flex -l 最长模式匹配策略 - 不在这里？

Question

我有两个 lex 规则，想知道为什么我从未匹配第二个规则。相反，规则 1 总是触发模式 2005-05-09-11.23.04.790000

<data>[-]?[0-9]*[.][0-9]*  { comma=0;
             printf("DEBUG: data 1 %s\n",yytext);
                strcat(data_line,yytext); }
<data>[0-9]{4}[-][01][0-9][-][0-3][0-9][-][0-9]{2}[.][0-9]{2}[.][0-9]{2}[.][0-9]{6} {
printf("DEBUG: data 2[%s]\n",yytext);
/* 1996-07-15-hh.00.00*/

我想，flex/lex会遵循最长字符串匹配规则吗？

有趣的是 flex（没有 -l lex 兼容性）表现得 "right"，至少我希望它表现得如此。

Answer 1

这是与 Posix-/lex- 兼容性相关的几个 "gotchas" 之一 [注 1]。由于历史原因，（Posix-标准）lex 正则表达式方言不同于（Posix-标准）ERE（"extended regular expressions"），即使 Posix 使用相同的缩写来描述 lex 方言。

区别在于大括号重复运算符的优先级。在标准 ERE 以及我所知道的所有其他正则表达式变体中，abc{3} 会匹配 abccc。这也是 flex 解释它的方式，除非您指定 -l 或 --posix 标志。如果您要求 lex 兼容性，大括号运算符的优先级变得 低于串联的 ，因此 abc{3} 匹配 abcabcabc.

如果您想编写适用于任一正则表达式变体的正则表达式，则必须将所有（或几乎所有）重复运算符的使用用括号括起来。所以你的第二个模式需要写成：

[0-9]{4}[-][01][0-9][-][0-3][0-9][-]([0-9]{2})[.]([0-9]{2})[.]([0-9]{2})[.]([0-9]{6})

正如所写，它不会匹配指定的输入，而第一条规则会很高兴地匹配前导年份。

就其价值而言，其他后缀重复运算符 -- +、* 和 ? -- 在 lex 模式下具有正常的高优先级。（在某种程度上，这种不一致使得大括号重复的行为更加混乱。）

lex 模式中大括号的另一个陷阱是，当它们用作宏替换时，不会添加隐式括号。所以在 flex:

foo     [fF][oO][oO]
%%
{foo}+  {
          /* yytext is some number of case-insensitive repetitions of foo */
        }

而在 lex 兼容模式下

foo     [fF][oO][oO]
%%
{foo}+  {
          /* yytext is an 'f' or 'F' followed by at least two 'o' or 'O's */
        }

备注：

-l（和--posix）标志是我建议避免的选项。仅在绝对必要时才使用它们来编译根据 lex 标准开发的遗留代码。

flex -l 最长模式匹配策略 - 不在这里？

flex -l longest pattern match strategy - not here?

compatibility

flex-lexer

lex

备注：