Проблема синтаксического анализа Ply Lex

Я использую ply как мой парсер lex. Мои спецификации следующие:

t_WHILE = r'while'  
t_THEN = r'then'  
t_ID = r'[a-zA-Z_][a-zA-Z0-9_]*'  
t_NUMBER = r'd+'  
t_LESSEQUAL = r'<='  
t_ASSIGN = r'='  
t_ignore  = r' t'

когда я пытаюсь разобрать следующую строку:

"while n <= 0 then h = 1"

Он дает следующий вывод:

LexToken(ID,'while',1,0)  
LexToken(ID,'n',1,6)  
LexToken(LESSEQUAL,'<=',1,8)  
LexToken(NUMBER,'0',1,11)  
LexToken(ID,'hen',1,14)      ------> PROBLEM!  
LexToken(ID,'h',1,18)  
LexToken(ASSIGN,'=',1,20)  
LexToken(NUMBER,'1',1,22)

он не распознает токен, вместо этого он принимает "курицу" в качестве идентификатора.

какие идеи?

6
lex parsing ply

2 ответов

причина, по которой это не сработало, связана с тем, как ply устанавливает приоритеты совпадений токенов, сначала тестируется самое длинное регулярное выражение токена.

самый простой способ предотвратить эту проблему-сопоставить идентификаторы и зарезервированные слова одного типа и выбрать соответствующий Тип маркера на основе совпадения. Следующий код аналогичен примеру в ply документация 

import ply.lex

tokens = [ 'ID', 'NUMBER', 'LESSEQUAL', 'ASSIGN' ]
reserved = {
    'while' : 'WHILE',
    'then' : 'THEN'
}
tokens += reserved.values()

t_ignore    = ' \t'
t_NUMBER    = '\d+'
t_LESSEQUAL = '\<\='
t_ASSIGN    = '\='

def t_ID(t):
    r'[a-zA-Z_][a-zA-Z0-9_]*'
    if t.value in reserved:
        t.type = reserved[ t.value ]
    return t

def t_error(t):
    print 'Illegal character'
    t.lexer.skip(1)

lexer = ply.lex.lex()
lexer.input("while n <= 0 then h = 1")
while True:
    tok = lexer.token()
    if not tok:
        break
    print tok
8

PLY приоритизирует маркеры, объявленные как простые строки в соответствии с самым длинным регулярным выражением,но маркеры, объявленные как функции, имеют приоритет своего порядка.

документы:

при построении главного регулярного выражения правила добавляются в следующий порядок:

  1. все маркеры, определенные функциями, добавляются в том же порядке, что и в файле lexer.
  2. маркеры, определенные строками добавлено далее, сортируя их в порядке уменьшения длины регулярного выражения (добавляются более длинные выражения сначала.)

таким образом, альтернативным решением было бы просто указать токены, которые вы хотите приоритизировать как функции, а не строки, например:

def t_WHILE(t): r'while'; return t
def t_THEN(t): r'then'; return t
t_ID = r'[a-zA-Z_][a-zA-Z0-9_]*'
t_NUMBER = r'\d+'
t_LESSEQUAL = r'<='
t_ASSIGN = r'='
t_ignore = ' \t'

таким образом, а затем будут добавлены первые правила, и вы получите поведение, которое вы ожидали.

в качестве примечания, вы использовали r' \t' (необработанная строка) для t_ignore, Итак, питон лечил \ как таковой. Вместо этого должна быть простая строка, как в приведенном выше примере.

4