解析转换器3：手写PHP转Python编译器的词法部分

一时技痒，自然而然地想搞个大家伙，把整个PHP程序转成Python。不比模板，可以用正则匹配偷懒，这次非写一个Php编译器不可。

上网搜了一下，发现大部分Python to xxx的transpile都是直接基于AST，省略了最重要的Tokenizer，Parser。直接写个Visitor了事。要不然就是基于Antlr之类的生成器，搞一大堆代码，看得令人心烦。

既然大家都不想做这个苦力，我就来试试，手工写一个Php编译器。分Tokenizer，Parser，Visitor三个部分来实现。

翻出《龙书》《虎书》做参考，仔细学了一回PHP，不学不知道，原来PHP有那么多特性，做个编译器真心累人。

词法部分很简单，就是一个自动机。设计了一个结构存放自动机，然后简单粗暴地在自动机上编程，也顾不上什么性能了，就是个一锤子买卖。

写得还算快，调试不是很顺，不过我是不会说的，哈

自动机不复杂，发上来大家看看，敬请指正。

self.statemachine = {
 'current': {
 'state': 'default', 'content': '', 'line': 0},
 'default': [
 {'name': 'open', 'next': 'php', 'extra': 0, 'start': 0, 'end': 0, 'cache': '',
 'token': r'<?'},
 {'name': 'open', 'next': 'php', 'extra': 0, 'start': 0, 'end': 0, 'cache': '',
 'token': r'<?php'}],
 'php': [
 {'name': 'close', 'next': 'default', 'extra': 0,
 'token': r'?>', 'start': 0, 'end': 0, 'cache': ''},
 {'name': 'lnum', 'next': '', 'extra': 0, 'start': 0, 'end': 0, 'cache': '',
 'token': r'[0-9]+'},
 {'name': 'dnum', 'next': '', 'extra': 0, 'start': 0, 'end': 0, 'cache': '',
 'token': r'([0-9]*.[0-9]+)|([0-9]+.[0-9]*)'},
 {'name': 'exponent', 'next': '', 'extra': 0, 'start': 0, 'end': 0, 'cache': '',
 'token': r'(([0-9]+|([0-9]*.[0-9]+)|([0-9]+.[0-9]*))[eE][+-]?[0-9]+)'},
 {'name': 'hnum', 'next': '', 'extra': 0, 'start': 0, 'end': 0, 'cache': '',
 'token': r'0x[0-9a-fA-F]+'},
 {'name': 'bnum', 'next': '', 'extra': 0, 'start': 0, 'end': 0, 'cache': '',
 'token': r'0b[01]+'},
 {'name': 'label', 'next': '', 'extra': 0, 'start': 0, 'end': 0, 'cache': '',
 'token': r'[a-zA-Z_x7f-xff][a-zA-Z0-9_x7f-xff]*'},
 {'name': 'comment', 'next': 'commentline', 'extra': 1,
 'token': r'//', 'start': 0, 'end': 0, 'cache': ''},
 {'name': 'comment', 'next': 'commentline', 'extra': 1,
 'token': r'#', 'start': 0, 'end': 0, 'cache': ''},
 {'name': 'comment', 'next': 'comment', 'extra': 1,
 'token': r'/*', 'start': 0, 'end': 0, 'cache': ''},
 {'name': 'string', 'next': 'string1', 'extra': 1,
 'token': r''', 'start': 0, 'end': 0, 'cache': ''},
 {'name': 'string', 'next': 'string2', 'extra': 1,
 'token': r'"', 'start': 0, 'end': 0, 'cache': ''},
 {'name': 'symbol', 'next': '', 'extra': 0, 'start': 0, 'end': 0, 'cache': '',
 'token': r'[\{};:,.[]()|^&+-/*=%!~$<>?@]'}],
 'string1': [
 {'name': 'string', 'next': 'php', 'extra': 0,
 'token': r''', 'start': 0, 'end': 0, 'cache': ''},
 {'name': 'string', 'next': 'escape1', 'extra': 1,
 'token': r'\', 'start': 0, 'end': 0, 'cache': ''},
 {'name': 'string', 'next': '', 'extra': 1,
 'token': r'', 'start': 0, 'end': 0, 'cache': ''}],
 'escape1': [
 {'name': 'string', 'next': 'string1', 'extra': 1,
 'token': r'.', 'start': 0, 'end': 0, 'cache': ''}],
 'string2': [
 {'name': 'string', 'next': 'php', 'extra': 0,
 'token': r''', 'start': 0, 'end': 0, 'cache': ''},
 {'name': 'string', 'next': 'escape2', 'extra': 1,
 'token': r'\', 'start': 0, 'end': 0, 'cache': ''},
 {'name': 'string', 'next': '', 'extra': 1,
 'token': r'', 'start': 0, 'end': 0, 'cache': ''}],
 'escape2': [
 {'name': 'string', 'next': 'string2', 'extra': 1,
 'token': r'.', 'start': 0, 'end': 0, 'cache': ''}],
 'commentline': [
 {'name': 'comment', 'next': 'php', 'extra': 0,
 'token': r'(
|
|
)', 'start': 0, 'end': 0, 'cache': ''},
 {'name': 'comment', 'next': 'php', 'extra': 0,
 'token': r'', 'start': 0, 'end': 0, 'cache': ''}],
 'comment': [
 {'name': 'comment', 'next': 'php', 'extra': 0,
 'token': r'*/', 'start': 0, 'end': 0, 'cache': ''},
 {'name': 'comment', 'next': '', 'extra': 1,
 'token': r'', 'start': 0, 'end': 0, 'cache': ''}]}