Pular para conteúdo

Guia - Expressões Regulares no Flex

Este documento serve como referência oficial para a especificação, escrita e revisão das expressões regulares (ERs) utilizadas no analisador léxico (lexer.l) do projeto do interpretador da linguagem C.

O objetivo deste guia é padronizar a sintaxe utilizada por todos os membros do grupo, evitando divergências na captura de tokens.

1. Identificadores

Identificadores são utilizados para nomear variáveis, funções e outros identificadores definidos pelo usuário na linguagem C.

  • Expressão Regular: [a-zA-Z_][a-zA-Z0-9_]*
  • Token associado: IDENT
  • Descrição: Deve iniciar obrigatoriamente com uma letra maiúscula, minúscula ou um sublinhado (_), seguido por zero ou mais caracteres alfanuméricos ou sublinhados.

Exemplos:

Lexema de Entrada Token Esperado
main IDENT
_contador IDENT
soma2 IDENT

2. Literais Numéricos (Inteiros e Ponto Flutuante)

Abrange as constantes numéricas inteiras e reais (floats), contemplando múltiplos dígitos antes e depois do ponto decimal.

2.1. Números Inteiros

  • Expressão Regular: [0-9]+
  • Token associado: L_INT
  • Descrição: Sequência de um ou mais dígitos decimais.

2.2. Números Reais (Float)

  • Expressão Regular: [0-9]+\.[0-9]+ (ou variações tratadas no scanner)
  • Token associado: L_FLOAT
  • Descrição: Sequência de dígitos antes do ponto, o caractere ponto (\.) e um ou mais dígitos após o ponto, permitindo múltiplos dígitos decimais na parte fracionária.

Pendência: o lexer.l ainda não implementa essa regra corretamente (usa [0-9]+\.[0-9], aceitando apenas um dígito após o ponto). Ajustar o scanner para bater com as especificações

Exemplos:

Lexema de Entrada Token Esperado
42 L_INT
0 L_INT
3.14159 L_FLOAT
0.007 L_FLOAT

3. Literais de Caractere e Strings

Tratam os valores textuais e caracteres individuais, incluindo o suporte a sequências de escape padrão da linguagem C (como \n e \t).

3.1. Literais de Caractere

  • Expressão Regular: '(\\.|[^'\\])'
  • Token associado: L_CHAR
  • Descrição: Delimitado por aspas simples, aceita um caractere comum (que não seja aspa simples ou barra invertida) ou uma sequência de escape precedida por barra invertida (\).

3.2. Literais de String

  • Expressão Regular: \"(\\.|[^"\\])*\"
  • Token associado: L_STRING
  • Descrição: Delimitado por aspas duplas, aceita zero ou mais caracteres internos normais ou sequências de escape.

Exemplos:

Lexema de Entrada Token Esperado
'a' L_CHAR
'\n' L_CHAR
"Olá, Mundo!" L_STRING
"Erro: %d\n" L_STRING

4. Tipos e palavras-chave

Palavras reservadas da linguagem, reconhecidas literalmente pelo scanner.

  • Tipos: int (T_INT), float (T_FLOAT), char (T_CHAR), long (T_LONG), double (T_DOUBLE)
  • Controle de fluxo: if (F_IF), else (F_ELSE), while (F_WHILE), for (F_FOR), do (F_DO), switch (F_SWITCH), case (F_CASE), break (F_BREAK), continue (F_CONTINUE), return (F_RETURN)

Exemplos:

Lexema de Entrada Token Esperado
int T_INT
if F_IF
while F_WHILE

5. Operadores e Delimitadores

Os operadores e delimitadores cobrem os símbolos aritméticos, relacionais, lógicos, de atribuição e pontuações estruturais da linguagem C.

  • Aritméticos: + (O_PLUS), - (O_MINUS), * (O_MULTI), / (O_DIV)
  • Atribuição: = (O_ASSIGN)
  • Relacionais: == (R_EQ), != (R_NE), < (R_LT), > (R_GT), <= (R_LE), >= (R_GE)
  • Lógicos: && (DM_AND), || (DM_OR), ! (DM_NOT)
  • Delimitadores: { (LBRACE), } (RBRACE), [ (LBRACKET), ] (RBRACKET), ( (LPAREN), ) (RPAREN), : (COLON), ; (SEMICOLON), , (COMMA)

6. Espaços em Branco, Quebras de Linha e Tratamento de Erros

Para evitar que o parser receba caracteres indesejados, os espaços e quebras de linha são consumidos silenciosamente pelo analisador léxico.

  • Expressões Regulares:
  • [ \t\r]+: Ignora espaços horizontais, tabulações e retornos de carro.
  • \n: Incrementa a variável de controle de linha (linha_erro++), essencial para a emissão correta de mensagens de erro detalhadas.
  • .: Captura qualquer caractere inválido não reconhecido pelas regras anteriores, disparando uma mensagem de erro na saída padrão de erro (stderr) formatada com a linha correspondente.

7. Comentários (Linha Única e Bloco)

Pendente de implementação no lexer.l atual. O scanner hoje só tem um comentário para lembrete no código, a regra em si ainda não foi escrita.

Nota de Implementação: O suporte a comentários no analisador léxico deve ignorar trechos de documentação e anotações do programador sem retornar tokens para o parser.

7.1. Comentário de Linha Única

  • Expressão Regular: \/\/.*
  • Descrição: Identifica comentários iniciados por // e é válido para toda a linha restante.
  • Exemplo: // Inicialização do contador (Ignorado pelo scanner).

7.2. Comentário de Bloco

  • Expressão Regular: \/\*[^*]*\*+([^/*][^*]*\*+)*\/
  • Descrição: Identifica blocos de comentários iniciados por /* e terminados por */, permitindo múltiplas linhas.
  • Exemplo: c /* Bloco de código com múltiplas linhas */