Fatal编程技术网
  • c/
  • 创建C字符串解析器

创建C字符串解析器

c

创建C字符串解析器,c,C,在C（和类似的语言）中，字符串被声明为例如“abc”。另一个例子是“ab\“c”。我有一个包含这些字符串的文件。也就是说，文件内容是“abc”或“ab\c”等。可以在.c文件中定义的任何文本字符串都可以在我正在读取的文件中定义 这些字符串的格式可能不正确。例如，“abc（无结束引号）。编写解析器以确保文件中的字符串是有效的C文本字符串的最佳方法是什么？（因此，如果我复制文件内容并将其粘贴到char*str=之后，编译器将在函数顶部接受生成的表达式） 字符串分别位于单独的行中 或者，您可以认为这是

在C（和类似的语言）中，字符串被声明为例如
“abc”
。另一个例子是
“ab\“c”
。我有一个包含这些字符串的文件。也就是说，文件内容是
“abc”
或
“ab\c”
等。可以在.c文件中定义的任何文本字符串都可以在我正在读取的文件中定义

这些字符串的格式可能不正确。例如，
“abc
（无结束引号）。编写解析器以确保文件中的字符串是有效的C文本字符串的最佳方法是什么？（因此，如果我复制文件内容并将其粘贴到
char*str=
之后，编译器将在函数顶部接受生成的表达式）

字符串分别位于单独的行中

或者，您可以认为这是想要解析声明文字字符串变量的行。想象一下，我正在放大一个大文件，并使用
char\*.*=（*）$
并希望确保括号中的部分不会导致编译错误

C字符串文字的语法在C 2018 6.4.5中给出。假设您只想解析普通字符串，而不是那些带有编码前缀的字符串，例如
u“xyz”
，那么字符串文本的语法是
“
s-char-sequenceopt
”
，其中“opt”表示可选，s-char-sequence是一个或多个s-char标记。s字符是源字符集的任何成员，但
“
、
\
或新行字符除外，或者是转义序列

源字符集至少包括大写和小写的拉丁字母（26个字母A-Z）、十位数字、空格、水平制表符、垂直制表符、换页符，以及以下字符：

"#%&’()*+,-./:;?[\]^_{|}~ "#%&’()*+,-./:;?[\]^_{|}~ 但是，C实现可能在其源字符集中包含其他字符。因此，字符串中除
“
、
\
或新行字符以外的任何字符在某些C实现中都必须被视为潜在有效字符

6.4.4.4.1中定义的逃生顺序为：

  • \
    后接
    ，
    ，
    ，
    ？
    ，
    \
    ，
    a
    ，
    b
    ，
    f
    ，
    n
    ，
    r
    ，
    t
    ，
    v
  • \
    后跟一到三个八进制数字，或
  • \x
    后跟一个或多个十六进制数字，或
  • 通用字符名
第7段说：

每个八进制或十六进制转义序列是可以构成转义序列的最长字符序列

通用字符名在6.4.3中定义为
\u
后跟四个十六进制数字或
\u
后跟八个十六进制数字。第2款限制了这些：

通用字符名不得指定短标识符小于0024（$）、0040（@）或0060（'）以外的00A0的字符，也不得指定范围为D800到DFFF（含）的字符

C语法的这一部分看起来很容易解析：

  • 字符串文字必须以
    “
    开头
  • 如果下一个字符不是
    “
    、
    \
    或新行字符，则接受它
  • 如果下一个字符是
    \
    ，并且后跟上面列出的单个字符之一，请接受它和下面的字符
  • 如果下一个字符是
    \
    ，后跟一到三个八进制数字，则接受它，最多接受三个八进制数字
  • 如果接下来的两个字符是
    \x
    ，后面跟一个十六进制数字，请接受它们和后面的所有十六进制数字
  • 如果接下来的两个字符是
    \u
    ，后跟四个十六进制数字，则接受这六个字符。但是，如果该值是上述约束中禁止的值之一，则这不是有效的C字符串文字
  • 如果接下来的两个字符是
    \U
    ，后跟八个十六进制数字，则接受这十个字符。但是，如果该值是上述约束中禁止的值之一，则这不是有效的C字符串文字
  • 重复上述操作，直到不接受下一个字符
  • 如果下一个字符不是
    “
    ，则这不是有效的C字符串文字
  • 如果下一个字符是
    “
    ，请接受它
  • 如果这是从文件中读取的行的结尾，则它是有效的C字符串文字。否则，情况并非如此
C字符串文字的语法在C 2018 6.4.5中给出。假设您只想解析普通字符串，而不是那些带有编码前缀的字符串，例如
u“xyz”
，那么字符串文本的语法是
“
s-char-sequenceopt
”
，其中“opt”表示可选，s-char-sequence是一个或多个s-char标记。s字符是源字符集的任何成员，但
“
、
\
或新行字符除外，或者是转义序列

源字符集至少包括大写和小写的拉丁字母（26个字母A-Z）、十位数字、空格、水平制表符、垂直制表符、换页符，以及以下字符：

"#%&’()*+,-./:;?[\]^_{|}~ "#%&’()*+,-./:;?[\]^_{|}~ 但是，C实现可能在其源字符集中包含其他字符。因此，字符串中除
“
、
\
或新行字符以外的任何字符在某些C实现中都必须被视为潜在有效字符

6.4.4.4.1中定义的逃生顺序为：

  • \
    后接
    ，
    ，
    ，
    ？
    ，
    \
    ，
    a
    ，
    b
    ，
    f
    ，
    n
    ，
    r
    ，
    t
    ，
    v
  • \
    后跟一到三个八进制数字，或
  • \x
    后跟一个或多个十六进制