詳解JavaScript實現簡單的詞法分析器示例

Posted on by

正文

詞法分析是編譯器的一項重要工作，其目的是將源代碼轉換成單個單詞（token）的序列，方便後續語法分析器（parser）對其進行分析。在本文中，我們將使用 JavaScript 實現一個簡單的詞法分析器，以便更好地理解其原理。

什麼是詞法分析器？

在編譯器中，詞法分析器是將源代碼分割成單個單詞的程序。它將輸入的字符流轉換為單詞流，這些單詞（token）在後續的編譯過程中將被用來構建語法樹（parse tree）。

詞法分析器通常由兩部分組成：一系列正則表達式模式，以及一個狀態機，用於在輸入字符流中匹配模式並生成單詞。詞法分析器也可以在解釋器中使用，用於將源代碼轉換成解釋器所能理解的形式。

實現一個簡單的詞法分析器

下面是一個基於 JavaScript 實現的簡單詞法分析器，它可以將輸入的源代碼轉換成單個單詞的序列：

首先定義一個 JavaScript 對象 tokenTypes，其中包含瞭各種單詞類型的名稱。每個類型名稱都對應一個字符串，用於在詞法分析器中標識不同類型的單詞。具體來說，該對象定義瞭以下單詞類型：

const tokenTypes = {
  number: "NUMBER",
  string: "STRING",
  keyword: "KEYWORD",
  identifier: "IDENTIFIER",
  operator: "OPERATOR",
  punctuation: "PUNCTUATION",
};
  • number：表示數字類型的單詞。
  • string：表示字符串類型的單詞。
  • keyword：表示關鍵字類型的單詞，如 if、else、while 等。
  • identifier：表示標識符類型的單詞，即變量名。
  • operator：表示運算符類型的單詞，如 +、-、*、/ 等。
  • punctuation：表示標點符號類型的單詞，如 ()、{}、,、; 等。

接著定義瞭一個數組 lexerRules，其中包含瞭一系列的詞法規則，用於匹配不同類型的單詞。每個詞法規則是一個對象，其中包含兩個屬性：

// 定義詞法規則
const lexerRules = [
  // 匹配數字
  { pattern: /^[0-9]+/, type: tokenTypes.number },
  // 匹配字符串
  { pattern: /^"[^"]*"/, type: tokenTypes.string },
  { pattern: /^'[^']*'/, type: tokenTypes.string },
  // 匹配關鍵字
  { pattern: /^(if|else|while|for|function)\b/, type: tokenTypes.keyword },
  // 匹配標識符
  { pattern: /^[a-zA-Z_][a-zA-Z0-9_]*/, type: tokenTypes.identifier },
  // 匹配運算符
  { pattern: /^[+\-*/%<>=!&|^~]/, type: tokenTypes.operator },
  // 匹配標點符號
  { pattern: /^[(),;{}[\].]/, type: tokenTypes.punctuation },
  // 匹配註釋
  { pattern: /^\/\/.*|\/*[\s\S]*?\*\//, type: null },
  // 匹配空白字符
  { pattern: /^\s+/, type: null },
];

最後，我們定義瞭一個函數 lexer(code)，用於將輸入的代碼字符串分解成一個個單獨的詞法單元（token）。代碼如下：

// 定義詞法分析函數
function lexer(code) {
  let tokens = []; // 用於存儲詞法單元
  let pos = 0; // 當前處理的位置
  while (pos < code.length) {
    let match = null; // 當前匹配到的規則
    // 依次嘗試所有規則，找到第一個匹配成功的規則
    for (let rule of lexerRules) {
      match = code.slice(pos).match(rule.pattern);
      if (match) {
        // 如果規則匹配成功，則生成對應的詞法單元並添加到結果數組中
        if (rule.type) {
          tokens.push({
            type: rule.type,
            value: match[0],
          });
        }
        break; // 跳出規則匹配循環，繼續處理下一個字符
      }
    }
    if (!match) {
      // 如果沒有任何規則匹配當前字符，則拋出錯誤
      throw new Error(`Invalid character at position ${pos}`);
    }
    pos += match[0].length; // 更新當前處理位置
  }
  return tokens;
}

實現流程如下：

  • 定義 tokenTypes 對象，包含各種單詞類型的名稱。
  • 定義 lexerRules 數組，包含一系列詞法規則，用於匹配不同類型的單詞。
  • 實現 lexer 函數，用於將輸入的代碼字符串分解成一個個單獨的詞法單元（token）。

在 lexer 函數中，我們遍歷輸入字符串中的每個字符，對每個字符嘗試使用一組預定義的規則進行匹配。如果匹配成功，則生成對應類型的詞法單元並添加到結果數組中，然後繼續遍歷後面的字符。如果沒有任何規則匹配當前字符，則拋出錯誤。

這樣，我們就實現瞭一個簡單的詞法分析器。通過詞法分析器，我們可以將輸入的代碼字符串分解成單個單詞（token）的序列，為後續的語法分析器（parser）提供便利。

可以將下面的代碼復制到Chrome瀏覽器控制臺，看下輸出結果…

const tokenTypes = {
  number: "NUMBER",
  string: "STRING",
  keyword: "KEYWORD",
  identifier: "IDENTIFIER",
  operator: "OPERATOR",
  punctuation: "PUNCTUATION",
};
// 定義詞法規則
const lexerRules = [
  // 匹配數字
  { pattern: /^[0-9]+/, type: tokenTypes.number },
  // 匹配字符串
  { pattern: /^"[^"]*"/, type: tokenTypes.string },
  { pattern: /^'[^']*'/, type: tokenTypes.string },
  // 匹配關鍵字
  { pattern: /^(if|else|while|for|function)\b/, type: tokenTypes.keyword },
  // 匹配標識符
  { pattern: /^[a-zA-Z_][a-zA-Z0-9_]*/, type: tokenTypes.identifier },
  // 匹配運算符
  { pattern: /^[+\-*/%<>=!&|^~]/, type: tokenTypes.operator },
  // 匹配標點符號
  { pattern: /^[(),;{}[\].]/, type: tokenTypes.punctuation },
  // 匹配註釋
  { pattern: /^\/\/.*|\/*[\s\S]*?\*\//, type: null },
  // 匹配空白字符
  { pattern: /^\s+/, type: null },
];
// 定義詞法分析函數
function lexer(code) {
  let tokens = []; // 用於存儲詞法單元
  let pos = 0; // 當前處理的位置
  while (pos < code.length) {
    let match = null; // 當前匹配到的規則
    // 依次嘗試所有規則，找到第一個匹配成功的規則
    for (let rule of lexerRules) {
      match = code.slice(pos).match(rule.pattern);
      if (match) {
        // 如果規則匹配成功，則生成對應的詞法單元並添加到結果數組中
        if (rule.type) {
          tokens.push({
            type: rule.type,
            value: match[0],
          });
        }
        break; // 跳出規則匹配循環，繼續處理下一個字符
      }
    }
    if (!match) {
      // 如果沒有任何規則匹配當前字符，則拋出錯誤
      throw new Error(`Invalid character at position ${pos}`);
    }
    pos += match[0].length; // 更新當前處理位置
  }
  return tokens;
}
// 示例輸入
const code = `
  // This is a comment
  let x = 123;
  let y = "hello, world!";
  if (x > 100) {
    console.log(y);
  }
`;
// 執行詞法分析
const tokens = lexer(code);
// 輸出結果
console.log(tokens,'-------效果---------');

總結

這個詞法分析器是基於正則表達式的簡單實現，還有許多可以優化的地方。但是，通過這個例子，我們可以更好地理解詞法分析器的工作原理。

以上就是詳解JavaScript實現簡單的詞法分析器示例的詳細內容，更多關於JavaScript詞法分析器的資料請關註WalkonNet其它相關文章！

推薦閱讀：