Dotaz: RE prohledávající v zdrojáku jen poznámky?

[Petr Přikryl]

Napadla mě tato otázka:

Lze napsat regulární výraz, který dokáže v zdrojovém kódu rozlišovat "živý kód", poznámky a text. konstanty?

např. v souboru (zdroják v PL/SQL, -- znamená jednořádkovou poznámku, textová konstanta je v apostrofech, čísla vlevo jsou pouze pro označení řádků)

1   declare
2     x varchar2(100) := 'if else begin';
3   begin
4    -- nasledujici IF je zbytecny
5    if 1=1 then
6      null;
7    end if;
8   end;

najde IF buď
na řádku 2 protože je to uvnitř text. konstanty
nebo
na řádku 4 protože je to v poznámce
nebo
na řádku 5 protože to je "živý kód".
Nemám zatím žádnou ideu, ani to, zda je úloha pomocí RE vůbec řešitelná, takže předem díky za všechny připomínky.

Odpovědi

[Martin Tůma]

Regulární výrazy pro komentáře či textové konstanty napsat lze (lexikální analyzátor překladače/interpretu koneckonců není nic jiného než speciální konečný automat), problém je ale ten, že nástroje jako grep pracují s celými řádky. Pro "rozsekání" zdrojáku na jednotlivé lexikální elementy je ale potřeba, aby po nalezení odpovídajícího výrazu pokračoval automat na znaku, kde skončil při nalezení předchozího elementu.