如何解析含任意空格的TASM mov指令字符串至变量？

嘿，我来帮你搞定这个MOV指令解析的问题！看起来你需要一个能处理汇编里MOV指令字符串的解释器，不管输入里有多少空格，都能精准提取出两个操作数opr1和opr2，甚至能从多条指令的混合字符串里挑出MOV指令来解析对吧？

下面我一步步给你讲思路和具体实现：

第一步：先给输入字符串“洗个澡”——预处理 #

不管输入里有多少连续空格、首尾空格，咱们先统一处理成干净的格式：把所有空白字符（空格、制表符啥的）替换成单个空格，再去掉字符串首尾的空白。这一步用正则表达式就能轻松搞定，比如用\s+匹配所有连续空白，替换成单个空格，再trim一下。

举个例子：

• 输入mov cs, ax → 处理后变成mov cs, ax
• 输入mov ah, 09h mov dx, offset entstr int 21h → 处理后变成mov ah, 09h mov dx, offset entstr int 21h

第二步：区分单条MOV指令和多条指令的情况 #

情况1：输入是单条MOV指令 #

比如mov cs, 9或者mov cs, ax这种，咱们用一个简单的正则就能直接提取操作数：

^\s*mov\s+([^,]+),\s+(.+)\s*$

解释下这个正则：

• ^\s*：匹配开头的任意空格
• mov\s+：匹配MOV指令的助记符，后面跟至少一个空格
• ([^,]+)：捕获第一个操作数（直到遇到逗号），之后咱们再trim掉它前后可能带的空格
• ,\s+：匹配逗号和后面的空格
• (.+)：捕获第二个操作数，直到字符串结尾
• \s*$：匹配结尾的任意空格

情况2：输入是多条指令的混合字符串 #

比如你给的第一个例子mov ah, 09h mov dx, offset entstr int 21h，这里面有三条指令，咱们需要先把所有MOV指令挑出来，再分别解析操作数。用这个正则就能匹配所有MOV指令：

mov\s+([^,]+),\s+(.+?)(?=\s+(?:mov|int|ret|call|\Z))

这个正则的关键是用了正向预查(?=\s+(?:mov|int|ret|call|\Z))，它会确保匹配的MOV指令后面要么是另一条指令（比如int、call），要么是字符串结尾，这样就不会把后续指令的内容误当成当前MOV的操作数。

第三步：具体代码实现（以Python为例） #

我写了个示例函数，能同时处理单条和多条指令的情况，你可以参考：

import re

def parse_mov_instruction(input_str):
    # 预处理：统一空白格式
    cleaned_input = re.sub(r'\s+', ' ', input_str).strip()
    
    # 先尝试匹配单条MOV指令
    single_mov_regex = r'^mov\s+([^,]+),\s+(.+)$'
    single_match = re.match(single_mov_regex, cleaned_input, re.IGNORECASE)
    if single_match:
        # 提取操作数并去掉多余空格
        opr1 = single_match.group(1).strip()
        opr2 = single_match.group(2).strip()
        return {"opr1": opr1, "opr2": opr2}
    
    # 如果是多条指令，提取所有MOV指令
    multi_mov_regex = r'mov\s+([^,]+),\s+(.+?)(?=\s+(?:mov|int|ret|call|\Z))'
    multi_matches = re.finditer(multi_mov_regex, cleaned_input, re.IGNORECASE)
    
    result_list = []
    for match in multi_matches:
        opr1 = match.group(1).strip()
        opr2 = match.group(2).strip()
        result_list.append({"opr1": opr1, "opr2": opr2})
    
    return result_list

# 测试几个示例
print(parse_mov_instruction("mov ah, 09h mov dx, offset entstr int 21h"))
# 输出：[{'opr1': 'ah', 'opr2': '09h'}, {'opr1': 'dx', 'opr2': 'offset entstr'}]

print(parse_mov_instruction("mov cs, 9"))
# 输出：{'opr1': 'cs', 'opr2': '9'}

print(parse_mov_instruction(" mov cs, ax "))
# 输出：{'opr1': 'cs', 'opr2': 'ax'}

一些额外的小提示 #

• 我加了re.IGNORECASE标志，这样不管输入是mov还是MOV都能匹配到，更灵活。
• 如果需要处理更复杂的操作数（比如mov [bx+si], 0x1234这种带括号的内存地址），可以把正则里的[^,]+改成([\w\[\]+-]+)，这样就能匹配包含括号、加减号的操作数了。
• 如果你的解释器是用其他语言写的（比如C++、Java），思路是一样的，只是正则的语法细节略有不同，核心都是预处理+正则匹配提取。

内容的提问来源于stack exchange，提问作者Dmitry Sokolov