The Flex Lexical Analyzer/Exercise 7 - Text processing

The Problem (in Portuguese)

Pretende-se converter texto escrito em português antigo para o novo acordo ortográfico. O programa a desenvolver recebe, na entrada padrão, o conteúdo a processar. Como resultado da execução do programa, produz, na saída padrão, o texto modificado. Para simplificar, consideram-se apenas algumas regras e consideram-se apenas letras minúsculas, mas devem ser suportadas as diferenças ainda existentes entre o português europeu (e PALOPs) e o português do Brasil:

• O acento circunflexo desaparece em êe e ôo. Exemplos: vêem e vôo.
• O trema na letra u (ü) desaparece quando precedido das letras g ou q e seguido pelas letras e ou i. Exemplo: seqüência muda para sequência.
• O hífen deixa de ser utilizado em palavras formadas de prefixos (ou falsos prefixos) terminados em vogal e palavras iniciadas por r ou s, sendo que essas devem ser dobradas. Exemplo: auto-sugestão muda para autossugestão.
• A consoantes mudas c e p, quando precedem t, c ou ç, passam a escrever-se apenas se pronunciadas. Assim, não são alteradas, em português europeu, facto ou sumptuoso nem, em português do Brasil, aspecto ou recepção (mas em português europeu passam a aspeto e receção). Nas sequências mpt, mpc ou mpç, o m passa a ser escrito n quando o p não se escreve. Exemplo: peremptório passa a perentório. Embora existam outras excepções, considere apenas os casos descritos.

O programa deve suportar comentários aninhados iniciados por << e terminados por >>. O texto comentado deve ser copiado inalterado para o terminal, suprimindo-se apenas as sequências de delimitação. Estes comentários são também utilizados para determinar, ao longo do texto, a variante de português a utilizar: <<pt_PT>> para português europeu e <<pt_BR>> para português do Brasil. O analisador inicia em português europeu. Notar que, nestes casos, os comentários contêm exclusivamente as letras indicadas, sem espaços, e não devem ser copiados para o terminal.

Apresente a especificação de um analisador lexical que possa ser processado pela ferramenta Flex, incluindo todas as rotinas auxiliares.

Solution

Download this code: acordo.l.

%option 8bit yylineno noyywrap stack
%{
#include <iostream>
%}
%x X_PT_PT X_PT_BR X_IGNORE
%%
              BEGIN(X_PT_PT);   /* initial state */

<*>"<<"                 yy_push_state(X_IGNORE);
<X_IGNORE>">>"          yy_pop_state();
<X_IGNORE>.|\n          ;  /* ignore */

<*>"<<pt_BR>>"          BEGIN(X_PT_BR);
<*>"<<pt_PT>>"          BEGIN(X_PT_PT);

        /* exceptions: european portuguese */
<X_PT_PT>{
  "facto"               ECHO;
  "sumptuoso"           ECHO;
}

        /* excepções: brazilian portuguese */
<X_PT_BR>{
  "aspecto"             ECHO;
  "recepção"            ECHO;
}

        /* rewrite rules for all variants */
<*>{
  "êe"                  std::cout << "ee";
  "ôo"                  std::cout << "oo";
  [gq]"ü"[eiê]          yytext[1] = 'u'; ECHO;
  [cp][cçt]             std::cout << (yytext+1);
  mp[cçt]               yytext[1] = 'n'; std::cout << (yytext+1);

  "auto-r"              std::cout << "autorr";
  "auto-s"              std::cout << "autoss";

  .|\n                  ECHO;
}

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