利用正则表达式实现简单的语言词法分析器

# 2.1 正则表达式匹配标识符

标识符是程序中用于命名变量、函数或其他实体的词法单元。正则表达式可以用来匹配标识符，从而识别程序中的这些实体。

### 2.1.1 字母和数字的匹配

标识符可以由字母和数字组成，但不能以数字开头。正则表达式 `[a-zA-Z][a-zA-Z0-9]*` 可以匹配以字母开头，后面可以跟任意数量的字母或数字的标识符。例如，"abc"、"x123" 和 "hello_world" 都可以匹配这个正则表达式。

### 2.1.2 标识符的边界

标识符必须以字母或下划线开头，不能包含空格或其他特殊字符。正则表达式 `^[a-zA-Z_]\w*$` 可以匹配满足这些条件的标识符。其中，`^` 表示匹配字符串的开头，`$` 表示匹配字符串的结尾，`\w` 表示匹配字母、数字或下划线。例如，"my_variable"、"x" 和 "foo123" 都可以匹配这个正则表达式。

# 2. 正则表达式在词法分析中的应用

正则表达式在词法分析中扮演着至关重要的角色，它用于识别和提取源代码中的词法单元，为后续的语法分析和语义分析奠定基础。本章将深入探讨正则表达式在词法分析中的应用，包括匹配标识符、关键字和运算符。

### 2.1 正则表达式匹配标识符

标识符是编程语言中用于标识变量、函数或类的名称。正则表达式提供了灵活的方式来匹配标识符，确保它们符合语言的语法规则。

#### 2.1.1 字母和数字的匹配

标识符通常由字母和数字组成。正则表达式中的 `[a-zA-Z0-9]` 字符类可以匹配任何字母或数字。例如，以下正则表达式匹配以字母开头的标识符：

[a-zA-Z][a-zA-Z0-9]*

#### 2.1.2 标识符的边界

标识符必须与其他词法单元（如关键字、运算符）区分开来。正则表达式中的 `\b` 边界符可以确保标识符与周围字符之间存在边界。例如，以下正则表达式匹配以字母开头的标识符，并确保其前后都有边界：

\b[a-zA-Z][a-zA-Z0-9]*\b

### 2.2 正则表达式匹配关键字

关键字是编程语言中预定义的保留字，具有特殊的含义。正则表达式可以用来识别这些关键字，防止它们被误认为标识符。

#### 2.2.1 保留字的识别

要匹配保留字，可以使用正则表达式中的 `\b` 边界符和保留字的实际文本。例如，以下正则表达式匹配 C 语言中的保留字 `int`：

\bint\b

#### 2.2.2 关键字的边界

与标识符类似，关键字也需要与周围字符区分开来。正则表达式中的 `|` 运算符可以将多个正则表达式组合在一起，形成一个更复杂的匹配模式。例如，以下正则表达式匹配 C 语言中所有以 `i` 开头的保留字：

\b(int|if|else|include