C++ Pygment lexer多个令牌

我正在使用Pygments的lexer，一个Python插件。我想获取C++代码的令牌，特别是当声明一个新变量时，例如

int a=3,b=5,c=4;

这里，a、b、c应该被赋予“声明变量”类型，这与

a=3,b=5,c=4;

在这里，a、b、c应该被简单地指定为“变量”类型，因为它们以前已经声明过

我想使用lexer的功能一次扫描多个令牌（），我想沿着

(int)(\s)(?:([a-z]+)(=)([0-9]+)(,))*, bygroups(Type,Space,Name,Equal,Number,Comma)

（“？：”只是告诉Pygments不应在bygroups中使用此分组。）

---

但是，它不匹配行中任意数量的声明，只返回行中最后一个声明的标记（在本例中为“c=4”部分）。如何使它返回行中所有声明的标记？

您需要的是一个有状态的lexer。您的regexp无法运行的原因 工作是因为团队不是连续的

int a=3,b=5,c=4;

这里您希望字符0..2为类型，3..3为空格，4..7为名称，相等 数字和逗号，然后是名称、相等、数字和逗号。那不是 好

解决方法是记住何时看到类型声明， 输入一个新的lexer模式，该模式将持续到下一个分号。看见 在pygments文档中

下面是一个使用CFamilyLexer并添加三个新lexer的解决方案 国家。所以当它在

函数中看到这样一行时
声明：

首先，它消耗：

int

它与我添加的新规则匹配，因此它进入
vardecl
状态：

m

哦，一个变量的名称！由于lexer处于
vardecl
状态，
这是一个新定义的变量。将其作为
NameDecl
标记发出。然后
输入
varvalue
状态

3

x =

只是一个数字

*

只是个接线员

a

哦，一个变量的名称！但是现在我们处于
varvalue
状态，所以
不是变量声明，只是常规变量引用

+ b

,

一个运算符和另一个变量引用

+ b

,

变量
m
的值已完全声明。返回到
vardecl
状态

3

x =

新变量声明

/* comments ; everywhere */

另一个状态被推送到堆栈上。在注释中，标记将
否则具有重要意义，如
被忽略

a * a

x
变量的值

;

返回到
功能
状态。特殊变量声明规则
完成了

from pygments import highlight
from pygments.formatters import HtmlFormatter, TerminalFormatter
from pygments.formatters.terminal import TERMINAL_COLORS
from pygments.lexer import inherit
from pygments.lexers.compiled import CFamilyLexer
from pygments.token import *

# New token type for variable declarations. Red makes them stand out
# on the console.
NameDecl = Token.NameDecl
STANDARD_TYPES[NameDecl] = 'ndec'
TERMINAL_COLORS[NameDecl] = ('red', 'red')

class CDeclLexer(CFamilyLexer):
    tokens = {
        # Only touch variables declared inside functions.
        'function': [
            # The obvious fault that is hard to get around is that
            # user-defined types won't be cathed by this regexp.
            (r'(?<=\s)(bool|int|long|float|short|double|char|unsigned|signed|void|'
             r'[a-z_][a-z0-9_]*_t)\b',
             Keyword.Type, 'vardecl'),
            inherit
        ],
        'vardecl' : [
            (r'\s+', Text),
            # Comments
            (r'/(\\\n)?[*](.|\n)*?[*](\\\n)?/', Comment.Multiline),
            (r';', Punctuation, '#pop'),
            (r'[~!%^&*+=|?:<>/-]', Operator),
            # After the name of the variable has been tokenized enter
            # a new mode for the value.
            (r'[a-zA-Z_][a-zA-Z0-9_]*', NameDecl, 'varvalue'),
        ],
        'varvalue' : [
            (r'\s+', Text),
            (r',', Punctuation, '#pop'),
            (r';', Punctuation, '#pop:2'),
            # Comments
            (r'/(\\\n)?[*](.|\n)*?[*](\\\n)?/', Comment.Multiline),                
            (r'[~!%^&*+=|?:<>/-\[\]]', Operator),
            (r'\d+[LlUu]*', Number.Integer),            
            # Rules for strings and chars.
            (r'L?"', String, 'string'),
            (r"L?'(\\.|\\[0-7]{1,3}|\\x[a-fA-F0-9]{1,2}|[^\\\'\n])'", String.Char),
            (r'[a-zA-Z_][a-zA-Z0-9_]*', Name),
            # Getting arrays right is tricky.
            (r'{', Punctuation, 'arrvalue'),
        ],
        'arrvalue' : [
            (r'\s+', Text),
            (r'\d+[LlUu]*', Number.Integer),
            (r'}', Punctuation, '#pop'),
            (r'[~!%^&*+=|?:<>/-\[\]]', Operator),
            (r',', Punctuation),
            (r'[a-zA-Z_][a-zA-Z0-9_]*', Name),
            (r'{', Punctuation, '#push'),
        ]
    }

code = '''
#include <stdio.h>

void main(int argc, char *argv[]) 
{
    int vec_a, vec_b;
    int a = 3, /* Mo;yo */ b=5, c=7;
    int m = 3 * a + b, x = /* comments everywhere */ a * a;
    char *myst = "hi;there";
    char semi = ';';
    time_t now = /* Null; */ NULL;
    int arr[10] = {1, 2, 9 / c};
    int foo[][2] = {{1, 2}};

    a = b * 9;
    c = 77;
    d = (int) 99;
}
'''
for formatter in [TerminalFormatter, HtmlFormatter]:
    print highlight(code, CDeclLexer(), formatter())

从pygments导入突出显示
从pygments.formatters导入HtmlFormatter、TerminalFormatter
从pygments.formatters.terminal导入终端颜色
从pygments.lexer导入继承
从pygments.lexers.compiled导入CFamilyLexer
从pygments.token导入*
#变量声明的新标记类型。红色使他们脱颖而出
#在控制台上。
NameDecl=Token.NameDecl
标准类型[NameDecl]=“ndec”
端子颜色[NameDecl]=（“红色”、“红色”）
类CDECLEXER（CFamilyLexer）：
代币={
#仅在函数内声明触摸变量。
“功能”：[
#很难回避的一个明显的错误是
#用户定义的类型不会被此regexp覆盖。
（r’（？）？