如何使用Java';s扫描器类和正则表达式?
出于我自己的目的,我正在尝试用Java构建一个标记器,在这里我可以定义一个常规语法,并让它基于它标记输入。StringTokenizer类已被弃用,我在Scanner中发现了一些函数,这些函数提示了我要做的事情,但运气不佳。有人知道一个很好的方法吗?如果我能很好地理解你的问题,那么这里有两个标记字符串的示例方法。您甚至不需要Scanner类,仅当您想要预铸令牌,或者比使用数组更实际地迭代令牌时才需要。如果一个数组足够,只需使用String.split(),如下所示 请给出更多要求,以获得更准确的答案如何使用Java';s扫描器类和正则表达式?,java,regex,compiler-construction,tokenize,Java,Regex,Compiler Construction,Tokenize,出于我自己的目的,我正在尝试用Java构建一个标记器,在这里我可以定义一个常规语法,并让它基于它标记输入。StringTokenizer类已被弃用,我在Scanner中发现了一些函数,这些函数提示了我要做的事情,但运气不佳。有人知道一个很好的方法吗?如果我能很好地理解你的问题,那么这里有两个标记字符串的示例方法。您甚至不需要Scanner类,仅当您想要预铸令牌,或者比使用数组更实际地迭代令牌时才需要。如果一个数组足够,只需使用String.split(),如下所示 请给出更多要求,以获得更准确的
import java.util.Scanner;
public class Main {
public static void main(String[] args) {
String textToTokenize = "This is a text that will be tokenized. I will use 1-2 methods.";
Scanner scanner = new Scanner(textToTokenize);
scanner.useDelimiter("i.");
while (scanner.hasNext()){
System.out.println(scanner.next());
}
System.out.println(" **************** ");
String[] sSplit = textToTokenize.split("i.");
for (String token: sSplit){
System.out.println(token);
}
}
}
如果这是一个简单的项目(学习事物是如何工作的),那么就按照巴林特·帕托所说的去做 <>如果这是一个更大的项目,请考虑使用扫描仪生成器来代替。有点复杂,但速度更快,功能更强大。Scanner这个名字有点误导人,因为这个词通常用来表示词法分析器,而Scanner不是用来做这个的。它只是在C、Perl等语言中找到的
scanf()
函数的替代品。与StringTokenizer和split()
一样,它被设计为提前扫描,直到找到与给定模式的匹配,并且在过程中跳过的任何内容都将作为标记返回
另一方面,词法分析器必须检查和分类每个字符,即使只是决定是否可以安全地忽略它们。这意味着,在每次匹配之后,它可以应用多个模式,直到找到一个从该点开始匹配的模式。否则,它可能会找到序列“/”,并认为它找到了注释的开头,而实际上它位于字符串文本中,只是没有注意到开头引号
当然,它实际上要复杂得多,但我只是说明为什么像StringTokenizer、split()
和Scanner这样的内置工具不适合这种任务。但是,可以使用Java的正则表达式类进行有限形式的词法分析。事实上,Scanner类的添加使它变得更容易,因为添加了新的Matcher API来支持它,即regions和usePattern()
方法。下面是一个构建在Java正则表达式类之上的基本扫描器的示例
import java.util.*;
import java.util.regex.*;
public class RETokenizer
{
static List<Token> tokenize(String source, List<Rule> rules)
{
List<Token> tokens = new ArrayList<Token>();
int pos = 0;
final int end = source.length();
Matcher m = Pattern.compile("dummy").matcher(source);
m.useTransparentBounds(true).useAnchoringBounds(false);
while (pos < end)
{
m.region(pos, end);
for (Rule r : rules)
{
if (m.usePattern(r.pattern).lookingAt())
{
tokens.add(new Token(r.name, m.start(), m.end()));
pos = m.end();
break;
}
}
pos++; // bump-along, in case no rule matched
}
return tokens;
}
static class Rule
{
final String name;
final Pattern pattern;
Rule(String name, String regex)
{
this.name = name;
pattern = Pattern.compile(regex);
}
}
static class Token
{
final String name;
final int startPos;
final int endPos;
Token(String name, int startPos, int endPos)
{
this.name = name;
this.startPos = startPos;
this.endPos = endPos;
}
@Override
public String toString()
{
return String.format("Token [%2d, %2d, %s]", startPos, endPos, name);
}
}
public static void main(String[] args) throws Exception
{
List<Rule> rules = new ArrayList<Rule>();
rules.add(new Rule("WORD", "[A-Za-z]+"));
rules.add(new Rule("QUOTED", "\"[^\"]*+\""));
rules.add(new Rule("COMMENT", "//.*"));
rules.add(new Rule("WHITESPACE", "\\s+"));
String str = "foo //in \"comment\"\nbar \"no //comment\" end";
List<Token> result = RETokenizer.tokenize(str, rules);
for (Token t : result)
{
System.out.println(t);
}
}
}
import java.util.*;
导入java.util.regex.*;
公共级复述机
{
静态列表标记化(字符串源、列表规则)
{
List tokens=new ArrayList();
int pos=0;
final int end=source.length();
Matcher m=Pattern.compile(“dummy”).Matcher(源代码);
m、 useTransparentBounds(真)。useAnchoringBounds(假);
while(pos
顺便说一句,这是我发现的
lookingAt()的唯一一个很好的用途
method.:D这里的大多数答案都已经很好了,但如果我没有指出的话,那我就是失职了。我已经围绕这个优秀的工具创建了完整的编译器。版本3有一些惊人的功能,我推荐它用于任何需要根据定义良好的语法解析输入的项目。我也高度推荐写扫描器规范需要一些练习,但JFlex有很好的启动文件,而且是一项很好的技能。是的,我应该详细阐述一下。这有助于将字符串拆分为与正则表达式匹配的字符串,但不用于查找实际与正则表达式匹配的标记。您的pos