Parsing 我的莱克斯模式没有'；无法匹配输入文件，如何更正？

我有一个简单的模式来匹配：head+content+tail，我有一个lex文件，如下所示：

$ cat b.l
%{
#include<stdio.h>
%}
%%
"12" {printf("head\n");}
"34" {printf("tail\n");}
.* {printf("content\n");}
%%

我的期望是，它会打印出来

head
content
tail

但实际上它只打印“内容”行。我做错了什么，怎么纠正

谢谢

（F）lex始终匹配最长的令牌。由于

*

将匹配任何不包含换行符的序列，因此它将很高兴地匹配

12sdaesre34

。（在（f）lex中，

匹配除换行符以外的任何字符。）因此，

34

不再可用于匹配

要解决这个问题，您必须清楚您希望

内容

匹配什么。例如，以下内容将匹配任何不包含数字的内容：

[^[:digit:]]+   { printf("content\n"); }

您可能希望将换行符添加到不匹配的字符列表中：

[^\n[:digit:]]+   { printf("content\n"); }

或者，您可能希望匹配不包含

34

的最长序列。这很棘手，但可以做到：

([^3]|3+[^34])+   { printf("content\n"); }

但是，这仍然会匹配初始

12

，因此它不足以解决问题

如果您的输入总是由形式为

12…34

的字符串组成，并且可能夹杂着其他内容，那么您可以匹配整个

12…34

序列，并将其拆分为三个标记。这无疑是最简单的解决方案，因为开始和结束标记的长度是已知的。以下模式中的第一个匹配的字符串不以

12

开头，在

12

的第一个实例之前结束，第二个匹配的字符串以

12

开头，在

34

的第一个实例结束（匹配）。这两种模式都不会匹配包含不匹配的

12

的输入；因此，添加了第三条规则以匹配该情况；它看起来很像第二条规则，但不包括结尾处的

34

匹配。因为（f）lex总是匹配尽可能长的令牌，所以第三条规则只有在第二条规则失败时才会成功

([^1]|1+[^12])*         { puts("content"); }
12([^3]|3+[^34])*34     { puts("head content tail"); }
12([^3]|3+[^34])*       { puts("error"); }

通常，您希望实际捕获

内容的值

以传递给调用程序。在第一条规则中，这只是

yytext

，但在第二条规则中，内容由

yyleng-4

字符组成，从

yytext+2

开始（以删除前导和尾随分隔符）

在大多数情况下，如果需要保留匹配的标记，则有必要复制它，因为

yytext

指向词法扫描程序使用的内部数据结构，指针将在下一个模式匹配时失效。对于第一条规则，您可以使用strcpy创建字符串的副本，但是对于第二条规则，您希望自己创建副本：

([^1]|1+[^12])*         { yylval = strcpy(yytext); ... }
12([^3]|3+[^34])*34     { yylval = malloc(yyleng-3);
                          memcpy(yylval, yytext, yyleng-4);
                          yylval[yyleng-4] = '\0';
                          ...
                        }

这些假设是

yylval

是一个类型为

char*

的全局变量，并且在代码中的某个地方您可以

free（）

规则保存的字符串。它们还假设您使用省略的代码（

…

）中的

yylval

执行某些操作，或者您返回给调用方，并指示是否遇到了头部和尾部。

（F）lex始终匹配最长的令牌。由于

*

将匹配任何不包含换行符的序列，因此它将很高兴地匹配

12sdaesre34

。（在（f）lex中，

匹配除换行符以外的任何字符。）因此，

34

不再可用于匹配

要解决这个问题，您必须清楚您希望

内容

匹配什么。例如，以下内容将匹配任何不包含数字的内容：

[^[:digit:]]+   { printf("content\n"); }

您可能希望将换行符添加到不匹配的字符列表中：

[^\n[:digit:]]+   { printf("content\n"); }

或者，您可能希望匹配不包含

34

的最长序列。这很棘手，但可以做到：

([^3]|3+[^34])+   { printf("content\n"); }

但是，这仍然会匹配初始

12

，因此它不足以解决问题

如果您的输入总是由形式为

12…34

的字符串组成，并且可能夹杂着其他内容，那么您可以匹配整个

12…34

序列，并将其拆分为三个标记。这无疑是最简单的解决方案，因为开始和结束标记的长度是已知的。以下模式中的第一个匹配的字符串不以

12

开头，在

12

的第一个实例之前结束，第二个匹配的字符串以

12

开头，在

34

的第一个实例结束（匹配）。这两种模式都不会匹配包含不匹配的

12

的输入；因此，添加了第三条规则以匹配该情况；它看起来很像第二条规则，但不包括结尾处的

34

匹配。因为（f）lex总是匹配尽可能长的令牌，所以第三条规则只有在第二条规则失败时才会成功

([^1]|1+[^12])*         { puts("content"); }
12([^3]|3+[^34])*34     { puts("head content tail"); }
12([^3]|3+[^34])*       { puts("error"); }

通常，您希望实际捕获

内容的值

以传递给调用程序。在第一条规则中，这只是

yytext

，但在第二条规则中，内容由

yyleng-4

字符组成，从

yytext+2

开始（以删除前导和尾随分隔符）

在大多数情况下，如果需要保留匹配的标记，则有必要复制它，因为

yytext

指向词法扫描程序使用的内部数据结构，指针将在下一个模式匹配时失效。对于第一条规则，您可以使用strcpy创建字符串的副本，但是对于第二条规则，您希望自己创建副本：

([^1]|1+[^12])*         { yylval = strcpy(yytext); ... }
12([^3]|3+[^34])*34     { yylval = malloc(yyleng-3);
                          memcpy(yylval, yytext, yyleng-4);
                          yylval[yyleng-4] = '\0';
                          ...
                        }

这些假设是

yylval

是一个类型为

char*

的全局变量，并且在代码中的某个地方您可以

free（）

规则保存的字符串。它们还假设您使用省略的代码（

…

）中的

yylval

执行某些操作，或者您重新