需要一些关于如何在Java中实现这一点的想法（解析字符串）

对不起，我想不出更好的标题了，但是谢谢你的阅读

我的最终目标是读取一个.java文件，解析它，并提取每个标识符。然后将它们全部存储在一个列表中。两个先决条件是文件中没有注释，并且所有标识符仅由字母组成

现在我可以读取文件，用空格解析，并将所有内容存储在列表中。如果列表中的任何内容是java保留字，则会将其删除。此外，我删除了任何未附加到任何内容的松散符号（括号和算术符号）

现在我只剩下一堆奇怪的字符串，但至少它们没有空格。我知道我将不得不用一个。分隔符，以便提取标识符，如System.out.print，但如何处理以下示例中的字符串：

Logger.getLogger（MyHash.class.getName（））.log（Level.SEVERE

在通过重新解析后。我将留下更多疯狂的字符串，如：

getLogger（MyHash）

getName（））

日志（级别）

严重的

---

我怎样才能在清除所有垃圾的同时提取出所有标识符？只需通过java代码中可能存在的每个符号重新解析就行了？这似乎很费时费力。我甚至不确定它是否能完全工作。因此，你能建议一种更好的方法吗？

有几种解决方案可供选择使用，而不是黑客自己的解析器：

• 使用现有的解析器，例如
• 用于读取字节码，其中包括所有字段和变量
• 侵入编译器或运行时，使用或-我不确定您可以通过这种方式找到所有标识符，但字段和参数是肯定的

---

除了破解自己的解析器，您还可以使用几种解决方案：

• 使用现有的解析器，例如
• 用于读取字节码，其中包括所有字段和变量
• 侵入编译器或运行时，使用或-我不确定您可以通过这种方式找到所有标识符，但字段和参数是肯定的

---

哇，好吧。解析很难——真的很难——做对。正确使用您自己的java解析器将非常困难。您会发现有很多边缘情况您还没有做好准备。要真正做对并处理所有边缘情况，您需要编写一个真正的解析器。一个真正的解析器由许多事情：

词法分析器，用于将输入分解为逻辑块

确定如何解释上述语块的语法

实际的“解析器”，它是使用类似

用于存储标识符的符号表

表示已解析代码的抽象语法树

一旦你拥有了所有这些，你就可以拥有一个真正的解析器。当然你可以跳过抽象语法树，但你需要几乎所有的东西。这就需要编写大约1/3的编译器。如果你真的想自己完成这个项目，你应该看看你是否能找到一个包含先前存在的java语法的ANTLR示例ar定义。这将使您大部分时间都可以使用它，然后您需要使用ANTLR来填充符号表

---

或者，你可以使用小Bobby Tables建议的聪明的解决方案（很棒的名字，顺便说一句Bobby）.

哇，好吧。解析很难——真的很难——做对。正确使用您自己的java解析器将非常困难。您会发现有很多边缘情况您还没有做好准备。要真正正确地做，并处理所有边缘情况，您需要编写一个真正的解析器。真正的解析器由数字组成关于事物：

词法分析器，用于将输入分解为逻辑块

确定如何解释上述语块的语法

实际的“解析器”，它是使用类似

用于存储标识符的符号表

表示已解析代码的抽象语法树

一旦你拥有了所有这些，你就可以拥有一个真正的解析器。当然你可以跳过抽象语法树，但你需要几乎所有的东西。这就需要编写大约1/3的编译器。如果你真的想自己完成这个项目，你应该看看你是否能找到一个包含先前存在的java语法的ANTLR示例ar定义。这将使您大部分时间都可以使用它，然后您需要使用ANTLR来填充符号表

---

或者，你可以使用小Bobby表（很棒的名字，顺便说一句Bobby）建议的聪明解决方案。

我不会一次按空格分隔整个文件。相反，我会逐字扫描文件，将每个字符保存在缓冲区中，直到我确定已到达标识符为止

在伪代码中：

clean buffer
for each letter l in file:
    if l is '
        toggle "character mode"
    if l is "
        toggle "string mode"
    if l is a letter AND "character mode" is off AND "string mode" is off
        add l to end of buffer
    else
        if buffer is NOT a keyword or a literal
            add buffer to list of identifiers
        clean buffer

注意，这里的一些行隐藏了进一步的复杂性——例如，要检查缓冲区是否为文本，需要同时检查true、false和null

此外，伪代码中还有更多的错误-它会发现识别文字的e和L部分（浮点文字中的e，长文字中的L）。我建议添加额外的“模式”来处理它们，但这有点棘手

此外，如果您想确保它的准确性，还需要做一些事情——例如，您必须确保使用unicode。我强烈建议您调查该语言的使用情况，这样您就不会错过任何东西

编辑：

• 这个解决方案可以很容易地扩展到处理带有数字的标识符以及注释
• 上面的小错误-您需要处理“不同于”，与“和”相同

---

我不会立即按照空格分隔整个文件。相反，我会逐字扫描文件，将每个字符保存在缓冲区中，直到