我可以在C ++中使用正則表達式使用哪些正則表達式來解析分隔符，運算符，標識符和實數？

Question

  for(int k = 0 ; k < 5.25;k++)
     {
      cout<<"hello"<<endl;
      }
    return 0;

我正在為包含c ++代碼的簡單文本文件編寫一個用於詞法分析的c ++程序。 例如

然后，在程序從文件中提取代碼之后，它將輸出到控制台：

   for: keyword
     (: separator
     int: keyword
     k: identifier
     =: operator
     0: integer
     ;: separator
     k: identifier
     <: operator
     5.25: real
     and so forth.
    I already have "(\\w+)" for words, "(\\d+)" for integers, however I don't
    know how to write any of the rest.

為了讓您大致了解正則表達式的實際代碼，這里就是。

     void lexical_integer(string seq)
     {

regex digits("(\\d+)");
regex_iterator<string::iterator> itd(seq.begin(), seq.end(), digits);
regex_iterator<string::iterator> end;

for (; itd != end; ++itd)
{
    cout << itd->str() <<" " <<" integer"<< endl;
}
     }

我正在尋找可以在C ++中與regex一起使用的正則表達式，所以單詞：“（\\ w +）”整數：“（\\ d +）”分隔符：？ 操作員： 實數：

Answer 1

正則表達式將很難正確處理，因為令牌化時需要維護一些狀態/上下文。 最好逐個讀取輸入的字符並手動構建令牌。

這是適用於C的東西（稍后將在C ++中進行更多介紹）：

如果看到/則需要向前看，如果還有/ ，則跳過所有內容，直到行尾。

如果/后面跟着* ，則跳過所有內容，直到另一個* ，如果* char之后的下一個不是/ ，則返回到* ，直到將/*與結尾*/匹配時結束。

通過類似的操作，您可以跳過所有注釋。

如果在/后面沒有/或* ，則需要另外檢查它是否在=后面，以區分/和/= 。

如果您看到其中任何一個，則是一個令牌： ,;?:()[]{} 。

如果你看到了! 您需要向前看，因為可以這樣! 或!= 。
如果看到* ，則需要向前看，因為它可以是*或*= 。
如果看到% ，則需要向前看，因為它可以是%或%= 。
如果看到^ ，則需要向前看，因為它可以是^或^= 。
如果看到~ ，則需要向前看，因為它可以是~或~= 。

如果看到+ ，則需要向前看，因為它可以是+或++或+= 。

如果看到-您需要向前看，因為它可以是-或--或-=或-> 。

如果看到< ，則需要向前看，因為它可以是<或<=或<<或<<= 。
如果看到> ，則需要向前看，因為它可以是>或>=或>>或>>= 。

如果看到& ，則需要向前看，因為它可以是&或&&或&= 。
如果你看到| 您需要向前看，因為它可以是| 或|| 或|= 。

如果看到L （或小寫的l ），則需要向前看，因為它可以開始一個文字字符或字符串常量L'c'或L"string" 。 否則，它是某些標識符的開始。

如果您看到_或從a到z或從A到Z的ASCII字母，則它是某個標識符的開頭。 之后，可以跟隨任意數量的下划線，字母或十進制數字。 必須對照保留關鍵字的集合（例如int ， const ， if ， switch等）額外檢查以這種方式解析的標識符。

如果看到從0到9的十進制數字，則有多種選擇：八進制整數常數，十進制整數常數，十六進制整數常數，浮點常數。 您應該能夠找出如何解析它們的方法與上述類似。 請記住，可以在常量后綴U ， UL ， ULL ， L ， LL和F

如果看到的話. 您需要向前看，因為可能是那樣. 或...或.5東西。

我將不描述文字字符或字符串常量的解析和標記化，轉義序列中還有更多邏輯和更多內容。

現在，在C ++中，你必須額外分析的東西，如： :: （延伸:解析） .* （擴展名的.解析） ->* （擴展-解析）和更多的保留字（如new ， virtual ，等等等等，奇數像and bitor和not_eq 。

C ++令人驚訝。 模板尖括號現在可以一起使用，中間沒有空格：

X<Y<Z> >

現在可以合法寫成：

X<Y<Z>>

並且解析器必須對模板業務有足夠的了解，以找出最后一個>>是兩個單獨的> 。

還有一些與預處理器相關的令牌（例如#和## ， include ， ifdef ， if ， undef等）和難看的三字母組合序列。 而且，當然還有\\的行級聯。

這是一個有趣的小（或不是那么少）的項目，您可能會遇到很多麻煩，尤其是如果您限制可接受的輸入種類時。

無論如何，您確實需要在過程中實現一些狀態機，無論狀態機有多簡單（大多數情況下都很簡單）。