查看了另一篇文章（ANTLR，Doxygen等）中讨论的一些编译器库，但它们对解决这个特定的解析问题似乎有些过分。

Answer 1

我建议编写一个标记器和解析器;这会给你更多的灵活性。标记器基本上对源代码进行简单的文本分解，并将其置于更有用的数据结构中;解析器通常利用递归来计算如何处理它。

google的条款：tokenizer，解析器，编译器设计，语法

数学表达式评估员：http://www.codeproject.com/KB/vb/math_expression_evaluator.aspx （你或许可以举一个像这样的例子，把它分成你想要的东西）

有关解析的更多信息：http://www.codeproject.com/KB/recipes/TinyPG.aspx

你不必走得那么远，但是，你会想要先研究一下这篇文章。

Answer 2

你应该能够在几个小时内将一些东西放在一起，使用正则表达式和一些使用结果的代码。

这样的事情应该有效： - 通过将文件加载到字符串中来初始化过程。

从字符串中拉出每个顶级块，使用正则表达式标记分别标识块关键字和内容。
如果找到了一个块，
- 根据关键字
- 递归地将内容传递给此过程。

在此之后，您将处理HEADING，然后是第一个SUBHEADING，然后是第二个SUBHEADING，然后是每个子块。对于包含块注释的子块，您可能会根据块缺少关键字而知道任何子块是注释，因此不需要处理子块。

Answer 3

无论您选择哪种解决方案，我都非常确定最好的方法是拥有2个解析器/标记器。一个用于主文件结构，{}作为分组字符，一个用于代码块。

简单代码解析器的设计策略

3 个答案: