用Python詞法分析Parser中tokenizer.h的實際應用
如果你在對Python詞法分析的實際操作中，你對其有不解之處時，你就可以點擊以下的文章對其進行了解，希望你對相關Python詞法分析的實現在Parser目錄下的tokenizer.h和tokenizer.cpp的內容有所了解。
在Python詞法分析的實現在Parser目錄下的tokenizer.h和tokenizer.cpp。Python的其他部分會直接調用tokenizer.h中定義的函數，如下：
- extern struct tok_state *PyTokenizer_FromString
(const char *);- extern struct tok_state *PyTokenizer_FromFile
(FILE *, char *, char *);- extern void PyTokenizer_Free(struct tok_state *);
- extern int PyTokenizer_Get(struct tok_state *,
char **, char **);
這些函數均以PyTokenizer開頭。這是Python源代碼中的一個約定。雖然Python是用C語言實現的，其實現方式借鑒了很多面對對象的思想。拿詞法分析來說，這四個函數均可以看作PyTokenizer的成員函數。頭兩個函數PyTokenizer_FromXXXX可以看作是構造函數，返回PyTokenizer的instance。
PyTokenizer對象內部狀態，也就是成員變量，儲存在tok_state之中。PyTokenizer_Free可以看作是析構函數，負責釋放PyTokenizer，也就是tok_state所占用的內存。PyTokenizer_Get則是PyTokenizer的一個成員函數，負責取得在字符流中下一個Token。
Python詞法分析中這兩個函數均需要傳入tok_state的指針，和C++中需要隱含傳入this指針給成員函數的道理是一致的。可以看到，OO的思想其實是和語言無關的，即使是C這樣的結構化的語言，也可以寫出面對對象的程序。
- tok_state
tok_state等價于PyTokenizer這個class本身的狀態，也就是內部的私有成員的集合。部分定義如下：
- /* Tokenizer state */
- struct tok_state {
- /* Input state; buf <= cur <= inp <= end */
- /* NB an entire line is held in the buffer */
- char *buf; /* Input buffer, or NULL; malloc'ed if
fp != NULL */- char *cur; /* Next character in buffer */
- char *inp; /* End of data in buffer */
- char *end; /* End of input buffer if buf != NULL */
- char *start; /* Start of current token if not NULL */
- int done; /* E_OK normally, E_EOF at EOF, otherwise
error code- /* NB If done != E_OK, cur must be == inp!!! */
- FILE *fp; /* Rest of input; NULL if tokenizing a
string */- int tabsize; /* Tab spacing */
- int indent; /* Current indentation index */
- int indstack[MAXINDENT]; /* Stack of indents */
- int atbol; /* Nonzero if at begin of new line */
- int pendin; /* Pending indents (if > 0) or dedents
(if < 0) */- char *prompt, *nextprompt; /* For interactive
prompting */- int lineno; /* Current line number */
- int level; /* () [] {} Parentheses nesting level */
- /* Used to allow free continuations inside them */
- };
最重要的是buf, cur, inp, end, start。這些field直接決定了緩沖區的內容：
buf是緩沖區的開始。假如PyTokenizer處于字符串模式，那么buf指向字符串本身，否則，指向文件讀入的緩沖區。cur指向緩沖區中下一個字符。inp指向緩沖區中有效數據的結束位置。PyTokenizer是以行為單位進行處理的，每一行的內容存入從buf到inp之間，包括\n。一般情況下 ，PyTokenizer會直接從緩沖區中取下一個字符，一旦到達inp所指向的位置，就會準備取下一行。
當PyTokenizer處于不同模式下面，具體的行為會稍有不同。end是緩沖區的結束，在字符串模式下沒有用到。start指向當前token的開始位置，如果現在還沒有開始分析token，start為NULL。以上就是對在Python詞法分析的實現在Parser目錄下的tokenizer.h和tokenizer.cpp相關的內容的介紹，忘你會有所收獲。
【編輯推薦】
- Python中文轉換url編碼的實際操作步驟介紹
- Python學習入門中的先搭環境的具體應用的方法介紹
- Python源碼分析的實際相關操作步驟解析
- Python安裝的步驟操作其實是件很容易的事
- 對Python源代碼組織的相關實際操作步驟解析
