用python写一个简单的词法分析器

编译原理老师要求写一个java的词法分析器，想了想决定用python写一个。

目标

能识别出变量，数字，运算符，界符和关键字，用excel表打印出来。

有了目标，想想要怎么实现词法分析器。

1.先进行预处理，把注释，多余的空格，空行去掉。
2.一行一行扫描，行里逐字扫描，把界符和运算符当做分割符，遇到就先停下开始判断。

• 若是以 英文字母、$、下划线开头，则可能是变量和关键字，在判断是关键字还是变量。
• 若是数字开头，则判断下一位是不是也是数字，直到遇到非数字停止，在把数字取出来。
• 再来判断分割符是什么类型，是界符还是运算符。

在给不同词添加上识别码
在用excel表打印出来。

代码实现

1. 用列表创建一个关键字表，java关键字有50个。

#保留字
key_word = ['abstract','assert','boolean','break','byte',
            'case','catch','char','class','const',
            'continue','default','do','double','else',
            'enum','extends','final','finally','float',
            'for','goto','if','implements','import',
            'instanceof','int','interface','long','native',
            'new','package','private','protected','public',
            'return','short','static','strictfp','super',
            'switch','synchronized','this','throw','throws',
            'transient','try','void','volatile','while']

2.用列表创建一个运算符表。

#运算符
operator = ['+','-','*','/','%','++','--','+=','-=','+=','/=',#算术运算符
            '==','!=','>','<','>=','<=',#关系运算符
            '&','|','^','~','<<','>>','>>>',#位运算符
            '&&','||','!',#逻辑运算符
            '=','+=','-=','*=','/=','%=','<<=','>>=','&=','^=','|=',#赋值运算符
            '?:']#条件运算符

3. 用列表创建一个界符表。

#界符
delimiters = ['{','}','[',']','(',')','.',',',':',';']

4.预处理

用正则表达式把注释去掉,在把多余的空行去掉

#预处理
def filterResource(file,new_file):
    f2 = open(new_file,'w+')
    txt  =  ''.join(open(file,'r').readlines())
    deal_txt = re.sub(r'\/\*[\s\S]*\*\/|\/\/.*','',txt) 
    for line in deal_txt.split('\n'):
            line = line.strip()
            line = line.replace('\\t','')
            line = line.replace('\\n','')
            if not line:
                continue
            else:
                f2.write(line+'\n')
    f2.close()
    return sys.path[0]+'\\'+ new_file

5.逐行扫描

按照刚刚的思路进行判断，把每一行的单词，添加到word_line列表中，最后在把每一行添加到token列表中。

def Scan(file):
    lines = open(file,'r').readlines()
    for line in lines:
        word = ''
        word_line = []
        i = 0
        while i <len(line):
            word +=line[i]
            if line[i]==' ' or  line[i] in delimiters or line[i] in operator:
                if word[0].isalpha() or word[0]=='$' or word[0]=='_':
                    word = word[:-1]
                    if searchReserve(word):
                        # 保留字
                        word_line.append({word[:-1]:key_word.index(word)})
                    else:
                        # 标识符
                        identifier.append({word:-2})
                        word_line.append({word:-2})
                # 常数
                elif word[:-1].isdigit():
                    word_line.append({word:-1})
                #else:
                    #error_word.append(word)
                # 字符是界符
                if line[i] in delimiters:
                    word_line.append({line[i]:len(key_word)+delimiters.index(line[i])})
                # 字符是运算符
                elif line[i] in operator:
                    s = line[i] +line[i+1]
                    if s in operator:
                        word_line.append({s:len(key_word)+len(delimiters)+operator.index(s)})
                        i +=1
                    else:
                        word_line.append({line[i]:len(key_word)+len(delimiters)+operator.index(line[i])})
                word = ''
            i+=1
        token.append(word_line)

6.根据单词返回是什么类型

按照保留字--界符--运算符--常数的顺序来当识别码。常数识别码是-1，标识符识别码是-2

def check(number):
    hanzi = ''
    q = len(key_word)
    w = len(delimiters)
    e = len(operator)
    if 0<number<=q:
        hanzi = '保留字'
    elif q<number <= q+w:
        hanzi = '界符'
    elif q+w<number <=q+w+e:
        hanzi = '运算符'
    elif number == -1:
        hanzi ='常数'
    elif number == -2:
        hanzi ='标识符'
    return hanzi

8. 用thinker写一个简单的界面

导入

from tkinter import * 
from tkinter.filedialog import askdirectory,askopenfilename

    root = Tk()
    root.title('词法分析')
    root.resizable(0, 0)
    path = StringVar() 
    Label(root,text = "目标路径:").grid(row = 0, column = 0) 
    Entry(root, textvariable = path).grid(row = 0, column = 1) 
    Button(root, text = "路径选择", command = openfiles).grid(row = 0, column = 2)
    Button(root,text='词法分析',command= open_excel).grid(row = 0,column = 3)
    root.mainloop()

打开文件

def openfiles():
    fname = askopenfilename(title='打开文件', filetypes=[('All Files', '*')])
    path.set(fname)

简单的界面

9.导入到excel表中

需要安装包xwings

pip install xwings

导入

import xlwings as xw

把token里的单词，按照 单词 ---- 识别码 ---类型 打印到excel表中

def open_excel():
    # 预处理
    row,col=0,0
    if path.get()!='':

        txt = java_analysis.filterResource(path.get(),new_file)
        print(txt)
        #扫描
        java_analysis.Scan(txt)
        app = xw.App(visible=True,add_book=False)
        wb =app.books.open(sys.path[0]+'\\'+'test.xlsx')
        sheet = wb.sheets.active
        sheet.clear() 
        print(java_analysis.token)
        for i in range(len(java_analysis.token)):
            sheet[row,0].value = '第'+str(i+1)+'行'
            row +=1
            for word in java_analysis.token[i]:
                for k,w in word.items():
                    sheet[row,3].value = k
                    sheet[row,5].value = w
                    sheet[row,7].value = java_analysis.check(w)
                row +=1
        sheet.autofit()#整个sheet自动调整
        #wb.save()

最后就像这样 效果

代码很烂，不过也算是大致明白词法分析器了。