复杂的正则表达式

Question

我在这里需要一些帮助；我正在尝试制作一些Regex 表达式，以便在我的代码中捕捉单词int、任何数学运算、任何数字和= 符号，而忽略所有其他内容。将被忽略的单词将设置为 false，而其他单词将设置为 true，如下面的代码所示。

这将用于标记上述关键字，以实现可以检测整数溢出的 Lexer。我需要专门使用Regex 完成此操作。

我已经成功捕捉到单词int、数学运算和数字，但我的Regex 似乎无法识别任何随机单词；例如变量名（number1、number2 等）和语言中的任何其他单词，例如 if 语句、圆括号、花括号等......

        lexer.AddDefinition(new TokenDefinition(
            "(operator)",
            new Regex(@"\*|\/|\+|\-"),
            false));

        lexer.AddDefinition(new TokenDefinition(
            "(literal)",
            new Regex(@"\d+"),
            false));

        lexer.AddDefinition(new TokenDefinition(
            "(Random Word)",
            new Regex(@"(?=.*[A-Z])(?=.*[a-z])"),
            false));

        lexer.AddDefinition(new TokenDefinition(
            "(integer)",
            new Regex(@"\bint\b"),
            false));

        lexer.AddDefinition(new TokenDefinition(
            "(white-space)",
            new Regex(@"\s+"),
            true));


       // This is not working.  Random words such as variable names are not being captured by this.
        lexer.AddDefinition(new TokenDefinition(
            "(random-word)",
            new Regex(@"\b(?=.*[A-Z])(?=.*[a-z])\b"),
            true));

       // What about the brackets?  How can I implement a Regex to capture brackets?

这似乎很简单，但我无法完成。欢迎分享你的看法，欢迎提出意见。

Answer 1

\b 和 (?=...) 都是零长度匹配项。换句话说，它们不捕获任何东西，它们只是断言一个条件，如果不满足该条件，则正则表达式会失败。

我不确定您对 "random words" 的确切含义，但是如果使用 C# 中的变量，我会这样做：

\b[a-zA-Z_]\w*\b

这匹配一个单词边界，然后是一个字母或下划线，后跟 0 个或多个字母/下划线/数字并以单词边界结尾。

cmets 之后的小更新：这不会产生非 ASCII 字符的问题，并且不会匹配已由其他 TokenDefiner 处理的int。

\b(?!int)[a-zA-Z_][a-zA-Z0-9_]*\b