（1）词法分析器
简单来说就是写一个函数，这个函数的输入是文字流，我们要把这个文字流的标签搞出来
比如某种语言标签如下
enum Token {
tok_eof = -1,
// commands
tok_def = -2,
tok_extern = -3,
// primary
tok_identifier = -4,
tok_number = -5,
};
然后词法分析器相当于一个函数，排除空格，检查扫描的文字，然后给出标签
static std::string IdentifierStr; // Filled in if tok_identifier
static double NumVal; // Filled in if tok_number
/// gettok - Return the next token from standard input.
static int gettok() {
static int LastChar = ' ';
// Skip any whitespace.
while (isspace(LastChar))
LastChar = getchar();
if (isalpha(LastChar)) { // identifier: [a-zA-Z][a-zA-Z0-9]*
IdentifierStr = LastChar;
while (isalnum((LastChar = getchar())))
IdentifierStr += LastChar;
if (IdentifierStr == "def")
return tok_def;
if (IdentifierStr == "extern")
return tok_extern;
return tok_identifier;
}
if (isdigit(LastChar) || LastChar == '.') { // Number: [0-9.]+
std::string NumStr;
do {
NumStr += LastChar;
LastChar = getchar();
} while (isdigit(LastChar) || LastChar == '.');
NumVal = strtod(NumStr.c_str(), nullptr);
return tok_number;
}
//跳注释
if (LastChar == '#') {
// Comment until end of line.
do
LastChar = getchar();
while (LastChar != EOF && LastChar != '\n' && LastChar != '\r');
if (LastChar != EOF)
return gettok();
}
// Check for end of file. Don't eat the EOF.
if (LastChar == EOF)
return tok_eof;
// Otherwise, just return the character as its ascii value.
int ThisChar = LastChar;
LastChar = getchar();
return ThisChar;
}
这段代码是一个词法分析器的实现，用于将输入分解成标记（tokens）。它定义了一个全局变量IdentifierStr用于保存标识符的名称，NumVal用于保存数值字面量的值。
gettok函数从标准输入中读取下一个字符，并根据字符的类型返回相应的标记。它首先跳过任何空格字符，然后根据字符的类型进行不同的处理。
如果字符是字母，则识别为标识符。gettok会读取连续的字母和数字字符，将它们保存在IdentifierStr中，并根据IdentifierStr的值判断是否是关键字（如"def"和"extern"）或是普通的标识符。
如果字符是数字或小数点，则识别为数值字面量。gettok会读取连续的数字和小数点字符，将它们保存在NumStr中，并使用strtod函数将其转换为双精度浮点数，保存在NumVal中。
如果字符是井号（#），则识别为注释。gettok会跳过注释直到行尾，并递归调用gettok函数获取下一个标记。
如果字符是文件结尾（EOF），则返回标记tok_eof表示已到达文件结尾。
否则，将字符作为其ASCII值返回。
总的来说，这段代码实现了一个简单的词法分析器，可以将输入分解成标记，并根据标记的类型进行相应的处理。
源码地址1. Kaleidoscope: Kaleidoscope Introduction and the Lexer — LLVM 18.0.0git documentation