[系列][编译原理]正则表达式

关于正则表达式，作为软件工程师应该比较熟悉了。所谓正则表达式，就是表示字符串的格式。正则表达式r完全由它所匹配的串集来定义。这个集合称为由正则表达式生成的语言，写作L(r)。此处的语言只是表示“串的集合”，它与程序设计语言并无特殊关系。

 

基本的正则表达式

　　正则表达式运算

　　　　有3种基本运算：

　　　　1. 从各选择对象中选择，用元字符｜表示。比如： a|b

　　　　2. 连结，由并置表示。比如： ab

　　　　3. 重复或“闭包”，由元字符*表示。比如： a*

 

　　运算的优先和括号的使用

　　　　例如： a|(b(c*))

 

　　正则表达式的名字

　　　　这样为较长的正则表达式提供了一个简化的名字。例如：

　　　　定义 digit = 0|1|2|...|9

　　　　则序列(0|1|2|...|9) (0|1|2|...|9)*可被写作digit digit*

 

正则表达式的拓展

　　1. 一个或多个重复用元字符+表示。

　　2. 任意字符用元字符.表示。

　　3. 字符范围。例如[a-z]表示所有的小写字母。

　　4. 不在给定集合的任意字符用元字符～表示。例如： ～(a|b|c)

　　5. 可选的子表达式。

 

通用程序设计中记号的正则表达式

　　1. 数。

　　　　nat = [0-9]+

　　　　signedNat = (+|-)? nat

　　　　number = signedNat ("." nat ) ? (E signedNat)?

　　2. 保留字和标识符

　　　　reserved = if | while | do | ...

　　　　letter = [a - zA - Z]

　　　　digit = [0 - 9]

　　　　identifier = letter (letter | digit)*

　　3. 注释