整理：状态机的编程思想

迈不过友情╰ 2022-09-24 10:25 174阅读 0赞

K&R习题1-23中，要求“编写一个程序，删除C语言程序中所有的注释语句。要正确处理带引号的字符串与字符常量。在C语言中，注释不允许嵌套”。

如果不考虑字符常量和字符串常量，问题确实很简单。只需要去掉//和/\* \*/的注释。

考虑到字符常量'\\''和字符串常量"he\\"/\*hehe\*/"，还有类似<secure/\_stdio.h>的头文件以及表达式5/3中的除号/，情况就比较复杂了。

我想，这种问题最适合用正则表达式来解析，perl之类的语言应当很好处理，问题是这里让你用C语言实现，但是C语言对正则表达式并没有显式的支持。

学过编译原理的应该知道，正则表达式对应三型文法，也就对应着一个有限状态自动机（可以用switch偏重算法来实现，或者用状态转换矩阵/表偏重数据结构来实现），

所以这里的问题其实是设计一个状态机，把输入的字符流扔进去跑就可以了。

【一个简单的状态机】

先看《K&R》第一章的一个简单习题1-12："编写一个程序，以每行一个单词的形式打印其输入"

在这个题目之前，1.5.4节的单词计数示例中，其实K&R已经展示了一个非常简单的状态机。但没有提到这种编程思想。

当然这个题目也可以状态机的思想来编程。

回到题目，我们设初始的状态state为OUT，表示当前字符不在单词中（不是单词的组成字符），如果当前字符在单词中（属于单词的一部分），则state设为IN。

显然字符只能处于上述两种状态之一，有了这2个状态，我们就可以借助状态来思考问题 ——

（1）当前状态为OUT：若当前字符是空白字符(空格、制表符、换行符），则维护当前状态仍为OUT；否则改变状态为IN。

（2）当前状态为IN：若遇到的当前字符是非空白字符，则维护当前状态为IN；否则改变状态为OUT。

处于不同的状态，根据题意可以给予相对应的动作——

每当状态为IN的时候，意味字符属于单词的一部分，输出当前字符；

而当状态从IN切换为OUT的时候，说明一个单词结束了，此时我们输出一个回车符；状态为OUT则什么也不输出；

可以看出，借助自定义的状态，可以使编程思路更加清晰。

在遍历输入字符流的时候，程序（机器）就只能处于两种状态，对应不同状态或状态切换可以有相应的处理动作。

这样的程序不妨称为“状态机”。

按照上面的思路，代码实现就非常简单了——

#include <stdio.h>
    #define OUT 0 /* outside aword */
    #define IN 1  /* inside a word  */
    
    int main(void)
    {
    	int c, state;
    	
    	state = OUT;
    	while ( ( c = getchar()) != EOF ) {
    		if (state == OUT) {
    			if (c == ' ' ||c == '\t' || c == '\n')
    				state =OUT;
    			else {
    				state = IN;
    				putchar(c);//action
                }
            } else {
    			if (c != ' '&& c != '\t' && c != '\n') {
    				state = IN;
                    putchar(c);//action
    			} else {
    				putchar('\n');//action
    				state =OUT;
    			}
    		}
        }
    	return 0;
    }

让我们回到主题吧——

【“编写一个程序，删除C语言程序中所有的注释语句。要正确处理带引号的字符串与字符常量。在C语言中，注释不允许嵌套”】

按照注释的各方面规则，我们来设计一个状态机——

00）设正常状态为0，并初始为正常状态

每遍历一个字符，就依次检查下列条件，若成立或全部检查完毕，则回到这里检查下一个字符

01）状态0中遇到/，说明可能会遇到注释，则进入状态1　　　　　　　　　　ex. int a = b; /

02）状态1中遇到\*，说明进入多行注释部分，则进入状态2　　　　　　　　　ex. int a= b; /\*

03）状态1中遇到/，说明进入单行注释部分，则进入状态4　　　　　　　　　ex. int a = b; //

04）状态1中没有遇到\*或/，说明/是路径符号或除号，则恢复状态0　　　　  ex. <secure/\_stdio.h> or 5/3

05）状态2中遇到\*，说明多行注释可能要结束，则进入状态3　　　　　　　　ex. int a = b; /\*heh\*

06）状态2中不是遇到\*，说明多行注释还在继续，则维持状态2　　　　　　　ex. int a = b; /\*hehe

07）状态3中遇到/，说明多行注释要结束，则恢复状态0　　　　　　　　　　ex. int a = b; /\*hehe\*/

08）状态3中不是遇到/，说明多行注释只是遇到\*，还要继续，则恢复状态2 　ex. int a = b; /\*hehe\*h

09）状态4中遇到回车符\\n，说明单行注释结束，则恢复状态0 　　　　　　　ex. int a = b; //hehe<enter>

10）状态0中遇到'，说明进入字符常量中，则进入状态5 　　　　　　　　　　ex. char a = '

11）状态5中遇到\\，说明遇到转义字符，则进入状态6　　　　　　　　　　　ex. char a = '\\

12）状态6中遇到任何字符，都恢复状态5 　　　　　　　　　　　　　　　　ex.char a = '\\n 还有如'\\t', '\\'', '\\\\' 等主要是防止'\\''，误以为结束

13）状态5中遇到'，说明字符常量结束，则进入状态0　　　　　　　　　　　ex. char a = '\\n'

14）状态0中遇到"，说明进入字符串常量中，则进入状态7　　　　　　　　　ex. char s\[\] = "

15）状态7中遇到\\，说明遇到转义字符，则进入状态8　　　　　　　　　　　ex. char s\[\] = "\\

16）状态8中遇到任何字符，都恢复状态7　　　　　　　　　　　　　　　 　ex. char s\[\] = "\\n 主要是防止"\\"，误以为结束

17）状态7中遇到"字符，说明字符串常量结束，则恢复状态0　　　　　　　　ex. char s\[\] = "\\"hehe"

前面说过，不同状态可以有相应的动作。比如状态0、5、6、7、8都需要输出当前字符，再考虑一些特殊情况就可以了。

读者实现时可以借助debug宏定义，将测试语句输出到标准错误输出，需要时可以重定位到标准输出，即2>&1，然后通过重定向|到more进行查看。

有了这些状态表示，编写代码就很容易了——

#include <stdio.h>
    #define debug
    //#define debug(fmt, args...) fprintf(stderr, fmt, ##args)
    
    void dfa();
    
    int main(void)
    {
    	dfa();
    	return 0;
    }
    
    void dfa()
    {
    	int c, state;
    	state = 0;
    	while ((c = getchar()) != EOF) {
    		if (state == 0 && c == '/')         // ex. [/]
    			state = 1;
            else if (state == 1 && c == '*')     // ex. [/*]
    			state = 2;
            else if (state == 1 && c == '/')    // ex. [//]
                state = 4;
    		else if (state == 1) {                // ex. [<secure/_stdio.h> or 5/3]
                putchar('/');
    			state = 0;
    		}
    		
    		else if (state == 2 && c == '*')    // ex. [/*he*]
    			state = 3;
    		else if (state == 2)                // ex. [/*heh]
    			state = 2;
    		
            else if (state == 3 && c == '/')    // ex. [/*heh*/]
                state = 0;
            else if (state == 3)                // ex. [/*heh*e]
                state = 2;    
    		
            else if (state == 4 && c == '\n')    // ex. [//hehe<enter>]
    			state = 0;
    		
    		else if (state == 0 && c == '\'')     // ex. [']
                state = 5;
    		else if (state == 5 && c == '\\')     // ex. ['\]
                state = 6;
            else if (state == 6)                // ex. ['\n or '\' or '\t etc.]
    			state = 5;
    		else if (state == 5 && c == '\'')    // ex. ['\n' or '\'' or '\t' ect.]
                state = 0;
    		
    		else if (state == 0 && c == '\"')    // ex. ["]
                state = 7;
    		else if (state == 7 && c == '\\')     // ex. ["\]
    			state = 8;
    		else if (state == 8)                // ex. ["\n or "\" or "\t ect.]
    			state = 7;
    		else if (state == 7 && c == '\"')    // ex. ["\n" or "\"" or "\t" ect.]
    			state = 0;
    			//debug("c = %c, state = %d\n", c, state);
    			
    			if ((state == 0 && c != '/') || state == 5 || state == 6 || state == 7 || state == 8)
    				putchar(c);
    	}
    }

【测试用例 a.out < test.c > test2.c】

test.c如下：

/*
    *This code make no sense,
    *but for exercise1_23 in<<K&R>> to test remove all comments in C code.
    */
    #include <stdio.h>
    #include <secure/_stdio.h>
    #include <string.h>
    #include "http://blog.csdn.net/bat67"
    #define debug
    #define LESS(i) ( ((i) << 31) / 2 )
    #define STRING"\"string\"" //to ensure legal
    #define CHAR '\''
    int main(void)
    {
    #ifdef A
        "hehe..."
    #else     /*hehe*/
    		"blala"
    #endif
    		///*testing*/
    	int idx;
        if (idx > 3 && idx < 6) idx =idx/100;
        /* // */   
        char a = '/';    // /
        char b = '*';    // *
        char c = '\'';    // '
        char d = '\n';    // enter
        char e = '\"';    // "   
        char f = '\\';    // \
        char g = '<';    // <
        char h = '>';    // >
        char i = '"';    // "
        /* special***string */
        char special0[] ="\"hello, world!\"";
        char special1[] ="//";
        char special2[] ="he\"/*hehe*/";
        char *special = " \'hi \0\b\t \\\\ \a\e\f\n\r\v wolegequ \\ ";
        return 0;
    }