re2c 1.2

शुक्रवार, 2 ऑगस्ट रोजी, re2c, C आणि C++ भाषांसाठी लेक्सिकल विश्लेषकांचे विनामूल्य जनरेटर, रिलीज झाले. Re2c हे 1993 मध्ये पीटर बांबौलिस यांनी अतिशय वेगवान लेक्सिकल विश्लेषकांचे प्रायोगिक जनरेटर म्हणून लिहिले होते, जे जनरेट केलेल्या कोडच्या गतीने आणि विलक्षण लवचिक वापरकर्ता इंटरफेसद्वारे इतर जनरेटरपेक्षा वेगळे होते जे विश्लेषकांना विद्यमान कोड बेसमध्ये सहज आणि कार्यक्षमतेने एम्बेड केले जाऊ शकते. तेव्हापासून, हा प्रकल्प समुदायाद्वारे विकसित केला गेला आहे आणि औपचारिक व्याकरण आणि मर्यादित राज्य मशीनच्या क्षेत्रातील प्रयोग आणि संशोधनासाठी एक व्यासपीठ आहे.

आवृत्ती १.२ मधील मुख्य नवकल्पना:

• इनपुट डेटाचा शेवट तपासण्यासाठी एक नवीन (सरलीकृत) मार्ग जोडला
  (इंग्रजी "EOF नियम").
  यासाठी, re2c:eof कॉन्फिगरेशन जोडले आहे,
  तुम्हाला टर्मिनल वर्ण निवडण्याची परवानगी देते,
  आणि एक विशेष $ नियम जो लेक्सर असल्यास फायर करतो
  इनपुट डेटाच्या शेवटी यशस्वीरित्या पोहोचलो.
  ऐतिहासिकदृष्ट्या, re2c अनेक पडताळणी पद्धतींची निवड प्रदान करते
  मर्यादा, कार्यक्षमता आणि साधेपणामध्ये भिन्न असलेल्या इनपुटचा शेवट
  अनुप्रयोग नवीन पद्धत कोड लिहिणे सोपे करण्यासाठी डिझाइन केले आहे, तर
  प्रभावी आणि व्यापकपणे लागू असताना. जुने मार्ग
  तरीही कार्य करते आणि काही प्रकरणांमध्ये प्राधान्य दिले जाऊ शकते.

• निर्देश वापरून बाह्य फायली समाविष्ट करण्याची क्षमता जोडली
  /*!समावेश:re2c "file.re" */ जेथे file.re
  हे समाविष्ट फाइलचे नाव आहे. Re2c फाइल निर्देशिकेत फाइल्स शोधते,
  तसेच -I पर्याय वापरून निर्दिष्ट केलेल्या पथांच्या सूचीमध्ये.
  समाविष्ट केलेल्या फायलींमध्ये इतर फायलींचा समावेश असू शकतो.
  Re2c समाविष्ट/ निर्देशिकेत "मानक" फाइल्स प्रदान करते
  प्रकल्प - तेथे उपयुक्त व्याख्या जमा होतील अशी अपेक्षा आहे
  नियमित अभिव्यक्ती, मानक लायब्ररीसारखे काहीतरी.
  आतापर्यंत, कामगारांच्या विनंतीनुसार, युनिकोड श्रेणींच्या व्याख्या असलेली एक फाइल जोडली गेली आहे.

• अनियंत्रितपणे शीर्षलेख फायली निर्माण करण्याची क्षमता जोडली
  -t --type-header पर्याय वापरून सामग्री (किंवा योग्य
  कॉन्फिगरेशन) आणि नवीन निर्देश /*!header:re2c:on*/ आणि
  /*!header:re2c:off*/. हे अशा प्रकरणांमध्ये उपयुक्त ठरू शकते
  जेव्हा re2c ला व्हेरिएबल्स, स्ट्रक्चर्स आणि मॅक्रोची व्याख्या तयार करायची असते,
  इतर भाषांतर युनिट्समध्ये वापरले जाते.

• Re2c आता रेग्युलर एक्स्प्रेशनमधील UTF8 अक्षरे आणि वर्ण वर्ग समजते.
  डीफॉल्टनुसार, re2c "∀x ∃y" सारखे अभिव्यक्ती पार्स करते.
  1-बिट ASCII वर्णांचा क्रम e2 88 80 78 20 e2 88 83 79
  (हेक्स कोड), आणि वापरकर्त्यांना स्वहस्ते युनिकोड वर्ण सोडावे लागतात:
  "u2200x u2203y". हे अनेकांसाठी खूप गैरसोयीचे आणि अनपेक्षित आहे
  वापरकर्ते (सतत बग अहवालांद्वारे पुराव्यांनुसार). तर आता
  re2c --input-encoding पर्याय पुरवतो ,
  जे तुम्हाला वर्तन बदलण्याची आणि "∀x ∃y" चे विश्लेषण करण्यास अनुमती देते
  2200 78 20 2203 79.

• Re2c आता नियमित re2c ब्लॉक्सचा -r --reuse मोडमध्ये वापर करण्यास परवानगी देतो.
  जर इनपुट फाइलमध्ये अनेक ब्लॉक असतील आणि त्यापैकी काही असतील तर हे सोयीचे आहे
  पुन्हा वापरणे आवश्यक आहे.

• आता तुम्ही चेतावणी आणि त्रुटी संदेशांचे स्वरूप सेट करू शकता
  नवीन --location-format पर्याय वापरून . GNU स्वरूप प्रदर्शित केले आहे
  filename:line:column:, आणि MSVC फॉरमॅट फाइलनाव(लाइन,स्तंभ) म्हणून.
  हे वैशिष्ट्य IDE प्रेमींसाठी उपयुक्त ठरू शकते.
  एक --verbose पर्याय देखील जोडला गेला आहे, जो यशस्वी झाल्यास एक लहान विजय संदेश छापतो.

• फ्लेक्ससह "सुसंगतता" मोड सुधारला गेला आहे - काही पार्सिंग त्रुटी निश्चित केल्या गेल्या आहेत आणि
  दुर्मिळ प्रकरणांमध्ये चुकीचे ऑपरेटर प्राधान्य.
  ऐतिहासिकदृष्ट्या, -F --flex-support पर्यायाने तुम्हाला कोड लिहिण्याची परवानगी दिली
  फ्लेक्स शैली आणि re2c शैलीमध्ये मिश्रित, जे पार्सिंग थोडे कठीण करते.
  नवीन कोडमध्ये फ्लेक्स सुसंगतता मोड क्वचितच वापरला जातो,
  परंतु re2c बॅकवर्ड कंपॅटिबिलिटीसाठी समर्थन देत आहे.

• वर्ण वर्ग वजाबाकी ऑपरेटर / आता लागू होतो
  एन्कोडिंगचा विस्तार करण्यापूर्वी, जे त्यास मोठ्या संख्येने प्रकरणांमध्ये वापरण्याची परवानगी देते,
  जर व्हेरिएबल कॅरेक्टर लांबी एन्कोडिंग वापरले असेल (उदाहरणार्थ UTF8).

• आऊटपुट फाइल आता अणु पद्धतीने तयार केली आहे: re2c प्रथम तात्पुरती फाइल तयार करते
  आणि त्यात निकाल लिहितो, आणि नंतर तात्पुरत्या फाईलचे आउटपुटवर नाव बदलतो
  एक ऑपरेशन.

• दस्तऐवजीकरण पूर्ण झाले आणि पुन्हा लिहिले गेले; विशेषतः, नवीन जोडले गेले
  अध्याय बफर भरण्याबद्दल
  и इनपुट डेटाचा शेवट तपासण्याच्या मार्गांबद्दल.
  नवीन कागदपत्रे फॉर्ममध्ये गोळा केली जातात
  एक सर्वसमावेशक एक-पान पुस्तिका
  उदाहरणांसह (समान स्रोत मॅनपेज आणि ऑनलाइन दस्तऐवजीकरणात प्रस्तुत केले आहेत).
  फोनवर साइटची वाचनीयता सुधारण्यासाठी खराब प्रयत्न केले गेले आहेत.

• विकसकांच्या दृष्टिकोनातून, re2c ने अधिक संपूर्ण उपप्रणाली प्राप्त केली आहे
  डीबगिंग डिबगिंग कोड आता रिलीझ बिल्ड आणि मध्ये अक्षम आहे
  कॉन्फिगर पर्याय --enable-debug वापरून सक्षम केले जाऊ शकते.

या प्रकाशनास बराच वेळ लागला - जवळजवळ संपूर्ण वर्ष.
बहुतेक वेळ, नेहमीप्रमाणे, एक सैद्धांतिक फ्रेमवर्क आणि लेखन विकसित करण्यात घालवला गेला
लेख "NFA वर प्रभावी POSIX सबमॅच एक्स्ट्रॅक्शन".
लेखात वर्णन केलेले अल्गोरिदम प्रायोगिक लायब्ररी libre2c मध्ये लागू केले आहेत
(लायब्ररी आणि बेंचमार्क तयार करणे डीफॉल्टनुसार अक्षम केले जाते आणि कॉन्फिगर पर्यायाद्वारे सक्षम केले जाते.
--enable-libs). लायब्ररी अस्तित्वात असलेल्या स्पर्धक म्हणून कल्पित नाही
RE2 सारखे प्रकल्प, परंतु नवीन विकासासाठी संशोधन व्यासपीठ म्हणून
अल्गोरिदम (जे नंतर re2c किंवा इतर प्रकल्पांमध्ये वापरले जाऊ शकते).
चाचणी, बेंचमार्क आणि इतर भाषांमध्ये बंधने तयार करण्याच्या दृष्टिकोनातून देखील हे सोयीचे आहे.

हे प्रकाशन होण्यास मदत करणाऱ्या प्रत्येकाला re2c विकसकांकडून धन्यवाद,
आणि सर्वसाधारणपणे कल्पना, बग अहवाल, पॅच, मनोबल इत्यादींसाठी समुदायाला. ;]

स्त्रोत: linux.org.ru