直接说结论：用 enum class 状态 + std::map 查表实现迁移，配合 std::string_view 无拷贝扫描和双游标回退机制，是兼顾可读性、可维护性与性能的合理起点；避免嵌套 if-else 和硬编码跳转，每个状态只响应当前字符并明确返回下一状态或错误。
如何用 C++ 实现一个可读、可维护的状态机驱动词法分析器
直接说结论：不用手写 switch-case 堆叠状态跳转，也不用硬编码所有转移边；用 std::map 或 enum class + 查表方式组织状态迁移，配合 std::string_view 做无拷贝扫描，是兼顾清晰性与性能的合理起点。
很多人一上来就写几十个 if-else if 套嵌在 while (state != FINAL) 里，结果加个注释都难对齐，改个数字字面量还要翻三页——这不是状态机，这是状态迷宫。
- 核心状态建议用
enum class TokenState { Start, InNumber, InIdentifier, InString, Comment, Error }，避免 magic number - 每个状态只负责「当前字符能触发什么动作」，不处理跨状态逻辑（比如「读到
/后要立刻看下一个是不是*」这种判断应放在InSlash状态里，而不是塞进Start） - 迁移函数签名推荐：
std::optional<tokenstate> transition(TokenState cur, char c)</tokenstate>，返回std::nullopt表示非法输入，比返回特殊枚举值更安全
为什么 std::string_view 比 const std::string& 更适合词法扫描
因为你要反复取子串、跳过空白、切出标识符——这些操作如果基于 std::string，每次 .substr() 都触发内存分配和拷贝；而 std::string_view 只存指针+长度，source.substr(pos, len) 是 O(1)。
但注意两个坑：
立即学习“C++免费学习笔记（深入）”；
- 源字符串生命周期必须长于所有
std::string_view实例，别传临时std::string("abc")的.sv()给分析器 -
std::string_view::data()不保证以\0结尾，所以不能直接传给 C 风格函数（如strtol），需要用std::string{sv}临时构造（仅在需要时） - 判断空白字符别写
c == ' ' || c == '\t'，用std::isspace(static_cast<unsigned char>(c))</unsigned>，否则在某些 locale 下会误判
transition 表怎么设计才不容易漏边、不重复定义
别把整个转移表写成二维数组（table[StateCount][256]），内存浪费且难调试。用嵌套 std::map 或结构体数组更可控：
const std::map<TokenState, std::map<char, TokenState>> TRANSITIONS = {
{TokenState::Start, {
{'0', TokenState::InNumber},
{'1', TokenState::InNumber},
// ... 0-9 都映射到 InNumber
{'a', TokenState::InIdentifier},
{'_', TokenState::InIdentifier},
{'"', TokenState::InString},
{'/', TokenState::InSlash},
}},
{TokenState::InSlash, {
{'*', TokenState::InBlockComment},
{'/', TokenState::InLineComment},
{default: TokenState::Error}, // 这里需自定义 fallback 处理
}},
};
实际使用时，查表前先检查 TRANSITIONS.at(cur).count(c)，没命中再走默认分支（比如回退、报错或接受当前 token）。这样新增状态只需扩 map，不碰已有逻辑。
数字字面量和标识符共用起始状态时怎么区分
关键不在「第一个字符」，而在「第二个字符是否合法」。例如 123abc 应该分出 123 和 abc 两个 token，不是报错；而 123.45.67 中第二个 . 就非法。
-
InNumber状态要区分整数、小数点后、指数部分（e/E）、符号位，每种子状态对应不同转移规则 - 遇到非数字字符（如字母）时，不直接跳
Error，而是「回退一个位置」，把当前 token 类型设为Number，然后从该位置重新进入Start—— 这需要保存pos和start_pos两个游标 - 标识符允许下划线开头但不允许纯数字（
_123合法，123_在数字状态里已截断），这个判断必须在退出InNumber后、进入InIdentifier前做一次校验
最常被忽略的是「回退机制」：没有它，if(x==1) 里的 x==1 会被扫成 x= + =1，等于把双等号拆错了。状态机本身不保存上下文，游标控制全靠你手动管理。
