这篇文章是来自最新 justforfunc 中同标题的一段。这个程序的代码可以在 justforfunc 仓库 中找到。
想象一下,对于下面的代码段,你如何将其中所有的标识符都提取出来。
package main import "fmt" func main() { fmt.Println("Hello, world") }
我们期望可以得到一个包含 main, fmt 和 Println 的列表。
为了回答这个问题, 我们需要了解一下有关计算机语言的理论知识。 但只要一点就足够了,不用担心有多复杂。
计算机语言,是由一系列有效的规则组成的。比如下面这个规则:
IfStmt = "if" [ SimpleStmt ";" ] Expression Block [ "else" ( IfStmt | Block ) ] .
上面这个规则告诉我们 if 语句在 Go 语言中的样子。“if”, “;”, 和 “else” 是帮助我们理解程序结构的关键词。与此同时,还有 Expression Block, SimpleStmt 之类的其他规则。
这些规则组成的集合就是语法,你可以在 Go 语言规范中找到它们的详细定义。
这些规则不是简单的由程序的单个字符定义的,而是有一系列 token 组成。 这些token除了像 if 和 else 这样的原子 token 外, 还有像整数 42,浮点数 4.2 和字符串 “hello” 这样的复合 token, 以及像 main 这样的标识符。
但是,我们是怎么知道 main 是一个标识符,而不是一个数字呢? 原来它也是有专门的规则来定义的。如果你读过 Go 语言规范中的标识符部分,你就会发现如下的规则:
identifier = letter { letter | unicode_digit } .
在这条规则中,letter 和 unicode_digit 不是 token 而是字符。 所以有了这些规则,就可以写一个程序来逐个字符地分析,一旦检测到一组字符匹配到某一条规则,就 “发射”(emits) 出一个 token。
所以,如果我们以 fmt.Println 为例, 它可以产生这些 token:标识符 fmt, “.”, 以及标识符 Println。 这是一个函数调用吗? 在这里我们还无法确定,而且我们也不关心。它的结构就是一个序列,表明 token 出现的顺序。
这种能够将给定的字符序列生成 token 序列的程序被称为扫描器。Go 标准库中的 go/scanner 就自带一个扫描器。它生成的记号定义在 go/token 里。
我们已经了解了什么是扫描器,那它如何使用呢?
让我们先从一个简单程序开始,将传给它的参数打印出来:
package main import ( "fmt" "os" ) func main() { if len(os.Args) < 2 { fmt.Fprintf(os.Stderr, "usage:nt%s [files]n", os.Args[0]) os.Exit(1) } for _, arg := range os.Args[1:] { fmt.Println(arg) } }
接下来,我们需要扫描从参数传进来的文件:需要先创建一个新的扫描器,然后用文件的内容来初始化。
在我们调用 scanner.Scanner 的 Init 方法之前,需要先读取文件内容,然后为每个扫描过的文件创建一个 token.FileSet 以便来保存 token.File。
扫描器一经初始化,我们就能调用其 Scan 方法来打印 token。 一旦我们得到一个 EOF(End Of File) token,就说明达到文件末尾了。
fs := token.NewFileSet() for _, arg := range os.Args[1:] { b, err := ioutil.ReadFile(arg) if err != nil { log.Fatal(err) } f := fs.AddFile(arg, fs.Base(), len(b)) var s scanner.Scanner s.Init(f, b, nil, scanner.ScanComments) for { _, tok, lit := s.Scan() if tok == token.EOF { break } fmt.Println(tok, lit) } }
太棒了,我们已经能够打印出所有的 token 了,但是我们还需要跟踪每个标识符出现的次数,然后按照出现次数排序,并打印出前 5 位。
在 Go 中,实现以上需求的最好的方法是用一个 map,让标识符来做 key, 其出现次数做 value。
每当一个标识符出现一次,计数器就加一。最后,我们将 map 转换为一个能够排序和打印的数组。
counts := make(map[string]int) // [code removed for clarity] for { _, tok, lit := s.Scan() if tok == token.EOF { break } if tok == token.IDENT { counts[lit]++ } } // [为了阅读清晰,移除部分代码] type pair struct { s string n int } pairs := make([]pair, 0, len(counts)) for s, n := range counts { pairs = Append(pairs, pair{s, n})rm -f } sort.Slice(pairs, func(i, j int) bool { return pairs[i].n > pairs[j].n }) for i := 0; i < len(pairs) && i < 5; i++ { fmt.Printf("%6d %sn", pairs[i].n, pairs[i].s) }
为了不影响理解,有些代码被删除了。你可以在这里获取完整的源码。
我们来用这个程序分析一下 github.com/golang/go 上的代码:
$ go install github.com/campoy/justforfunc/24-ast/scanner $ scanner ~/go/src/**/*.go 82163 v 46584 err 44681 Args 43371 t 37717 x
在短标识符里,最常用的标识符是字母 v 。那我们修改下代码来计算一些长标识符:
for s, n := range counts { if len(s) >= 3 { pairs = append(pairs, pair{s, n}) } }
再来一次:
$ go install github.com/campoy/justforfunc/24-ast/scanner $ scanner ~/go/src/**/*.go 46584 err 44681 Args 36738 nil 25761 true 21723 AddArg
果不其然,err 和 nil 是最常见的标识符,毕竟每个程序中都有 if err != nil 这样的语句。 但 Args 出现频度这么高怎么回事?
欲知详情如何,且听下回分解。
via: https://medium.com/@francesc/whats-the-most-common-identifier-in-go-s-stdlib-e468f3c9c7d9
作者:Francesc Campoy 译者:kaneg 校对:polaris1119