【编译原理】使用python构造高级语言c语言的词法分析程序，模拟词法分析过程

      构造高级语言的词法分析程序，模拟词法分析过程。程序要求能对输入的字符串流进行词法分析，在实验的过程中，学会应用单词分析的方法——NFA（非确定有穷自动机）和DFA（确定有穷自动机），加深对词法分析原理的理解。

1. 词法分析程序能够识别关键字、运算符号和定界符
2. 识别其它单词是标识符（id）和整型常数（num），通过下列正规式定义。
   id=letter（letter|digit）*
   num=digit digit*
   letter=a |…|z|A|…|Z ，digit=0|…|9 小写和大写字母是有区别的。
3. 词法分析程序的功能
   （1）输入为所给文法的源程序字符串。
   （2）程序的输出形式为二元组单词串的输出形式。

示例：
测试数据：
输入的文件为: a.txt
int main（）
｛int abc=3；
｝

程序执行结果为:
单词 单词类别
int 关键字
main 关键字
( 定界符
) 定界符
{ 定界符
abc 标识符
= 运算符
3 整数
｝ 定界符

import re

#关键字，百度百科上复制来的63个关键字……
key_word = ['asm','do','if','return','typedef','auto','double','inline','short','typeid','bool',
            'dynamic_cast','int','signed','typename','break','else','long','sizeof','union','case',
            'enum','mutable','static','unsigned','catch','explicit','namespace','static_cast',
            'using','char','export','new','struct','virtual','class','extern','operator','switch',
            'void','const','false','private','template','volatile','const_cast','float','protected',
            'this','wchar_t','continue','for','public','throw','while','default','friend','register'
            'true','delete','goto','reinterpret_cast','try','main']

#一些常用函数，不然老被识别为标识符，目前是16个
function_word = ['cin','cout','scanf','printf','abs','sqrt','isalpha','isdigit','tolower','toupper'
                 'strcpy','strlen','time','rand','srand','exit']
#运算符
operator = ['+','-','*','/',':',':=','<','<>','<=','>','>=','=','%']
#定界符
delimiters =[';','(',')','#','==','{','}',',','&','[',']',"'","."]
with open('cpp.txt', 'r') as file:
        #预处理,增加了去除字符串的功能，毕竟字符串肯定不是标识符啊……
        txt = ' '.join(file.readlines())
        deal_txt = re.sub(r'/*(.|[rn])*?*/|//.*', ' ', txt)
        deal_txt = re.sub(r'"(.|[rn])*?"', ' ', txt)
        deal_txt = deal_txt.strip()
        deal_txt = deal_txt.replace('t', ' ').replace('r', ' ').replace('n', ' ')
        #词法分析，标识符识别规则加入了_
        keyword = []
        funword = []
        opeword = []
        idword = []
        numword = []
        deword=[]
        errword = []
        #把不同类型字符分类
        #标识符型
        pha = re.findall(r'[a-zA-Z_][a-zA-Z0-9_]*', deal_txt)
        #数字型
        num = re.findall(r'd+',deal_txt)
        #符号型
        str = re.findall(r'[^w]', deal_txt)
        #从标识符型里找出关键字、保留字、自定义标识符
        for p in pha:
            if p in key_word:
                keyword.append(p)
            elif p in function_word:
                funword.append(p)
            else:
                idword.append(p)
        #找出数字型
        for n in num:
            numword.append(n)
        #找出运算符和分隔符
        for s in str:
            if s in operator:
                opeword.append(s)
            elif s in delimiters:
                deword.append(s)
            elif s != ' ':
                errword.append({s : 'ERROR'})
        print("关键字：n", keyword)
        print('函数：n', funword)
        print("标识符:n", idword)
        print("数字：n", numword)
        print("运算符：n", opeword)
        print("界符:n",deword)
        if len(errword) != 0:
            print("其他：n", errword)

运行结果：