在 Python 中将代码拆分为标记（Lexing）

Question

我正在尝试标记以下代码：

foo ::= 5
bar ::= 15
foobar ::= 20

所以输出是：

['foo', '::=', '5', '\n', 'bar', '::=', '15', '/n', 'foobar', '::=', '20' ]

我目前的尝试如下：

reTokens = re.compile(r' ')
tokens = reTokens.split(source)
print(tokens)

但是这会打印出来：

['\n', '', '', '', 'foo', '::=', '5\n', '', '', '', 'bar', '::=', '15\n', '', '', '', 'foobar', '::=', '20\n']

如您所见，存在很多问题。几个主要问题是：

1. 空格未完全删除
2. 某些标记未正确拆分（即“\n”。将 \n 添加到正则表达式也不能解决问题，因为这会将其从数组中完全删除）。

Answer 1

你可以这样做：

from functools import reduce

lines = source.splitlines()
tokens_list = [line.strip().split() for line in lines]
tokens = reduce(lambda x,y: x + ['\n'] + y, tokens_list)
print(tokens)

这会将源划分为其行，标记每一行，然后将它们制成一个列表，每行之间有\ns。