詳解JavaScript實(shí)現(xiàn)簡(jiǎn)單的詞法分析器示例

更新時(shí)間：2023年03月10日 15:03:43 作者：itc碼老師

這篇文章主要為大家介紹了詳解JavaScript實(shí)現(xiàn)簡(jiǎn)單的詞法分析器示例詳解，有需要的朋友可以借鑒參考下，希望能夠有所幫助，祝大家多多進(jìn)步，早日升職加薪

正文

詞法分析是編譯器的一項(xiàng)重要工作，其目的是將源代碼轉(zhuǎn)換成單個(gè)單詞（token）的序列，方便后續(xù)語(yǔ)法分析器（parser）對(duì)其進(jìn)行分析。在本文中，我們將使用 JavaScript 實(shí)現(xiàn)一個(gè)簡(jiǎn)單的詞法分析器，以便更好地理解其原理。

什么是詞法分析器？

在編譯器中，詞法分析器是將源代碼分割成單個(gè)單詞的程序。它將輸入的字符流轉(zhuǎn)換為單詞流，這些單詞（token）在后續(xù)的編譯過(guò)程中將被用來(lái)構(gòu)建語(yǔ)法樹（parse tree）。

詞法分析器通常由兩部分組成：一系列正則表達(dá)式模式，以及一個(gè)狀態(tài)機(jī)，用于在輸入字符流中匹配模式并生成單詞。詞法分析器也可以在解釋器中使用，用于將源代碼轉(zhuǎn)換成解釋器所能理解的形式。

實(shí)現(xiàn)一個(gè)簡(jiǎn)單的詞法分析器

下面是一個(gè)基于 JavaScript 實(shí)現(xiàn)的簡(jiǎn)單詞法分析器，它可以將輸入的源代碼轉(zhuǎn)換成單個(gè)單詞的序列：

首先定義一個(gè) JavaScript 對(duì)象 tokenTypes，其中包含了各種單詞類型的名稱。每個(gè)類型名稱都對(duì)應(yīng)一個(gè)字符串，用于在詞法分析器中標(biāo)識(shí)不同類型的單詞。具體來(lái)說(shuō)，該對(duì)象定義了以下單詞類型：

const tokenTypes = {
  number: "NUMBER",
  string: "STRING",
  keyword: "KEYWORD",
  identifier: "IDENTIFIER",
  operator: "OPERATOR",
  punctuation: "PUNCTUATION",
};

number：表示數(shù)字類型的單詞。
string：表示字符串類型的單詞。
keyword：表示關(guān)鍵字類型的單詞，如 if、else、while 等。
identifier：表示標(biāo)識(shí)符類型的單詞，即變量名。
operator：表示運(yùn)算符類型的單詞，如 +、-、*、/ 等。
punctuation：表示標(biāo)點(diǎn)符號(hào)類型的單詞，如 ()、{}、,、; 等。

接著定義了一個(gè)數(shù)組 lexerRules，其中包含了一系列的詞法規(guī)則，用于匹配不同類型的單詞。每個(gè)詞法規(guī)則是一個(gè)對(duì)象，其中包含兩個(gè)屬性：

// 定義詞法規(guī)則
const lexerRules = [
  // 匹配數(shù)字
  { pattern: /^[0-9]+/, type: tokenTypes.number },
  // 匹配字符串
  { pattern: /^"[^"]*"/, type: tokenTypes.string },
  { pattern: /^'[^']*'/, type: tokenTypes.string },
  // 匹配關(guān)鍵字
  { pattern: /^(if|else|while|for|function)\b/, type: tokenTypes.keyword },
  // 匹配標(biāo)識(shí)符
  { pattern: /^[a-zA-Z_][a-zA-Z0-9_]*/, type: tokenTypes.identifier },
  // 匹配運(yùn)算符
  { pattern: /^[+\-*/%&lt;&gt;=!&amp;|^~]/, type: tokenTypes.operator },
  // 匹配標(biāo)點(diǎn)符號(hào)
  { pattern: /^[(),;{}[\].]/, type: tokenTypes.punctuation },
  // 匹配注釋
  { pattern: /^\/\/.*|\/*[\s\S]*?\*\//, type: null },
  // 匹配空白字符
  { pattern: /^\s+/, type: null },
];

最后，我們定義了一個(gè)函數(shù) lexer(code)，用于將輸入的代碼字符串分解成一個(gè)個(gè)單獨(dú)的詞法單元（token）。代碼如下：

// 定義詞法分析函數(shù)
function lexer(code) {
  let tokens = []; // 用于存儲(chǔ)詞法單元
  let pos = 0; // 當(dāng)前處理的位置
  while (pos < code.length) {
    let match = null; // 當(dāng)前匹配到的規(guī)則
    // 依次嘗試所有規(guī)則，找到第一個(gè)匹配成功的規(guī)則
    for (let rule of lexerRules) {
      match = code.slice(pos).match(rule.pattern);
      if (match) {
        // 如果規(guī)則匹配成功，則生成對(duì)應(yīng)的詞法單元并添加到結(jié)果數(shù)組中
        if (rule.type) {
          tokens.push({
            type: rule.type,
            value: match[0],
          });
        }
        break; // 跳出規(guī)則匹配循環(huán)，繼續(xù)處理下一個(gè)字符
      }
    }
    if (!match) {
      // 如果沒(méi)有任何規(guī)則匹配當(dāng)前字符，則拋出錯(cuò)誤
      throw new Error(`Invalid character at position ${pos}`);
    }
    pos += match[0].length; // 更新當(dāng)前處理位置
  }
  return tokens;
}

實(shí)現(xiàn)流程如下：

定義 tokenTypes 對(duì)象，包含各種單詞類型的名稱。
定義 lexerRules 數(shù)組，包含一系列詞法規(guī)則，用于匹配不同類型的單詞。
實(shí)現(xiàn) lexer 函數(shù)，用于將輸入的代碼字符串分解成一個(gè)個(gè)單獨(dú)的詞法單元（token）。

在 lexer 函數(shù)中，我們遍歷輸入字符串中的每個(gè)字符，對(duì)每個(gè)字符嘗試使用一組預(yù)定義的規(guī)則進(jìn)行匹配。如果匹配成功，則生成對(duì)應(yīng)類型的詞法單元并添加到結(jié)果數(shù)組中，然后繼續(xù)遍歷后面的字符。如果沒(méi)有任何規(guī)則匹配當(dāng)前字符，則拋出錯(cuò)誤。

這樣，我們就實(shí)現(xiàn)了一個(gè)簡(jiǎn)單的詞法分析器。通過(guò)詞法分析器，我們可以將輸入的代碼字符串分解成單個(gè)單詞（token）的序列，為后續(xù)的語(yǔ)法分析器（parser）提供便利。

可以將下面的代碼復(fù)制到Chrome瀏覽器控制臺(tái)，看下輸出結(jié)果...

const tokenTypes = {
  number: "NUMBER",
  string: "STRING",
  keyword: "KEYWORD",
  identifier: "IDENTIFIER",
  operator: "OPERATOR",
  punctuation: "PUNCTUATION",
};
// 定義詞法規(guī)則
const lexerRules = [
  // 匹配數(shù)字
  { pattern: /^[0-9]+/, type: tokenTypes.number },
  // 匹配字符串
  { pattern: /^"[^"]*"/, type: tokenTypes.string },
  { pattern: /^'[^']*'/, type: tokenTypes.string },
  // 匹配關(guān)鍵字
  { pattern: /^(if|else|while|for|function)\b/, type: tokenTypes.keyword },
  // 匹配標(biāo)識(shí)符
  { pattern: /^[a-zA-Z_][a-zA-Z0-9_]*/, type: tokenTypes.identifier },
  // 匹配運(yùn)算符
  { pattern: /^[+\-*/%<>=!&|^~]/, type: tokenTypes.operator },
  // 匹配標(biāo)點(diǎn)符號(hào)
  { pattern: /^[(),;{}[\].]/, type: tokenTypes.punctuation },
  // 匹配注釋
  { pattern: /^\/\/.*|\/*[\s\S]*?\*\//, type: null },
  // 匹配空白字符
  { pattern: /^\s+/, type: null },
];
// 定義詞法分析函數(shù)
function lexer(code) {
  let tokens = []; // 用于存儲(chǔ)詞法單元
  let pos = 0; // 當(dāng)前處理的位置
  while (pos < code.length) {
    let match = null; // 當(dāng)前匹配到的規(guī)則
    // 依次嘗試所有規(guī)則，找到第一個(gè)匹配成功的規(guī)則
    for (let rule of lexerRules) {
      match = code.slice(pos).match(rule.pattern);
      if (match) {
        // 如果規(guī)則匹配成功，則生成對(duì)應(yīng)的詞法單元并添加到結(jié)果數(shù)組中
        if (rule.type) {
          tokens.push({
            type: rule.type,
            value: match[0],
          });
        }
        break; // 跳出規(guī)則匹配循環(huán)，繼續(xù)處理下一個(gè)字符
      }
    }
    if (!match) {
      // 如果沒(méi)有任何規(guī)則匹配當(dāng)前字符，則拋出錯(cuò)誤
      throw new Error(`Invalid character at position ${pos}`);
    }
    pos += match[0].length; // 更新當(dāng)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(zhí)行詞法分析
const tokens = lexer(code);
// 輸出結(jié)果
console.log(tokens,'-------效果---------');