Flex如何仅在文件开头匹配规则 能否修改默认INITIAL起始条件

正在开发脚本语言解释器，需要支持处理（忽略）shebang、UTF BOM这类仅可能出现在文件开头的内容。
核心需求：随着语法规则不断扩充，无法保证后续不会出现能匹配上述前缀内容的规则，为保证程序可靠性，需要实现这类特殊规则仅在文件起始位置生效匹配。

以shebang匹配为例的示例语法可复现当前问题：
词法规则代码（Flex实现）：

%%

#!.+            { printf("shebang: \"%s\"\n", yytext + 2); }

[[:alnum:]_]+   { printf("id: %s\n", yytext); return 1; }
#[^#]*#         { printf("thingy: \"%s\"\n", yytext); return 2; }
[[:space:]]     ;   
.               { printf("error: '%c'\n", yytext[0]); }

%%

int main() { while (yylex()); return 0; }
int yywrap() { return 1; }

测试输入文件内容：

#!my-program
# some multiline
thingy #
aaa bbb 
ccc#!not a shebang#ddd
eee

预期输出结果：

shebang: "my-program"
thingy: "# some multiline
thingy #"
id: aaa 
id: bbb 
id: ccc 
thingy: "#!not a shebang#"
id: ddd 
id: eee

实际运行输出：

thingy: "#!my-program
#"
id: some
id: multiline
id: thingy
thingy: "#
aaa bbb 
ccc#"
error: '!' 
id: not 
id: a
id: shebang
error: '#' 
id: ddd 
id: eee

尝试使用*start conditions（起始条件）*实现需求，可正常运行的词法规则如下，但实现方式非常不优雅：

%s MAIN

%%

<INITIAL>#!.+   { printf("shebang: \"%s\"\n", yytext + 2); BEGIN(MAIN); }
<INITIAL>""/(?s:.) { BEGIN(MAIN); }

[[:alnum:]_]+   { printf("id: %s\n", yytext); return 1; }
<MAIN>#[^#]*#   { printf("thingy: \"%s\"\n", yytext); return 2; }
[[:space:]]     ;   
.               { printf("error: '%c'\n", yytext[0]); }

%%

int main() { while (yylex()); return 0; }
int yywrap() { return 1; }

该方案的问题：必须为#[^#]*#规则显式指定MAIN起始条件，否则会和shebang规则#!.+产生匹配冲突。但INITIAL属于包容性起始条件，所有未显式指定状态的规则默认都会在INITIAL状态下生效，必须手动将所有可能产生冲突的规则排除在INITIAL状态外，每次新增规则都需要做这一检查，极易因遗忘引发bug。

核心诉求：是否有方法可以将INITIAL设置为排他性起始条件，或者指定其他起始条件作为词法分析器的默认初始状态？

不需要修改INITIAL状态的默认属性，使用排他性起始条件即可零成本解决问题：

1. 用%x定义排他性起始状态（该状态下只有显式标记对应状态的规则会生效，其余普通规则完全不参与匹配），专门用来处理文件开头的特殊内容（shebang、BOM等）
2. 在词法分析器入口处指定默认进入该特殊状态，匹配完所有开头特殊内容后，将当前读取到的非特殊字符回退到输入流，切换回默认INITIAL状态即可，后续所有普通规则不需要加任何状态标记，完全不会和开头特殊规则产生冲突。

修正后可直接运行的代码如下：

/* 定义排他性起始状态，专门处理文件头特殊内容 */
%x HEADER_SCAN
%option noyywrap
%%
    /* 词法分析器启动时默认进入文件头扫描状态，兼容所有版本Flex/Lex */
    BEGIN(HEADER_SCAN);

/* 文件头特殊匹配规则，后续新增仅开头生效的规则直接加在这里即可 */
<HEADER_SCAN>^\xEF\xBB\xBF  { /* 匹配UTF-8 BOM，直接忽略 */ }
<HEADER_SCAN>^#!.+          { printf("shebang: \"%s\"\n", yytext + 2); }
<HEADER_SCAN>.|[\n\r]       { /* 匹配到任意非文件头特殊字符，回退字符流，切换到正常扫描状态 */
                                yyless(0);
                                BEGIN(INITIAL);
                            }

/* 以下所有普通规则不需要加任何状态标记，仅在INITIAL状态生效，新增规则无需额外做冲突检查 */
[[:alnum:]_]+   { printf("id: %s\n", yytext); return 1; }
#[^#]*#         { printf("thingy: \"%s\"\n", yytext); return 2; }
[[:space:]]     ;   
.               { printf("error: '%c'\n", yytext[0]); }

%%
int main() { while (yylex()); return 0; }

该方案的优势：

• 完全不改动原有普通词法规则的写法，新增规则时不需要额外检查是否和文件头规则冲突
• 文件头特殊规则统一维护，后续需要支持其他仅开头生效的匹配逻辑（比如UTF-16/UTF-32 BOM、自定义文件魔数）只需要在HEADER_SCAN状态下新增规则即可
• 字符回退逻辑不会丢失输入内容，匹配逻辑和预期完全一致

内容的提问来源于stack exchange，提问作者Piotr Siupa