时间戳

首页 > 解决方案 > 正则表达式意外模式匹配

c - 正则表达式意外模式匹配

问题描述

我正在尝试使用 C-Bison 和 Flex 创建语法解析器。在 Flex 中，我有一个正则表达式，它根据以下内容匹配整数：

  1. 必须以 1-9 范围内的任意数字开头，后跟 0-9 范围内的任意数字。（例如，正确：1,12,11024 | 错误：012）

  2. 可以签名（例如+2，-5）

  3. 数字 0 后面不能跟任何数字 (0-9)，也不能有符号。（例如，正确：0 | 不正确：012,+0,-0）

这是我为执行匹配而创建的正则表达式： [^+-]0[^0-9]|[+-]?[1-9][0-9]*

这是我正在测试的表达式： (1 + 1 + 10)

比赛：

1
1
10)

这是我的问题，为什么它匹配'10）'？

我使用上述表达式而不是更简单的表达式 (0|[+-]?[1-9][0-9]*) 的原因是解析器无法识别不正确的表达式，例如 012。

问题似乎只发生在“）”之前的数字“0”之前。但是，如果 '0' 前面有两个或多个数字（例如 100），则 ')' 不匹配。

我知道如果我从正则表达式中删除 [^0-9] 它与')'不匹配。

标签： cregexbisonflex-lexer

解决方案

它匹配，10(因为1匹配[^+-]，0匹配0和(匹配[^0-9]。

我使用上述表达式而不是更简单的表达式 (0|[+-]?[1-9][0-9]*) 的原因是解析器无法识别不正确的表达式，例如 012。

怎么会这样？使用上面的正则表达式，012将被识别为两个标记：0和12. 这不会导致您的解析器出错吗？

诚然，这不会产生非常好的错误消息，因此更好的方法可能是仅用[0-9]+作正则表达式，然后使用该操作来检查前导零。这种方式012将是一个单一的标记，词法分析器可能会产生关于前导零的错误或警告（我在这里假设您实际上想要禁止前导零 - 不要将它们用于八进制文字）。

除了检查操作，您还可以保留您的正则表达式，然后为带有前导零的整数添加另一个（如0[0-9]+ { warn("Leading zero"); return INT; }），但我会在操作中进行检查，因为它很容易检查并且它保留了正则表达式简短而简单。

PS：如果你制作了整数标记-的+一部分，类似的东西2+3将被视为整数2，然后是整数+3，而不是整数2，并且3中间有一个+标记。因此，通常最好不要将符号作为整数标记的一部分，而是在解析器中允许前缀+和运算符。-

推荐阅读