如何编写Lex程序检测并统计全大写单词？

你的原代码存在逻辑缺陷，会把混合大小写单词里的连续大写片段误判为全大写单词，比如"tODAY"里的"ODAY"会被错误计数。问题出在原正则[A-Z]+[^a-z][ \t\n]只检查了大写字母后面的字符不是小写字母+空白，但没确保整个单词从开头到结尾都是大写字母。

修正后的代码方案一（通用Lex兼容） #

%{
    int capital_count = 0;
%}

%%
(^|[^a-zA-Z])[A-Z]+([^a-zA-Z]|$)   { capital_count++; }
.|\n                               ; // 忽略所有非目标字符，包括换行
%%

int main() {
    yylex();
    printf("Number of capital words: %d\n", capital_count);
    return 0;
}

正则逻辑说明：

• (^|[^a-zA-Z])：匹配行首，或者非字母字符，确保目标单词前面不是字母（避免截取混合单词的大写部分）
• [A-Z]+：匹配一个或多个连续大写字母，这是我们要统计的全大写单词主体
• ([^a-zA-Z]|$)：匹配非字母字符或行尾，确保目标单词后面不是字母（避免混合单词的后续部分干扰）

修正后的代码方案二（GNU Flex简化版） #

如果使用GNU Flex（多数环境默认的Lex实现），可以利用内置的单词边界语法\<和\>，代码更简洁：

%{
    int capital_count = 0;
%}

%%
\<[A-Z]+\>   { capital_count++; }
.|\n         ; // 忽略其他字符
%%

int main() {
    yylex();
    printf("Number of capital words: %d\n", capital_count);
    return 0;
}

\<表示单词的起始边界（前面是非单词字符，如空格、标点、行首），\>表示单词的结束边界（后面是非单词字符），这样能精准匹配完全由大写字母组成的独立单词，不会误判混合大小写的情况。

内容的提问来源于stack exchange，提问作者Chunxin Tan