这大概是全网最简陋的词法分析器……学了一点python后上手的第一个小实验。
实验要求粘在下面了，但是实现过程中我根据自己想法做了一些修改。
一、实验目的：
设计并实现一个包含预处理功能的词法分析程序，加深对编译中词法分析过程的理解。
二、实验要求：
1.实现预处理功能
源程序中可能包含有对程序执行无意义的符号，要求将其剔除。
首先编制一个源程序的输入过程，从键盘、文件或文本框输入若干行语句，依次存入输入缓冲区(字符型数据)；然后编制一个预处理子程序，去掉输入串中的回车符、换行符和跳格符等编辑性文字；把多个空白符合并为一个；去掉注释。
2.实现词法分析功能
输入：所给文法的源程序字符串。
输出：
二元组(syn,token或sum)构成的序列。其中，
syn为单词种别码。
Token为存放的单词自身字符串。
Sum为整型常量。
具体实现时，可以将单词的二元组用结构进行处理。
3.待分析的C语言子集的词法
关键字
main if then while do static int double struct break else long switch case typedef char return const float short continue for void default sizeof do
所有的关键字都是小写。
运算符和界符
+ - * / : := < <> <= > >= = ; ( ) #
其他标记ID和NUM
通过以下正规式定义其他标记：
ID→letter(letter|digit)*
NUM→digit digit*
letter→a|…|z|A|…|Z
digit→0|…|9…
空格由空白、制表符和换行符组成
空格一般用来分隔ID、NUM、专用符号和关键字，词法分析阶段通常被忽略。
4.各种单词符号对应的种别码
单词符号
种别码
单词符号
种别码
main
1
;
41
if
2
(
42
then
3
)
43
while
4
int
7
do
5
double
8
static
6
struct
9
ID
25
break
10
NUM
26
else
11
+
27
long
12
-
28
switch
13
*
29
case
14
/
30
typedef
15
**
31
char
16
==
32
return
17
<
33
const
18
<>
34
float
19
<=
35
short
20
>
36
continue
21
>=
37
for
22
=
38
void
23
[
39
sizeof
24
]
40
#
0
源代码：
import re
import sys
#关键字，百度百科上复制来的63个关键字……
key_word = ['asm','do','if','return','typedef','auto','double','inline','short','typeid','bool',
'dynamic_cast','int','signed','typename','break','else','long','sizeof','union','case',
'enum','mutable','static','unsigned','catch','explicit','namespace','static_cast',
'using','char','export','new','struct','virtual','class','extern','operator','switch',
'void','const','false','private','template','volatile','const_cast','float','protected',
'this','wchar_t','continue','for','public','throw','while','default','friend','register'
'true','delete','goto','reinterpret_cast','try']
#一些常用函数，不然老被识别为标识符，目前是16个
function_word = ['cin','cout','scanf','printf','abs','sqrt','isalpha','isdigit','tolower','toupper'
'strcpy','strlen','time','rand','srand','exit']
operator = ['+','-','*','/',':',':=','','<=','>','>=','=',';','(',')','#','==','{','}',',','&','[',']',"'"]
with open('cpp.txt', 'w') as file:
print("请输入需要进行词法分析的源程序:")
txt = sys.stdin.readlines()
file.writelines(txt)
with open('cpp.txt', 'r') as file:
#预处理,增加了去除字符串的功能，毕竟字符串肯定不是标识符啊……
txt = ' '.join(file.readlines())
deal_txt = re.sub(r'/\*(.|[\r\n])*?\*/|//.*', ' ', txt)
deal_txt = re.sub(r'\"(.|[\r\n])*?\"', ' ', txt)
deal_txt = deal_txt.strip()
deal_txt = deal_txt.replace('\t', ' ').replace('\r', ' ').replace('\n', ' ')
#词法分析，标识符识别规则加入了_
keyword = []
funword = []
opeword = []
idword = []
numword = []
errword = []
pha = re.findall(r'[a-zA-Z_][a-zA-Z0-9_]*', deal_txt)
num = re.findall(r'\d+',deal_txt)
str = re.findall(r'[^\w]', deal_txt)
for p in pha:
if p in key_word:
keyword.append({p : key_word.index(p) + 1})
elif p in function_word:
funword.append({p : len(key_word) + function_word.index(p) + 1})
else:
idword.append({p : 80})
for n in num:
numword.append({n : 81})
for s in str:
if s in operator:
opeword.append({s: len(key_word) + len(function_word) + operator.index(s) + 3})
elif s != ' ':
errword.append({s : 'ERROR'})
print("关键字：\n", keyword)
print('函数：\n', funword)
print("ID:\n", idword)
print("数字：\n", numword)
print("运算符与界符：\n", opeword)
if len(errword) != 0:
print("其他：\n", errword)
