【Lua篇】静态代码扫描分析（二）词法分析

OGeek|极客世界-中国程序员成长平台 › 门户 › 编程› LUA›LUA教程

原作者: [db:作者] 来自: [db:来源] 收藏邀请

一、词法分析

词法分析（英语：lexical analysis）是计算机科学中将字符序列转换为单词（Token）序列的过程。进行词法分析的程序或者函数叫作词法分析器（Lexical analyzer，简称Lexer），也叫扫描器（Scanner）。词法分析器一般以函数的形式存在，供语法分析器调用。

二、Lua词法分析器

首先需要读取Lua文件中的内容，然后逐字符读取进行判断组合成一个一个的单词。判断单词就需要了解Lua语言中的数据类型，具体如下：

1. 变量标识符

单个字符例如a = 1中的“a”
多个字符例如 player
下划线开头例如 _key
字符和数字组合例如 key123、_key23

2. 数字

整数例如 123、0、2021
小数例如 3.1415926、.41
十六进制例如 0x0044、0XFF1A、0xab12
科学计数法例如 2e-2、0.2e+1

3. 字符串

双引号 "Hello Lua"
单引号 'abcd'
双中括号(多行) [[xxzz]]

4. 关键字

本质上可以和标识符合并，然后读取出来后再进行匹配。

5. 操作符号

算术运算 +、-、*、/、%
比较运算 >、<、==、>=、<=
赋值运算 “=”
位运算
字符串连接符 “..”

6. 注释

单行注释以 “--”开始到行末
多行注释 “--[[” 开始到 “]]” 结束

大体了解了Lua语言的组成后，就可以开始编写词法分析程序了，下面展示了部分代码用于说明整个词法分析的过程。

1) 首先需要写字符的处理方法。

get_char 用于从字符流中取出下一个字符；

peek_char 返回下一个字符但不从字符流中取出；

put_char 将取出的字符放回去。

 1 def get_char(self):
 2   """ 取出下1个字符 """
 3   if self._Index + 1 < self._FileSize:
 4       self._Index += 1
 5       return self._StreamBuff[self._Index]
 6   else:
 7       return None
 8 def peek_char(self):
 9   """ 获取下1个字符，但不取出 """
10   if self._Index + 1 < self._FileSize:
11       return self._StreamBuff[self._Index + 1]
12   return None
13 def put_char(self):
14   """ 回退获取的字符 """
15   if self._Index > -1:
16       self._Index -= 1

2) 识别并组成一个Token单词。

循环获取字符，并进行逐个条件判断，最终形成一个单词（Token）。需要注意数字和字符的组合、减号、小数点等的判断。

 1 def parse_read_token(self):
 2   c = self.get_char()
 3   token_str = ""
 4   token_type = TokenType.L_EOF
 5   while c is not None:
 6     if c in TokenType.SkipWords:
 7       c = self.get_char()
 8       continue
 9     elif c.isdigit(): # ....
10     elif c.isalpha() or c == '_':
11     elif c == '.': # ....
12     elif c == '\"' or c == "\'": # 字符串
13     elif c == '[': # 区分[ 和 [[
14     elif c == '{': # ....
15     elif c == '(': # ....
16     elif c == ']': # ....
17     elif c == '}': # ....
18     elif c == ')': # ....
19     elif c in TokenType.Operators: # ....
20     else: # error
21     c = self.get_char()
22   return Token(token_type, token_str)

3）循环读取全部的Token直到文件字符数据流结尾。

 1 def parse(self):
 2   while True:
 3     token = self.parse_read_token()
 4     if token.tokenType == TokenType.L_ERROR:
 5       return False
 6     elif token.tokenType == TokenType.L_EOF:
 7       break
 8     elif token.tokenType != TokenType.L_COMMENT:
 9       self.mTokens.append(token)
10   return True