在 flex/lex（解析器生成器）中实现字边界状态

Question

我希望能够根据模式匹配是出现在单词字符之后还是出现在非单词字符之后来预测模式匹配。 换句话说，我想在 flex/lex 不支持的模式开头模拟 \b 分词正则表达式字符。

下面是我的尝试（无法按预期工作）：

%{
#include <stdio.h>
%}

%x inword
%x nonword

%%
[a-zA-Z]    { BEGIN inword; yymore(); }
[^a-zA-Z]   { BEGIN nonword; yymore(); }

<inword>a { printf("'a' in word\n"); }
<nonword>a { printf("'a' not in word\n"); }

%%

输入：

a
ba
a

预期输出

'a' not in word
'a' in word
'a' not in word

实际输出：

a
'a' in word
'a' in word

我这样做是因为我想做类似 方言器，我一直想学习如何使用真正的词法分析器。 有时我想要替换的模式需要是单词的片段，有时它们只需要是整个单词。

Answer 1

这就是实现我想要的：

%{
#include <stdio.h>
%}

WC      [A-Za-z']
NW      [^A-Za-z']

%start      INW NIW

{WC}  { BEGIN INW; REJECT; }
{NW}  { BEGIN NIW; REJECT; }

<INW>a { printf("'a' in word\n"); }
<NIW>a { printf("'a' not in word\n"); }

这样我可以在任何模式的开头或结尾执行与 \B 或 \b 等效的操作。 您可以通过执行 a/{WC} 或 a/{NW} 在末尾进行匹配。

我想在不消耗任何角色的情况下设置状态。 诀窍是使用 REJECT 而不是 yymore()，我想我没有完全理解。

Answer 2

%%
[a-zA-Z]+a[a-zA-Z]* {printf("a in word: %s\n", yytext);}
a[a-zA-Z]+ {printf("a in word: %s\n", yytext);}
a {printf("a not in word\n");}
. ;

测试：

user@cody /tmp $ ./a.out <<EOF
> a
> ba
> ab
> a
> EOF
a not in word

a in word: ba

a in word: ab

a not in word