【Lua篇】静态代码扫描分析（二）词法分析

一、词法分析

词法分析（英语：lexical analysis）是计算机科学中将字符序列转换为单词（Token）序列的过程。进行词法分析的程序或者函数叫作词法分析器（Lexical analyzer，简称Lexer），也叫扫描器（Scanner）。词法分析器一般以函数的形式存在，供语法分析器调用。

二、Lua词法分析器

首先需要读取Lua文件中的内容，然后逐字符读取进行判断组合成一个一个的单词。判断单词就需要了解Lua语言中的数据类型，具体如下：

1. 变量标识符

• 单个字符 例如a = 1中的“a”
• 多个字符 例如 player
• 下划线开头 例如 _key
• 字符和数字组合  例如 key123、_key23 

    2. 数字

• 整数 例如 123、0、2021
• 小数    例如 3.1415926、.41
• 十六进制  例如 0x0044、0XFF1A、0xab12
• 科学计数法 例如 2e-2、0.2e+1

    3. 字符串

• 双引号 "Hello Lua"
• 单引号 'abcd'
• 双中括号(多行) [[xxzz]]

    4. 关键字

本质上可以和标识符合并，然后读取出来后再进行匹配。

    5. 操作符号

• 算术运算 +、-、*、/、%
• 比较运算 >、<、==、>=、<=
• 赋值运算 “=”
• 位运算
• 字符串连接符  “..”

    6. 注释

• 单行注释  以 “--”开始 到 行末
• 多行注释 “--[[”  开始 到 “]]” 结束

大体了解了Lua语言的组成后，就可以开始编写词法分析程序了，下面展示了部分代码用于说明整个词法分析的过程。

1) 首先需要写字符的处理方法。

get_char 用于从字符流中取出下一个字符；

peek_char 返回下一个字符但不从字符流中取出；

put_char 将取出的字符放回去。

 1 def get_char(self):
 2   """ 取出下1个字符 """
 3   if self._Index + 1 < self._FileSize:
 4       self._Index += 1
 5       return self._StreamBuff[self._Index]
 6   else:
 7       return None
 8 def peek_char(self):
 9   """ 获取下1个字符，但不取出 """
10   if self._Index + 1 < self._FileSize:
11       return self._StreamBuff[self._Index + 1]
12   return None
13 def put_char(self):
14   """ 回退获取的字符 """
15   if self._Index > -1:
16       self._Index -= 1

   2) 识别并组成一个Token单词。

循环获取字符，并进行逐个条件判断，最终形成一个单词（Token）。需要注意数字和字符的组合、减号、小数点等的判断。

 1 def parse_read_token(self):
 2   c = self.get_char()
 3   token_str = ""
 4   token_type = TokenType.L_EOF
 5   while c is not None:
 6     if c in TokenType.SkipWords:
 7       c = self.get_char()
 8       continue
 9     elif c.isdigit(): # ....
10     elif c.isalpha() or c == '_':
11     elif c == '.': # ....
12     elif c == '\"' or c == "\'": # 字符串
13     elif c == '[': # 区分[ 和 [[
14     elif c == '{': # ....
15     elif c == '(': # ....
16     elif c == ']': # ....
17     elif c == '}': # ....
18     elif c == ')': # ....
19     elif c in TokenType.Operators: # ....
20     else: # error
21     c = self.get_char()
22   return Token(token_type, token_str) 

3）循环读取全部的Token直到文件字符数据流结尾。

 1 def parse(self):
 2   while True:
 3     token = self.parse_read_token()
 4     if token.tokenType == TokenType.L_ERROR:
 5       return False
 6     elif token.tokenType == TokenType.L_EOF:
 7       break
 8     elif token.tokenType != TokenType.L_COMMENT:
 9       self.mTokens.append(token)
10   return True

三、总结

通过上面的几步就可以完成对Lua文件中的字符流进行分析，然后组成Token流。Token流将会是语法分析的输入内容。以上就是Lua词法分析的内容，写完分析程序后还需要多调试，使用不同风格编写的Lua代码文件进行测试。

文章来自我的公众号，大家如果有兴趣可以关注，具体扫描关注下图。