[心得] 沒效率的源碼分析法

看板CSSE (電腦科學及軟體工程)作者reader (讀者)時間20年前 (2004/12/31 17:13)推噓0(0推 0噓 1→)

留言1則, 1人參與討論串1/1

我一直覺得 strtok() 很難用, lex 更難用。但不知道為什麼，人人都說要這樣子做，好像只有這麼用才是正確的。可是我怎麼都覺得是因為教科書上這麼教，而且非本科系的人，往往都不會用，所以在某種優越感之下，就完全不討論怎樣做才是真的好用，而一面倒地教別人要這麼做，甚或嘲笑別人沒水準沒知識。從十幾年前到現在，網路上的討論區，都是這個樣子。實際上，明明就有更方便的做法，雖然很沒效率，然而不是每個時候都是效率第一的，何況實測上速度也未必比較慢。簡單來說，就是正視源碼文件的結構。基本上，現代的程式語言，大約就是由以下的結構： (以 C 為例) 1. break : ; 2. quote : "..." '...' 3. block : { ... } ( ... ) [ ... ] 4. remark : /* ... */ 5. notice : // ... \n, # ... \n 6. keyword : if, else, int, ... 7. identifier : [a-zA-Z_][0-9a-zA-Z_]* 8. operator : +-*/= ... 於是，只要照著分析即可，其中最重要的就是 block 的處理，例如這樣的源碼： #include <stdio.h> int main() { printf("Hello, world!\n"); return 0; } 得到的結果應該是這樣： (notice, "#include <stdio.h>") (keyword, "int") (identifier, "main") (block, "()") (block, "{\n\n printf(\"Hello, world!\n\");\nreturn0;\n\n}") 如果還需要再分析 main() 的 code, 就會得到： (identifier, "printf") (block, "(\"Hello, world!\n\")") (break, ";") (keyword, "return") (value, "0") (break, ";") 另一種做法是這樣： // block_1: {} // block_2: () // quote_1: "" block[0] = { {notice, "#include <stdio.h>"}, {keyword, "int"}, {identifier, "main"}, {block_2, ""}, {block_1, 1} // reference to block[1] }; block[1] = { {text, "printf"}, // not analysis yet {block_2, 2} // reference to block[2] {text, ";\nreturn 0;"} // not analysis yet }; block[2] = { {quote_1, "Hello, world!\n"} }; 因為要得到 block, 就需要檢查其中的 sub-block 和 quote, 不想重複檢查的話，則可以記錄下來。當然這可以設成參數，看是要記錄多少層次的 block. 無論如何，第一層分析就可以得到 global 的資料，如果想要列出全部的函數定義，就只要尋找 (keyword, [keyword...,] identifier, block, block) 序列即可。如果要更仔細的話, keyword, operator 或其他東西，都還可以再分類。總之，順著源碼的結構來讀取資料，無論如何都比起用 token 一個一個來處理方便許多，一個 block 就可以跨過中間的許多枝枝節節，而讓我們直接處理同一層級的資料。這只需要寫出一個通用模組，往後就很方便了。也就是說，不要把源碼分析當做是一個特別的東西，非得利用 lex 不可，該怎麼寫程式就怎麼寫程式。 -- ※ 發信站: 批踢踢實業坊(ptt.cc) ◆ From: 61.222.173.26