语法荧光笔使用的一般算法是什么？我在正则表达式中使用交替实现了一种简单的方法：
STRING_PATTERN|COMMENT_PATTERN|KEYWORD_PATTERNS
因为检测某个东西是字符串还是模式取决于哪个先出现：
// This is a "comment"
"This is a // string"
但是使用关键字会变得更加复杂。这种方法在我当前的实现中有效，但我不相信它是最佳的。
另一个问题是您突出显示的顺序。如果您在标识符/关键字之前突出显示数字，那么您可能会不小心突出显示关键字中的数字......
编辑：
我的插件现在在这里：http ://wordpress.org/extend/plugins/crayon-syntax-highlighter/
你可能很难用正则表达式来做到这一点，因为它不能帮助你的语法突出显示理解上下文，即正则表达式将匹配出现在任何地方的东西，无论它是否是更大可能匹配的一部分。
您需要研究诸如 Antlr 之类的解析器生成器——给定一个有效的、明确的语法——能够为您提供将这些细节考虑在内的令牌。例如，如果注释被定义为“//”直到 EOL，它将返回一个注释标记，它将取代任何字符串字符或内部的任何内容。
像这样的解析器的标准方法是一次读取一个字符流（或更具体地说是标记），因此突出显示不取决于您定义的规则的顺序，而是它们在流中出现的顺序。
例如，一个字符串可以是两个双引号以及介于两者之间的所有内容（另一个双引号除外）。注释是两个斜杠以及直到行尾的所有内容。
解析时，如果你找到一个双引号，那么你的程序会进入“我认为它是一个字符串”模式，一旦它找到匹配的结束引号，它就会确认一个字符串标记，并返回它以突出显示。类似地，如果它找到两个斜杠，那么它会搜索直到找到一个行尾（实际上是文件尾），然后将其作为突出显示的标记返回。
当有多个可能的匹配规则时，它会变得更加复杂，例如单行和多行注释。如果您抓取一个斜杠字符，您的程序需要读取另一个字符才能拒绝其中的一些选项，即直到它获得第二个斜杠或 * 时，它才会知道它在哪种标记中。
从根本上说，这一切都归结为状态机。你可以尝试构建自己的，或者你可以得到像 Antlr 这样的东西，给它一个语法，让它为你完成所有的工作。