Perché i nomi delle variabili non possono iniziare con i numeri?

Stavo lavorando con un nuovo sviluppatore C ++ qualche tempo fa quando mi ha posto la domanda: "Perché i nomi delle variabili non possono iniziare con i numeri?"

Non sono riuscito a trovare una risposta, tranne per il fatto che alcuni numeri possono contenere del testo (123456L, 123456U) e ciò non sarebbe possibile se i compilatori pensassero che tutto con una certa quantità di caratteri alfa fosse un nome variabile.

Era la risposta giusta? Ci sono altri motivi?

string 2BeOrNot2Be = "that is the question"; // Why won't this compile?

Perché allora una stringa di cifre sarebbe un identificatore valido e un numero valido.

int 17 = 497;
int 42 = 6 * 9;
String 1111 = "Totally text";

Bene, pensa a questo:

int 2d = 42;
double a = 2d;

Che cos'è un? 2.0? o 42?

Suggerimento, se non lo capisci, d dopo un numero indica il numero prima che sia un doppio letterale

Ora è una convenzione, ma è nata come requisito tecnico.

Ai vecchi tempi, i parser di lingue come FORTRAN o BASIC non richiedevano l'uso degli spazi. Quindi, sostanzialmente, i seguenti sono identici:

10 V1=100
20 PRINT V1

e

10V1=100
20PRINTV1

Supponiamo ora che siano consentiti prefissi numerici. Come lo interpreteresti?

101V=100

come

10 1V = 100

o come

101 V = 100

o come

1 01V = 100

Quindi, questo è stato reso illegale.

Perché il backtracking è evitato nell'analisi lessicale durante la compilazione. Una variabile come:

Apple;

il compilatore saprà subito che è un identificatore quando incontra la lettera "A".

Tuttavia una variabile come:

123apple;

il compilatore non sarà in grado di decidere se si tratta di un numero o identificatore fino a quando non raggiunge "a" e, di conseguenza, deve tornare indietro.

Compilatori / parser / analizzatori lessicali sono stati molto, molto tempo fa per me, ma penso di ricordare che ci sono difficoltà nel determinare in modo inequivocabile se un carattere numerico nell'unità di compilazione rappresentasse un letterale o un identificatore.

Le lingue in cui lo spazio è insignificante (come ALGOL e l'originale FORTRAN se ricordo bene) non potevano accettare numeri per iniziare identificatori per quel motivo.

Questo risale a prima - prima delle notazioni speciali per indicare la memoria o la base numerica.

Sono d'accordo che sarebbe utile consentire agli identificatori di iniziare con una cifra. Una o due persone hanno detto che puoi aggirare questa limitazione anteponendo un carattere di sottolineatura al tuo identificatore, ma è davvero brutto.

Penso che parte del problema derivi da numeri letterali come 0xdeadbeef, che rendono difficile elaborare regole facili da ricordare per gli identificatori che possono iniziare con una cifra. Un modo per farlo potrebbe essere quello di consentire qualsiasi cosa corrispondente [A-Za-z _] + che NON sia una parola chiave o un numero letterale. Il problema è che porterebbe a cose strane come 0xdeadpork, ma non 0xdeadbeef. In definitiva, penso che dovremmo essere onesti con tutte le carni: P.

Quando ho iniziato a studiare C, ricordo di aver sentito che le regole per i nomi delle variabili erano arbitrarie e restrittive. Peggio ancora, erano difficili da ricordare, quindi ho rinunciato a cercare di impararli. Ho appena fatto ciò che mi sembrava giusto e ha funzionato abbastanza bene. Ora che ho imparato molto di più, non sembra poi così male e alla fine sono riuscito a impararlo nel modo giusto.

È probabile che sia stata presa una decisione per alcuni motivi, quando stai analizzando il token devi solo guardare il primo carattere per determinare se si tratta di un identificatore o letterale e quindi inviarlo alla funzione corretta per l'elaborazione. Quindi questa è un'ottimizzazione delle prestazioni.

L'altra opzione sarebbe quella di verificare se non è un valore letterale e lasciare il dominio degli identificatori come l'universo meno i letterali. Ma per fare questo dovresti esaminare ogni personaggio di ogni token per sapere come classificarlo.

Ci sono anche implicazioni stilistiche che gli identificatori dovrebbero essere mnemonici, quindi le parole sono molto più facili da ricordare dei numeri. Quando molte delle lingue originali venivano scritte impostando gli stili per i prossimi decenni, non stavano pensando di sostituire "2" con "a".

I nomi delle variabili non possono iniziare con una cifra, perché possono causare alcuni problemi come di seguito:

int a = 2;
int 2 = 5;
int c = 2 * a; 

qual è il valore di c? è 4 o è 10!

un altro esempio:

float 5 = 25;
float b = 5.5;

è il primo 5 un numero o è un oggetto (. operator) C'è un problema simile con il secondo 5.

Forse, ci sono altri motivi. Quindi, non dovremmo usare nessuna cifra all'inizio di un nome di variabile.

L'uso di una cifra per iniziare un nome di variabile rende molto più complicato il controllo degli errori durante la compilazione o l'interpretazione.

Consentire l'uso di nomi di variabili iniziati come un numero probabilmente causerebbe enormi problemi ai progettisti del linguaggio. Durante l'analisi del codice sorgente, ogni volta che un compilatore / interprete incontrava un token che iniziava con una cifra in cui era previsto un nome di variabile, avrebbe dovuto cercare un insieme enorme e complicato di regole per determinare se il token era davvero una variabile o un errore . La complessità aggiunta al parser di lingua potrebbe non giustificare questa funzionalità.

Per quanto io possa ricordare (circa 40 anni), non penso di aver mai usato una lingua che permettesse l'uso di una cifra per iniziare i nomi delle variabili. Sono sicuro che questo è stato fatto almeno una volta. Forse qualcuno qui l'ha visto da qualche parte.

Come diverse persone hanno notato, c'è un sacco di bagaglio storico sui formati validi per i nomi delle variabili. E i progettisti di lingue sono sempre influenzati da ciò che sanno quando creano nuove lingue.

Detto questo, praticamente tutte le volte che una lingua non consente ai nomi di variabili di iniziare con i numeri è perché queste sono le regole del design della lingua. Spesso è perché una regola così semplice rende molto più semplice l'analisi e il lessing della lingua. Tuttavia, non tutti i progettisti di lingue sanno che questa è la vera ragione. I moderni strumenti di lexing aiutano, perché se hai provato a definirlo come ammissibile, ti daranno dei conflitti di analisi.

OTOH, se la tua lingua ha un carattere identificabile in modo univoco per annunciare i nomi delle variabili, è possibile impostarlo in modo che inizi con un numero. Variazioni di regole simili possono anche essere utilizzate per consentire spazi nei nomi delle variabili. Ma è probabile che la lingua risultante non assomigli molto a nessuna lingua convenzionale popolare, se non del tutto.

Per un esempio di un linguaggio di template HTML abbastanza semplice che permetta alle variabili di iniziare con numeri e avere spazi incorporati, guarda Qompose .

Perché se permetti alla parola chiave e all'identificatore di iniziare con caratteri numerici, il lexer (parte del compilatore) non potrebbe facilmente distinguere tra l'inizio di un letterale numerico e una parola chiave senza diventare molto più complicato (e più lento).

La restrizione è arbitraria. Vari Lisps consentono ai nomi dei simboli di iniziare con numeri.

COBOL consente alle variabili di iniziare con una cifra.

Il C ++ non può averlo perché i progettisti del linguaggio lo hanno reso una regola. Se dovessi creare la tua lingua, potresti certamente permetterlo, ma probabilmente incontreresti gli stessi problemi che hanno fatto e deciderai di non permetterlo. Esempi di nomi di variabili che potrebbero causare problemi:

0x, 2d, 5555

Uno dei problemi chiave riguardanti il ​​rilassamento delle convenzioni sintattiche è che introduce dissonanza cognitiva nel processo di codifica. Il modo in cui pensi al tuo codice potrebbe essere profondamente influenzato dalla mancanza di chiarezza che ciò introdurrebbe.

Non è stato Dykstra a dire che "l'aspetto più importante di qualsiasi strumento è il suo effetto sul suo utente"?

Probabilmente perché rende più facile per l'essere umano capire se si tratta di un numero o di un identificatore e per tradizione. Avere identificatori che potrebbero iniziare con una cifra non complicherebbe molto le scansioni lessicali.

Non tutte le lingue hanno vietato gli identificatori che iniziano con una cifra. In Forth, potevano essere numeri e piccoli numeri interi venivano normalmente definiti come parole Forth (essenzialmente identificatori), poiché era più veloce leggere "2" come una routine per spingere un 2 nello stack piuttosto che riconoscere "2" come un numero il cui valore era 2. (Nell'elaborare l'input dal programmatore o dal blocco del disco, il sistema Forth suddivideva l'input in base agli spazi. Provava a cercare il token nel dizionario per vedere se era una parola definita, e in caso contrario tenterebbe di tradurlo in un numero e in caso contrario segnalerebbe un errore.)

Supponiamo che tu abbia permesso ai nomi dei simboli di iniziare con i numeri. Supponiamo ora di voler nominare una variabile 12345foobar. Come lo differenzeresti da 12345? In realtà non è terribilmente difficile fare con un'espressione regolare. Il problema è in realtà quello delle prestazioni. Non riesco davvero a spiegare perché questo sia molto dettagliato, ma essenzialmente si riduce al fatto che la differenziazione di 12345foobar da 12345 richiede il backtracking. Questo rende l'espressione regolare non deterministica.

C'è una spiegazione molto migliore di questo qui .

è facile per un compilatore identificare una variabile usando ASCII sulla posizione della memoria piuttosto che il numero.

Il compilatore ha 7 fasi come segue:

1. Analisi lessicale
2. Analisi della sintassi
3. Analisi semantica
4. Generazione di codice intermedio
5. Ottimizzazione del codice
6. Generazione di codice
7. Tabella dei simboli

Il backtracking viene evitato nella fase di analisi lessicale durante la compilazione del pezzo di codice. La variabile come Apple, il compilatore saprà subito che è un identificatore quando incontra il carattere lettera "A" nella fase di analisi lessicale. Tuttavia, una variabile come 123apple, il compilatore non sarà in grado di decidere se è un numero o identificatore fino a quando non colpisce "a" e deve tornare indietro per passare alla fase di analisi lessicale per identificare che si tratta di una variabile. Ma non è supportato nel compilatore.

Quando analizzi il token devi solo guardare il primo carattere per determinare se si tratta di un identificatore o letterale e quindi inviarlo alla funzione corretta per l'elaborazione. Quindi questa è un'ottimizzazione delle prestazioni.

Penso che la semplice risposta sia che può, la restrizione è basata sul linguaggio. In C ++ e molti altri non può perché la lingua non lo supporta. Non è integrato nelle regole per consentirlo.

La domanda è simile alla domanda: perché il re non può spostare quattro spazi alla volta negli scacchi? È perché negli scacchi questa è una mossa illegale. Può in un altro gioco sicuro. Dipende solo dalle regole che vengono giocate.

Inizialmente era semplicemente perché è più facile ricordare (si può dare più significato) nomi di variabili come stringhe anziché numeri sebbene i numeri possano essere inclusi nella stringa per migliorare il significato della stringa o consentire l'uso dello stesso nome di variabile ma hanno designato come avere un significato o un contesto separato, ma vicino. Ad esempio loop1, loop2 etc ti farebbero sempre sapere che eri in un loop e / o loop 2 era un loop all'interno di loop1. Quale preferiresti (ha più significato) come variabile: indirizzo o 1121298? Quale è più facile da ricordare? Tuttavia, se la lingua utilizza qualcosa per indicare che non è solo testo o numeri (come l'indirizzo $ in $), in realtà non dovrebbe fare la differenza poiché ciò direbbe al compilatore che ciò che segue deve essere trattato come una variabile ( in questo caso).

La variabile può essere considerata come un valore anche durante il tempo di compilazione dal compilatore, quindi il valore può richiamare il valore più e più volte in modo ricorsivo

Il backtracking viene evitato nella fase di analisi lessicale durante la compilazione del pezzo di codice . La variabile come Apple; , il compilatore saprà subito che è un identificatore quando incontra il carattere lettera "A" nella fase di analisi lessicale. Tuttavia, una variabile come 123apple; , il compilatore non sarà in grado di decidere se è un numero o identificatore fino a quando non raggiunge "a" e deve tornare indietro per passare alla fase di analisi lessicale per identificare che è una variabile. Ma non è supportato nel compilatore.

Riferimento

Non potrebbe esserci nulla di sbagliato in questo quando si tratta di dichiarare variabile. Ma c'è qualche ambiguità quando si tenta di utilizzare quella variabile da qualche altra parte in questo modo:

let 1 = "Ciao mondo!" stampa (1) stampa (1)

print è un metodo generico che accetta tutti i tipi di variabili. quindi in quella situazione il compilatore non sa a quale (1) fa riferimento il programmatore: 1 di valore intero o 1 che memorizza un valore di stringa. forse meglio per il compilatore in questa situazione per consentire di definire qualcosa del genere, ma quando si tenta di utilizzare questa roba ambigua, portare un errore con capacità di correzione a come correggere l'errore e cancellare questa ambiguità.