正则表达式

• 语法，包括生产、非终端、终端和运算符
• 正则表达式

一些程序模块以字节序列或字符序列的形式接收输入或产生输出，当它只是存储在内存中时称为字符串，或者当它流入或流出模块时称为流。在今天的阅读中，我们讨论如何为这样的序列编写规范。具体而言，字节或字符序列可能是：

• 字符串
• 磁盘上的文件，在这种情况下，规范称为文件格式
• 通过网络发送的消息，在这种情况下，规范是有线协议
• 用户在控制台上键入的命令，在这种情况下，规范是命令行界面

对于这些类型的序列，我们引入了语法的概念，它不仅允许我们区分合法和非法序列，还可以将序列解析为程序可以使用的数据结构。从语法生成的数据结构通常是递归数据类型，就像我们在递归数据类型读取中讨论的那样。

我们还讨论了一种称为正则表达式的语法的专门形式。除了用于规范和分析之外，正则表达式还是一种广泛使用的工具，用于许多需要反汇编字符串、从中提取信息或转换字符串的字符串处理任务。

接下来的阅读将讨论解析器生成器，这是一种将语法自动转换为该语法的解析器的工具。

制作可以使用运算符将右侧的终端和非终端组合在一起。生产表达式中最重要的三个运算符是：

重复，表示：*

x ::= y*        // x matches zero or more y

串联，不是由符号表示，而只是一个空格：

x ::= y z       // x matches y followed by z 

联合，也称为交替，表示为：|

x ::= y | z     // x matches either y or z 

按照惯例，后缀运算符具有最高优先级，这意味着它们首先被应用。接下来应用串联。交替具有最低的优先级，这意味着它最后应用。括号可用于覆盖优先级：*|

m ::= a (b|c) d      // m matches a, followed by either b or c, followed by d
x ::= (y z | a b)*   // x matches zero or more yz or ab pairs

让我们使用这些运算符来概括我们的语法以匹配其他一些主机名，例如 和 。urlhttp://stanford.edu/http://google.com/

url ::= 'http://' hostname '/'
hostname ::= 'mit.edu' | 'stanford.edu' | 'google.com'

此语法的第一条规则演示串联。非终端匹配以文本字符串开头的字符串，后跟与非终端的匹配，后跟文本字符串。urlhttp://hostname/

该规则演示联合。可以匹配三个文本字符串之一，或者 。hostnamehostnamemit.edustanford.edugoogle.com

因此，此语法表示三个字符串、 、 和 的集合。http://mit.edu/http://google.com/http://stanford.edu/

让我们更进一步，允许任何小写单词代替 、 、 和 ：mitstanfordgooglecomedu

url ::= 'http://' hostname '/'
hostname ::= word '.' word
word ::= letter*
letter ::= ('a' | 'b' | 'c' | 'd' | 'e' | 'f' | 'g' | 'h' | 'i' 
                | 'j' | 'k' | 'l' | 'm' | 'n' | 'o' | 'p' | 'q' 
                | 'r' | 's' | 't' | 'u' | 'v' | 'w' | 'x' | 'y' | 'z')

新规则匹配零个或多个小写字母的字符串，因此整体语法现在也可以匹配。不幸的是，也可以匹配一个空字符串，所以这个语法也匹配，这不是一个合法的URL。这里有一个详细的方法来解决这个问题，它需要匹配至少一个字母。wordhttp://alibaba.com/http://zyxw.edu/wordurlhttp://./word

word ::= letter letter*

我们将在下一节中看到一种更简单的编写方法。