Question

我正在尝试用C＃编写一个非常简单的解析器。

我需要一个词法分析器 - 允许我将正则表达式与标记相关联的东西，因此它会读取正则表达式并返回符号。

似乎我应该能够使用正则表达式进行实际繁重的工作，但我看不到一个简单的方法。首先，Regex似乎只能处理字符串，而不是流（为什么会这样！？！？）。

基本上，我想要实现以下接口：

interface ILexer : IDisposable
{
    /// <summary>
    /// Return true if there are more tokens to read
    /// </summary>
    bool HasMoreTokens { get; }
    /// <summary>
    /// The actual contents that matched the token
    /// </summary>
    string TokenContents { get; }
    /// <summary>
    /// The particular token in "tokenDefinitions" that was matched (e.g. "STRING", "NUMBER", "OPEN PARENS", "CLOSE PARENS"
    /// </summary>
    object Token { get; }
    /// <summary>
    /// Move to the next token
    /// </summary>
    void Next();
}

interface ILexerFactory
{
    /// <summary>
    /// Create a Lexer for converting a stream of characters into tokens
    /// </summary>
    /// <param name="reader">TextReader that supplies the underlying stream</param>
    /// <param name="tokenDefinitions">A dictionary from regular expressions to their "token identifers"</param>
    /// <returns>The lexer</returns>
    ILexer CreateLexer(TextReader reader, IDictionary<string, object> tokenDefinitions);
}

所以，pluz发送codz ...
不，说真的，我即将开始编写上述接口的实现，但我发现很难相信在.NET（2.0）中没有一些简单的方法可以做到这一点。

那么，有什么建议可以通过简单的方法来完成上述操作吗？（另外，我不想要任何“代码生成器”。性能对于这件事并不重要，我不想在构建过程中引入任何复杂性。）

Answer 1

我在这里发布的原始版本作为答案有一个问题，它只有在有多个“正则表达式”与当前表达式匹配时才有效。也就是说，只要一个正则表达式匹配，它就会返回一个令牌 - 而大多数人都希望正则表达式“贪婪”。对于诸如“引用字符串”之类的内容尤其如此。

位于Regex之上的唯一解决方案是逐行读取输入（这意味着您不能拥有跨越多行的令牌）。我可以忍受这个 - 毕竟，这是一个穷人的词法分子！此外，在任何情况下从Lexer获取行号信息通常很有用。

所以，这是一个解决这些问题的新版本。还可以转到this

public interface IMatcher
{
    /// <summary>
    /// Return the number of characters that this "regex" or equivalent
    /// matches.
    /// </summary>
    /// <param name="text">The text to be matched</param>
    /// <returns>The number of characters that matched</returns>
    int Match(string text);
}

sealed class RegexMatcher : IMatcher
{
    private readonly Regex regex;
    public RegexMatcher(string regex) => this.regex = new Regex(string.Format("^{0}", regex));

    public int Match(string text)
    {
        var m = regex.Match(text);
        return m.Success ? m.Length : 0;
    }
    public override string ToString() => regex.ToString();
}

public sealed class TokenDefinition
{
    public readonly IMatcher Matcher;
    public readonly object Token;

    public TokenDefinition(string regex, object token)
    {
        this.Matcher = new RegexMatcher(regex);
        this.Token = token;
    }
}

public sealed class Lexer : IDisposable
{
    private readonly TextReader reader;
    private readonly TokenDefinition[] tokenDefinitions;

    private string lineRemaining;

    public Lexer(TextReader reader, TokenDefinition[] tokenDefinitions)
    {
        this.reader = reader;
        this.tokenDefinitions = tokenDefinitions;
        nextLine();
    }

    private void nextLine()
    {
        do
        {
            lineRemaining = reader.ReadLine();
            ++LineNumber;
            Position = 0;
        } while (lineRemaining != null && lineRemaining.Length == 0);
    }

    public bool Next()
    {
        if (lineRemaining == null)
            return false;
        foreach (var def in tokenDefinitions)
        {
            var matched = def.Matcher.Match(lineRemaining);
            if (matched > 0)
            {
                Position += matched;
                Token = def.Token;
                TokenContents = lineRemaining.Substring(0, matched);
                lineRemaining = lineRemaining.Substring(matched);
                if (lineRemaining.Length == 0)
                    nextLine();

                return true;
            }
        }
        throw new Exception(string.Format("Unable to match against any tokens at line {0} position {1} \"{2}\"",
                                          LineNumber, Position, lineRemaining));
    }

    public string TokenContents { get; private set; }
    public object Token   { get; private set; }
    public int LineNumber { get; private set; }
    public int Position   { get; private set; }

    public void Dispose() => reader.Dispose();
}

示例程序：

string sample = @"( one (two 456 -43.2 "" \"" quoted"" ))";

var defs = new TokenDefinition[]
{
    // Thanks to [steven levithan][2] for this great quoted string
            // regex
    new TokenDefinition(@"([""'])(?:\\\1|.)*?\1", "QUOTED-STRING"),
    // Thanks to http://www.regular-expressions.info/floatingpoint.html
    new TokenDefinition(@"[-+]?\d*\.\d+([eE][-+]?\d+)?", "FLOAT"),
    new TokenDefinition(@"[-+]?\d+", "INT"),
    new TokenDefinition(@"#t", "TRUE"),
    new TokenDefinition(@"#f", "FALSE"),
    new TokenDefinition(@"[*<>\?\-+/A-Za-z->!]+", "SYMBOL"),
    new TokenDefinition(@"\.", "DOT"),
    new TokenDefinition(@"\(", "LEFT"),
    new TokenDefinition(@"\)", "RIGHT"),
    new TokenDefinition(@"\s", "SPACE")
};

TextReader r = new StringReader(sample);
Lexer l = new Lexer(r, defs);
while (l.Next())
    Console.WriteLine("Token: {0} Contents: {1}", l.Token, l.TokenContents);

输出：

Token: LEFT Contents: (
Token: SPACE Contents:
Token: SYMBOL Contents: one
Token: SPACE Contents:
Token: LEFT Contents: (
Token: SYMBOL Contents: two
Token: SPACE Contents:
Token: INT Contents: 456
Token: SPACE Contents:
Token: FLOAT Contents: -43.2
Token: SPACE Contents:
Token: QUOTED-STRING Contents: " \" quoted"
Token: SPACE Contents:
Token: RIGHT Contents: )
Token: RIGHT Contents: )

Answer 2

可能有点矫枉过正，但请查看CodePlex上的Irony。

Irony是一个用于在.NET平台上实现语言的开发工具包。它利用c＃语言和.NET Framework 3.5的灵活性和强大功能来实现全新的简化编译器构造技术。与大多数现有的yacc / lex风格解决方案不同，Irony不会使用以专门的元语言编写的语法规范生成任何扫描程序或解析器代码。在Irony中，目标语言语法使用运算符重载直接在c＃中编码，以表达语法结构。 Irony的扫描程序和解析器模块使用编码为c＃类的语法来控制解析过程。有关c＃类中语法定义的示例，请参阅表达式语法示例，并在工作解析器中使用它。

Answer 3

除非你有非常规的语法，否则我强烈建议不要推出自己的词法分析器/解析器。

我经常发现C＃的词法分析器/解析器确实缺乏。但是，F＃带有fslex和fsyacc，您可以学习如何使用in this tutorial。我在F＃中编写了几个词法分析器/解析器，并在C＃中使用它们，它很容易做到。

我认为它不是一个穷人的词法分析器/解析器，看到你必须学习一种全新的语言才能开始，但它是一个开始。

Answer 4

更改原来的答案。

查看具有不同语法类型解析器的SharpTemplate，例如

#foreach ($product in $Products)
   <tr><td>$product.Name</td>
   #if ($product.Stock > 0)
      <td>In stock</td>
   #else
     <td>Backordered</td>
   #end
  </tr>
#end

它为每种类型的令牌使用正则表达式：

public class Velocity : SharpTemplateConfig
{
    public Velocity()
    {
        AddToken(TemplateTokenType.ForEach, @"#(foreach|{foreach})\s+\(\s*(?<iterator>[a-z_][a-z0-9_]*)\s+in\s+(?<expr>.*?)\s*\)", true);
        AddToken(TemplateTokenType.EndBlock, @"#(end|{end})", true);
        AddToken(TemplateTokenType.If, @"#(if|{if})\s+\((?<expr>.*?)\s*\)", true);
        AddToken(TemplateTokenType.ElseIf, @"#(elseif|{elseif})\s+\((?<expr>.*?)\s*\)", true);
        AddToken(TemplateTokenType.Else, @"#(else|{else})", true);
        AddToken(TemplateTokenType.Expression, @"\${(?<expr>.*?)}", false);
        AddToken(TemplateTokenType.Expression, @"\$(?<expr>[a-zA-Z_][a-zA-Z0-9_\.@]*?)(?![a-zA-Z0-9_\.@])", false);
    }
}

使用哪个

foreach (Match match in regex.Matches(inputString))
{
    ...

    switch (tokenMatch.TokenType)
    {
        case TemplateTokenType.Expression:
            {
                currentNode.Add(new ExpressionNode(tokenMatch));
            }
            break;

        case TemplateTokenType.ForEach:
            {
                nodeStack.Push(currentNode);

                currentNode = currentNode.Add(new ForEachNode(tokenMatch));
            }
            break;
        ....
    }

    ....
}

它从堆栈中推出并弹出以保持状态。

Answer 5

Malcolm Crowe为C＃here提供了很棒的LEX / YACC实施方案。通过为LEX创建正则表达式来工作......

Direct download

Answer 6

如果你看一下我WPF Converters library中的ExpressionConverter，它有基本的lexing和C＃表达式解析。记忆中没有正则表达式。

Answer 7

可以将Flex和Bison用于C＃。

爱尔兰大学的一名研究人员开发了部分实施，可在以下链接中找到：Flex/Bison for C#

它绝对可以被认为是“穷人勒克斯”，因为他似乎仍然存在一些问题，例如没有预处理器，“悬挂其他”案件的问题等等。

穷人为C＃“lexer”

7 个答案: