这篇文章是来自最新 [justforfunc](http://justforfunc.com/) 中同标题的一段。这个程序的[代码](https://github.com/campoy/justforfunc/blob/master/24-go-scanner/main.go)可以在 [justforfunc 仓库](https://github.com/campoy/justforfunc) 中找到。
### 问题陈述
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。
```go
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。
### 标识符到底是什么?
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。
![](https://raw.githubusercontent.com/studygolang/gctt-images/master/most-common-identifier/1.png)
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。
### 使用 go/scanner
我们已经了解了什么是扫描器,那它如何使用呢?
#### 从命令行中读取参数
让我们先从一个简单程序开始,将传给它的参数打印出来:
```go
package main
import (
"fmt"
"os"
)
func main() {
if len(os.Args) < 2 {
fmt.Fprintf(os.Stderr, "usage:\n\t%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。
#### 打印每个 token
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。
```go
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)
}
}
```
#### 统计 token
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。
```go
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 %s\n", 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](https://github.com/campoy/justforfunc/blob/master/24-go-scanner/main.go)获取完整的源码。
### 哪些是最常用的标识符?
我们来用这个程序分析一下 github.com/golang/go 上的代码:
```bash
$ 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:
```go
for s, n := range counts {
if len(s) >= 3 {
pairs = append(pairs, pair{s, n})
}
}
```
再来一次:
```bash
$ 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
本文由 GCTT 原创翻译,Go语言中文网 首发。也想加入译者行列,为开源做一些自己的贡献么?欢迎加入 GCTT!
翻译工作和译文发表仅用于学习和交流目的,翻译工作遵照 CC-BY-NC-SA 协议规定,如果我们的工作有侵犯到您的权益,请及时联系我们。
欢迎遵照 CC-BY-NC-SA 协议规定 转载,敬请在正文中标注并保留原文/译文链接和作者/译者等信息。
文章仅代表作者的知识和看法,如有不同观点,请楼下排队吐槽
有疑问加站长微信联系(非本文作者))