匹配ANSI C中的單詞

Question

如何匹配ANSI C中的單詞（1-n個字符）？ （另外：在C源代碼中匹配常量的模式是什么？）

我嘗試讀取文件並將其傳遞給regexec() （regex.h）。 問題：我正在編寫的工具應該能夠讀取源代碼並找到所有使用的常量（#define）以檢查它們是否已定義。

用於測試的模式是： [a-zA-Z_0-9]{1,} 。 但這會匹配“test.h”中的“h”等詞。

Answer 1

標識符必須以字母或下划線開頭，因此模式是

[A-Za-z_][A-Za-z0-9_]*

我知道C和預處理器標識符之間沒有語法差異。 對於預處理器使用大寫，對C標識符使用小寫，但沒有實際要求。 除非保證定義使用不同的命名約定，否則您基本上必須找到源文件中的每個標識符和任何包含的文件，並將它們分類為預處理程序標識符，C標識符和未聲明的標識符。

從GCC手冊：

預處理標記分​​為五大類：標識符，預處理數字，字符串文字，標點符號等。 標識符與C中的標識符相同：字母，數字或下划線的任何序列，以字母或下划線開頭。 C的關鍵詞對預處理器沒有意義; 它們是普通的標識符。 例如，您可以定義名稱為關鍵字的宏。 可以將唯一可以視為預處理關鍵字的標識符定義。

Answer 2

除了通過C源代碼進行正則表達式搜索之外，另一個選擇是使用像Boost Wave這樣的預處理器庫，或者像Coan這樣的東西，而不是從頭開始。

Answer 3

這是整個c語言的Lexer語法和Parser語法 （分別以flex和bison格式）。 特別是，與標識符相關的部分是：

D           [0-9]
L           [a-zA-Z_]
{L}({L}|{D})*       { count(); return(check_type()); }

所以id可以以任何大寫或小寫字母或下划線開頭，然后有更多的大寫或小寫字母，下划線和數字。 我認為它與文件名的部分不匹配，因為它們被引用並且它分別處理引號。