区分正则
想要高亮正则表达式的前提是区分它。由于正则表达式以/开头，因此这和除法、单行注释、多行注释会产生混淆。那么究竟该如何辨别呢？
注释的区别最为简单，因为注释拥有最高优先级。除非注释符出现在字符串内，否则一旦开始，编译器便立刻识别//和/*。
如图所示，当向前看字符为斜线时，根据规则由初始状态0进入状态1。如果接下来读入的字符是*，则进入状态2，并成为多行注释；倘若是/，则进入状态3，变成单行注释；而其它的情况么，则是正则除法皆有可能。
我们不妨设想一下：正则和除法有哪些区别？从语境上说，原则性的区别就是除法的前面是被除数，正则的前面不是。而成为被除数的可能无非是以下3种：数字、变量、括号内的运算结果。我不知道js解析引擎是如何做的，它可能相当得严谨（也简单，因为它会忽略空白和注释）。但是在web端语法高亮的需求中，由于假设输入的代码一定是正确的，所以可以“投机取巧”般地识别二者：
//检查当前除号是否是perl风格正则表达式开头
protected function isPerlReg():Boolean {
for (var j:int = index - 3; j > -1; j--) {
//先要忽略之前的单行注释
if (j == singleCommentEnd) {
j = singleCommentStart;
continue;
}
var cc:int = code.charCodeAt(j);
//忽略空白
if (Character.isBlank(cc) || Character.isLine(cc)) {
continue;
}
//前面也是一个除号的话防止是多行结尾注释，需跳过注释段继续向前找
else if (Character.isSlash(cc) && Character.isStar(code.charCodeAt(j - 1))) {
j = code.lastIndexOf("/*", j - 1);
}
//前面一个非空白字符若是字母数字下划线则为正则，否则除号
else if (Character.isLetterOrDigit(cc) || Character.isUnderline(cc) || Character.isDollar(cc) || Character.isRightParenthese(cc)) {
return false;
}
else {
break;
}
}
return true;
}
程序开始回溯，我们要看在斜线符号之前的“东西”到底是什么——当然，空白符是不算在内的，因此循环体内首先要做的就是忽略空白。假如前面是标识符的组成或者右括号的话，那么显然它是个被除数，斜线也应该被解读为除号；而如果是其它情况的话，斜线则是正则表达式的开头。
除此外还有个很大的难点，就是斜线前面插入了一段注释，这也需要忽略（js引擎无需考虑这些，因为一开始注释就被剔除了，所以它会相对简单一些）。目前jssc 5 beta 3版仅能识别出多行注释，对于单行注释尚未解决，这是下个版本需要注意的问题。
注：新版本已从语法层级上解决，方法为设置一个布尔标量，每次处理token时切换其正确状态，上述代码在新版本中已废弃。
识别正则
区分出来之后别是识别正则，根据特点我们画出这样的DFA：
我们假设当前/已经被识别为正则表达式的开头，那么接下来的任务便是寻找另外一个结尾/。
在状态1中首先要明确对待的就是转义符，因为它会转义掉下面一个符号，所以要单独为其区分出一个状态2。而状态2上的条件就很宽松了：无论输入什么都会被转义掉，因此遇到任何字符（any）都会回到状态1。
值得注意的是，字符集（[]）是个特殊之处，因为它里面可以省略转义符（既可以有也可以没有），为此需要画出状态3和状态4来对待它（字符集中出现未被转义的/也是合法的，你不可能把它当作正则表达式的结束符）。
当真正出现结束符后进入状态5，此时正则并没有完全结束，因为后面还可能跟有譬如i这样的flag。在状态5上多加种条件循环会本身便可解决问题（更严谨的做法应该是flag仅允许出现一次）；而其它情况才是最终进入终结状态6。
//perl正则
protected function dealPerlReg():void {
var start:int = index - 2;
var cc:int;
outer:
while (index <= code.length) {
readch();
cc = peek.charCodeAt(0);
//转义符
if (Character.isBackslash(cc)) {
readch();
//后面是换行跳出
if (Character.isLine(peek.charCodeAt(0))) {
break;
}
}
//[括号
else if (Character.isLeftbracket(cc)) {
while (index <= code.length) {
readch();
cc = peek.charCodeAt(0);
//转义符
if (Character.isBackslash(cc)) {
readch();
if (Character.isLine(peek.charCodeAt(0))) {
break outer;
}
}
//]括号
else if (Character.isRightbracket(cc)) {
continue outer;
}
}
}
//行末尾
else if (Character.isLine(cc)) {
break;
}
//正则表达式/结束
else if (Character.isSlash(cc)) {
for (var i:int = 0; i < 3 && index <= code.length; i++) {
readch();
cc = peek.charCodeAt(0);
//是img中的一个，存入flag中，不分大小写
if(cc == 103 || cc == 105 || cc == 109 || cc == 71 || cc == 73 || cc == 77) {
//
}
//其它情况跳出
else {
break outer;
}
}
break;
}
}
//高亮
result.append(HighLighter.regular(HtmlEscape.encode(code.slice(start, index - 1))));
}
其它
其它符号的处理都很简单，不做任何高亮即可，只是要注意个别需要特殊编码的字符（如&变为&）。在编译器的词法分析中，每个符号都是有语法意义的，有时符号的长度还不止一个（<=就有2个符号）。幸运的是，在做语法高亮的情况下，这些全可以被“偷懒”掉。
下面贴一下c系列语言处理符号的代码，它相当得简单，可能唯一特殊之处就是其中对花括弧的深度处理了。
//抽象类中的处理符号方法
protected function dealSign():void {
result.append(HtmlEscape.encodeChar(peek));
readch();
}
//c系列语言继承后覆盖的方法，处理符号同时要计算深度
protected override function dealSign():void {
var cc:int = peek.charCodeAt(0);
if (Character.isLeftBrace(cc)) {
depth++;
}
else if (Character.isRightBrace(cc)) {
depth--;
}
super.dealSign();
}
在下一篇中，我将讲述jssc 5是如何做到嵌套高亮（html中内嵌css和js）的。
本博客所有文章均采用