转换器3：手写PHP转Python编译器，词法部分
Posted
tags:
篇首语：本文由小常识网(cha138.com)小编为大家整理，主要介绍了转换器3：手写PHP转Python编译器，词法部分相关的知识，希望对你有一定的参考价值。
上周写了《ThinkPhp模板转Flask、Django模板》
一时技痒，自然而然地想搞个大家伙，把整个PHP程序转成Python。不比模板，可以用正则匹配偷懒，这次非写一个Php编译器不可。
上网搜了一下，发现大部分Python to xxx的transpile都是直接基于AST，省略了最重要的Tokenizer，Parser。直接写个Visitor了事。要不然就是基于Antlr之类的生成器，搞一大堆代码，看得令人心烦。
既然大家都不想做这个苦力，我就来试试，手工写一个Php编译器。分Tokenizer，Parser，Visitor三个部分来实现。
翻出《龙书》《虎书》做参考，仔细学了一回PHP，不学不知道，原来PHP有那么多特性，做个编译器真心累人。
词法部分很简单，就是一个自动机。设计了一个结构存放自动机，然后简单粗暴地在自动机上编程，也顾不上什么性能了，就是个一锤子买卖。
写得还算快，调试不是很顺，不过我是不会说的，哈
自动机不复杂，发上来大家看看，敬请指正。
self.statemachine = { ‘current‘: { ‘state‘: ‘default‘, ‘content‘: ‘‘, ‘line‘: 0}, ‘default‘: [ {‘name‘: ‘open‘, ‘next‘: ‘php‘, ‘extra‘: 0, ‘start‘: 0, ‘end‘: 0, ‘cache‘: ‘‘, ‘token‘: r‘<\\?‘}, {‘name‘: ‘open‘, ‘next‘: ‘php‘, ‘extra‘: 0, ‘start‘: 0, ‘end‘: 0, ‘cache‘: ‘‘, ‘token‘: r‘<\\?php‘}], ‘php‘: [ {‘name‘: ‘close‘, ‘next‘: ‘default‘, ‘extra‘: 0, ‘token‘: r‘\\?>‘, ‘start‘: 0, ‘end‘: 0, ‘cache‘: ‘‘}, {‘name‘: ‘lnum‘, ‘next‘: ‘‘, ‘extra‘: 0, ‘start‘: 0, ‘end‘: 0, ‘cache‘: ‘‘, ‘token‘: r‘[0-9]+‘}, {‘name‘: ‘dnum‘, ‘next‘: ‘‘, ‘extra‘: 0, ‘start‘: 0, ‘end‘: 0, ‘cache‘: ‘‘, ‘token‘: r‘([0-9]*\\.[0-9]+)|([0-9]+\\.[0-9]*)‘}, {‘name‘: ‘exponent‘, ‘next‘: ‘‘, ‘extra‘: 0, ‘start‘: 0, ‘end‘: 0, ‘cache‘: ‘‘, ‘token‘: r‘(([0-9]+|([0-9]*\\.[0-9]+)|([0-9]+\\.[0-9]*))[eE][+-]?[0-9]+)‘}, {‘name‘: ‘hnum‘, ‘next‘: ‘‘, ‘extra‘: 0, ‘start‘: 0, ‘end‘: 0, ‘cache‘: ‘‘, ‘token‘: r‘0x[0-9a-fA-F]+‘}, {‘name‘: ‘bnum‘, ‘next‘: ‘‘, ‘extra‘: 0, ‘start‘: 0, ‘end‘: 0, ‘cache‘: ‘‘, ‘token‘: r‘0b[01]+‘}, {‘name‘: ‘label‘, ‘next‘: ‘‘, ‘extra‘: 0, ‘start‘: 0, ‘end‘: 0, ‘cache‘: ‘‘, ‘token‘: r‘[a-zA-Z_\\x7f-\\xff][a-zA-Z0-9_\\x7f-\\xff]*‘}, {‘name‘: ‘comment‘, ‘next‘: ‘commentline‘, ‘extra‘: 1, ‘token‘: r‘//‘, ‘start‘: 0, ‘end‘: 0, ‘cache‘: ‘‘}, {‘name‘: ‘comment‘, ‘next‘: ‘commentline‘, ‘extra‘: 1, ‘token‘: r‘#‘, ‘start‘: 0, ‘end‘: 0, ‘cache‘: ‘‘}, {‘name‘: ‘comment‘, ‘next‘: ‘comment‘, ‘extra‘: 1, ‘token‘: r‘/\\*‘, ‘start‘: 0, ‘end‘: 0, ‘cache‘: ‘‘}, {‘name‘: ‘string‘, ‘next‘: ‘string1‘, ‘extra‘: 1, ‘token‘: r‘\\‘‘, ‘start‘: 0, ‘end‘: 0, ‘cache‘: ‘‘}, {‘name‘: ‘string‘, ‘next‘: ‘string2‘, ‘extra‘: 1, ‘token‘: r‘"‘, ‘start‘: 0, ‘end‘: 0, ‘cache‘: ‘‘}, {‘name‘: ‘symbol‘, ‘next‘: ‘‘, ‘extra‘: 0, ‘start‘: 0, ‘end‘: 0, ‘cache‘: ‘‘, ‘token‘: r‘[\\\\\\{\\};:,\\.\\[\\]\\(\\)\\|\\^&\\+-/\\*=%!~$<>\\[email protected]]‘}], ‘string1‘: [ {‘name‘: ‘string‘, ‘next‘: ‘php‘, ‘extra‘: 0, ‘token‘: r‘\\‘‘, ‘start‘: 0, ‘end‘: 0, ‘cache‘: ‘‘}, {‘name‘: ‘string‘, ‘next‘: ‘escape1‘, ‘extra‘: 1, ‘token‘: r‘\\\\‘, ‘start‘: 0, ‘end‘: 0, ‘cache‘: ‘‘}, {‘name‘: ‘string‘, ‘next‘: ‘‘, ‘extra‘: 1, ‘token‘: r‘‘, ‘start‘: 0, ‘end‘: 0, ‘cache‘: ‘‘}], ‘escape1‘: [ {‘name‘: ‘string‘, ‘next‘: ‘string1‘, ‘extra‘: 1, ‘token‘: r‘.‘, ‘start‘: 0, ‘end‘: 0, ‘cache‘: ‘‘}], ‘string2‘: [ {‘name‘: ‘string‘, ‘next‘: ‘php‘, ‘extra‘: 0, ‘token‘: r‘\\‘‘, ‘start‘: 0, ‘end‘: 0, ‘cache‘: ‘‘}, {‘name‘: ‘string‘, ‘next‘: ‘escape2‘, ‘extra‘: 1, ‘token‘: r‘\\\\‘, ‘start‘: 0, ‘end‘: 0, ‘cache‘: ‘‘}, {‘name‘: ‘string‘, ‘next‘: ‘‘, ‘extra‘: 1, ‘token‘: r‘‘, ‘start‘: 0, ‘end‘: 0, ‘cache‘: ‘‘}], ‘escape2‘: [ {‘name‘: ‘string‘, ‘next‘: ‘string2‘, ‘extra‘: 1, ‘token‘: r‘.‘, ‘start‘: 0, ‘end‘: 0, ‘cache‘: ‘‘}], ‘commentline‘: [ {‘name‘: ‘comment‘, ‘next‘: ‘php‘, ‘extra‘: 0, ‘token‘: r‘(\\r|\\n|\\r\\n)‘, ‘start‘: 0, ‘end‘: 0, ‘cache‘: ‘‘}, {‘name‘: ‘comment‘, ‘next‘: ‘php‘, ‘extra‘: 0, ‘token‘: r‘‘, ‘start‘: 0, ‘end‘: 0, ‘cache‘: ‘‘}], ‘comment‘: [ {‘name‘: ‘comment‘, ‘next‘: ‘php‘, ‘extra‘: 0, ‘token‘: r‘\\*/‘, ‘start‘: 0, ‘end‘: 0, ‘cache‘: ‘‘}, {‘name‘: ‘comment‘, ‘next‘: ‘‘, ‘extra‘: 1, ‘token‘: r‘‘, ‘start‘: 0, ‘end‘: 0, ‘cache‘: ‘‘}]}
<未完待续>