Regex 正则表达式以匹配前缀的未确定数目

在lex中，应该匹配并捕获以下字符串

semic
semiconductor
semicondu

使用c执行此操作，代码可能如下所示：

strlen(str)>=5 && strncmp(str, "semiconductor", strlen(str))==0;

---

正则表达式或（lex规则和操作）如何做到这一点？

前缀标识的正则表达式是：

semic(o(n(d(u(c(t(or?)?)?)?)?)?)?)?

这有点吓人，但很容易通过编程创建。（见下文。）

值得注意的是，上述（f）lex规则只有在伴随着一个回退模式时才真正有用，该模式识别所有其他不匹配的“单词”（对于“单词”的某些定义）。否则，模式将简单地匹配输入流中下一个单词的最长匹配前缀

如果您有很多令牌需要以这种方式处理，那么创建上述模式的任务似乎有点吓人。然而，用一些脚本语言编写预处理器非常容易，可以在调用扫描器定义文件上的（f）lex之前应用这些脚本语言

例如，这里是一个简单的Python程序，它过滤提供的文件（或标准输入），用上面显示的“最长前缀”模式替换分隔符

{:

和

：}

之间包含的单词：

文件：前缀 注意：您必须

chmod a+x前缀

我选择了

{：…：}

，因为它不太可能在（f）lex模式或C/C++代码中使用，所以脚本不必尝试验证分隔符出现的上下文。当然，“极不可能”与“不可能”并不相同。另一种方法是让脚本自己计算出每个关键字的必要前缀应该有多长，可能使用每个关键字的最短唯一前缀和一些最小前缀长度的组合

例如：

$ cat scanner.l.in
%option noinput nounput noyywrap nodefault
%{
#import "parse.tab.h"
%}

ws    (#.*|[[:space:]])+
%%
{ws}                         /* Ignore whitespace and comments */ ;
resi{:stor:}                 { return T_RESISTOR; }
semi                         { return T_SEMI; }
semic{:onductor:}            { return T_SEMICONDUCTOR; }
tran{:sformer:}              { return T_TRANSFORMER; }
trac{:k:}                    { return T_TRACK; }
[[:alpha:]_][[:alnum:]_]*}   { yylval.str = strdup(yytext); return ID; }
.                            { return *yytext; }

$ # The expected command line, probably in a makefile would be
$ # /path/to/prefixify scanner.l.in > scanner.l
$ # followed by flex -o scanner.c scanner.l
$ ./prefixify scanner.l.in
%option noinput nounput noyywrap nodefault
%{
#import "parse.tab.h"
%}

ws    (#.*|[[:space:]])+
%%
{ws}                         /* Ignore whitespace and comments */ ;
resi(s(t(or?)?)?)?                 { return T_RESISTOR; }
semi                         { return T_SEMI; }
semic(o(n(d(u(c(t(or?)?)?)?)?)?)?)?            { return T_SEMICONDUCTOR; }
tran(s(f(o(r(m(er?)?)?)?)?)?)?              { return T_TRANSFORMER; }
track?                    { return T_TRACK; }
[[:alpha:]_][[:alnum:]_]*}   { yylval.str = strdup(yytext); return ID; }
.                            { return *yytext; }

---

谢谢，rici。这是在（f）lex规则部分中使用的，还有一些这样的关键字需要标记化。每次将一个字符分组的解决方案是很麻烦的，例如，50个或更多这样的关键字，并且必须匹配前缀的长度不同。@acore：您可以用一个简单的程序生成模式。这就是我在答案中所做的。@acore：如果您展示更多的规则上下文，我可以在答案中添加一个脚本，这可能会对您有更多帮助。我所期望的是像“semic{conductor}”一样作为一个模式来完成您提供的模式所做的工作。@acore:Flex正则表达式没有实现“最长前缀匹配”。事实上，我不能马上想到一个带有该操作符的正则表达式包，尽管我不能声称自己是所有正则表达式类型的专家。但我会在我的答案中添加一个简单的脚本，对flex文件进行预处理。

$ cat scanner.l.in
%option noinput nounput noyywrap nodefault
%{
#import "parse.tab.h"
%}

ws    (#.*|[[:space:]])+
%%
{ws}                         /* Ignore whitespace and comments */ ;
resi{:stor:}                 { return T_RESISTOR; }
semi                         { return T_SEMI; }
semic{:onductor:}            { return T_SEMICONDUCTOR; }
tran{:sformer:}              { return T_TRANSFORMER; }
trac{:k:}                    { return T_TRACK; }
[[:alpha:]_][[:alnum:]_]*}   { yylval.str = strdup(yytext); return ID; }
.                            { return *yytext; }

$ # The expected command line, probably in a makefile would be
$ # /path/to/prefixify scanner.l.in > scanner.l
$ # followed by flex -o scanner.c scanner.l
$ ./prefixify scanner.l.in
%option noinput nounput noyywrap nodefault
%{
#import "parse.tab.h"
%}

ws    (#.*|[[:space:]])+
%%
{ws}                         /* Ignore whitespace and comments */ ;
resi(s(t(or?)?)?)?                 { return T_RESISTOR; }
semi                         { return T_SEMI; }
semic(o(n(d(u(c(t(or?)?)?)?)?)?)?)?            { return T_SEMICONDUCTOR; }
tran(s(f(o(r(m(er?)?)?)?)?)?)?              { return T_TRANSFORMER; }
track?                    { return T_TRACK; }
[[:alpha:]_][[:alnum:]_]*}   { yylval.str = strdup(yytext); return ID; }
.                            { return *yytext; }