Parsing Ply-Lex解析问题

我使用ply作为我的lex解析器。我的规格如下：

t_WHILE = r'while'  
t_THEN = r'then'  
t_ID = r'[a-zA-Z_][a-zA-Z0-9_]*'  
t_NUMBER = r'\d+'  
t_LESSEQUAL = r'<='  
t_ASSIGN = r'='  
t_ignore  = r' \t'  

t_WHILE=r'WHILE'
t_THEN=r'THEN'
t_ID=r'[a-zA-Z_][a-zA-Z0-9_]*'
t\u编号=r'\d+'
t_LESSEQUAL=r'这不起作用的原因与ply优先匹配令牌的方式有关，首先测试最长的令牌正则表达式

防止此问题的最简单方法是匹配相同类型的标识符和保留字，并根据匹配情况选择适当的令牌类型。下面的代码类似于中的示例

import ply.lex
令牌=['ID'、'NUMBER'、'LESSEQUAL'、'ASSIGN']
保留={
‘while’：‘while’，
“那么”：“那么”
}
令牌+=保留的.values（）
t_ignore='\t'
t_编号='\d+'
t_LESSEQUAL='\PLY根据最长的正则表达式对声明为简单字符串的标记进行优先级排序，但声明为函数的标记具有优先级

从文档中：

在构建主正则表达式时，将在
顺序如下:

所有由函数定义的标记都按照它们在lexer文件中出现的顺序添加
通过按减少正则表达式长度的顺序对字符串定义的标记进行排序，然后添加标记（添加更长的表达式）
首先）
因此，另一种解决方案是简单地将您希望优先排序的令牌指定为函数，而不是字符串，如下所示：

def t_WHILE(t): r'while'; return t
def t_THEN(t): r'then'; return t
t_ID = r'[a-zA-Z_][a-zA-Z0-9_]*'
t_NUMBER = r'\d+'
t_LESSEQUAL = r'<='
t_ASSIGN = r'='
t_ignore = ' \t'

def t_WHILE（t）：r'WHILE'；返回t
定义t_THEN（t）：r'THEN'；返回t
t_ID=r'[a-zA-Z_][a-zA-Z0-9_]*'
t\u编号=r'\d+'
t_LESSEQUAL=r'事实上，我发现由于t_ignore=r“\t”，它忽略了字母“t”（不要问我为什么！）。所以我删除了它，现在它开始以“then”作为标记。@Karan:
r'\t'
是一个原始字符串。我的猜测是
\t
无法在其中转义，如果您删除首字母
r
=>
t\u ignore='\t'
LexToken(ID,'while',1,0)  
LexToken(ID,'n',1,6)  
LexToken(LESSEQUAL,'<=',1,8)  
LexToken(NUMBER,'0',1,11)  
LexToken(ID,'hen',1,14)      ------> PROBLEM!  
LexToken(ID,'h',1,18)  
LexToken(ASSIGN,'=',1,20)  
LexToken(NUMBER,'1',1,22)  

import ply.lex

tokens = [ 'ID', 'NUMBER', 'LESSEQUAL', 'ASSIGN' ]
reserved = {
    'while' : 'WHILE',
    'then' : 'THEN'
}
tokens += reserved.values()

t_ignore    = ' \t'
t_NUMBER    = '\d+'
t_LESSEQUAL = '\<\='
t_ASSIGN    = '\='

def t_ID(t):
    r'[a-zA-Z_][a-zA-Z0-9_]*'
    if t.value in reserved:
        t.type = reserved[ t.value ]
    return t

def t_error(t):
    print 'Illegal character'
    t.lexer.skip(1)

lexer = ply.lex.lex()
lexer.input("while n <= 0 then h = 1")
while True:
    tok = lexer.token()
    if not tok:
        break
    print tok

def t_WHILE(t): r'while'; return t
def t_THEN(t): r'then'; return t
t_ID = r'[a-zA-Z_][a-zA-Z0-9_]*'
t_NUMBER = r'\d+'
t_LESSEQUAL = r'<='
t_ASSIGN = r'='
t_ignore = ' \t'