菜鸟玩状态机之样式表解析

　　偶不是计算机专业出身，不过参加过软考，对计算机原理大概也似乎多少有差不多那么个一星半点的了解。唯独看程序编译原理时，如读天书。状态机文法真奇妙，看了睡觉不用安眠药。大学出的书太垃圾了，打击了偶的自信，创伤了偶的幼小心灵。直到多年以后，看到老赵一篇《趣味编程：从字符串中提取信息》，心中的阴影才开始解开。

　　老赵提出的问题，逻辑算很简单的，用正则表达式，直接用关键字符拆分都行。但是如果字符串处理逻辑复杂一点，比如说，你要写个程序编译器，这时用正则或拆分方式，恐怕要哭了。只有请老赵文中提到的正解—状态机能大展身手了。

　　在本文，准备解析一个CSS文件。至于编译器，将来也不是不可能啊（菜鸟的白日梦）。什么是状态机，我就不解释了，免得给大家催眠，何况偶也不懂。那凭什么说你用了状态机？您说是就是，说不是就不是了。先看状态图吧：

　　状态机的重要好处，就是清晰，逻辑画在图上一眼就看得清清楚楚。所以我定义了五个老赵说了那种状态机(本来六个，偷鸡一把)，就是一种返回自身类型的委托。命名时很纠结，又是个ST打头的类型，我差点就直接用汉字命名了。

	public delegate StateReader StateReader(char c);
	StateReader rsComment = c=>{ ... };	　　//Read comment
	StateReader rsStyleName = c=>{ ... };	　　//Read Style's name
	StateReader rsStyleText = c=>{ ... };	　　//Read Style's text
	StateReader rsPropertyName = c=>{ ... };　　//Read a property's name
	StateReader rsPropertyText = c=>{ ... };	　　//Read a property's text

　　解析CSS文件，往往只解析部分属性，不需要将其中所有样式都读出来。所以负责样式名的状态机，还要负责筛选，这样其实应该还有一两种状态，作为PropertyName状态的子状态。状态机中的状态，其实是可以分层的，某种状态下有多个子状态，子状态下又可以有子状态。比如上图中的两部分—注释和非注释，就是两大基本状态。状态分层是在写这篇博文时才想到的，在偶的代码中，用了许多状态标志实现分层，就有点啰嗦了，倒是挺锻炼逻辑思维的。

　　状态机解析文本另一个优势，是性能。用正则或直接拆分，将产生大量的内存对象。没有IO操作情况下，频繁大量的内存分配和回收是程序的性能杀手。用状态机解析，除了解析结果外，只需要存储一些状态，性能要高一个数量级以上，而且绿色环保，符合时代潮流。解析的逻辑越复杂，状态机的优势越明显。到了像程序编译这种程度，状态机是不二的选择。

　　虽然性能又高，逻辑又清晰，可还是不足以打动你吧，或许你在想编译器关我鸟事？但是另一个领域你或许有兴趣，就是搜索。搜索要用到中文分词，好像除了状态机，还真没有更好处理方式。性能之外，状态机第三个特点就是精确。比如我解析CSS文件时，可以方便地在取得属性时，得到其在多少行，从本行的第几个字符开始。因为状态机是一个个字符解析的，粒度细到不能再细，要是用正则来做就不爽了。

　　我希望有一天能用上亲手写的编译器，就从偶到山寨状态机开始起步吧。