Perché così tante lingue limitano le stringhe letterali a una singola riga sorgente? [chiuso]

FWIW, Ocaml accetta una forma limitata di stringa letterale a più righe:

String literals are delimited by " (double quote) characters. The two double quotes enclose a sequence of either characters different from " and \, or escape sequences from the table given above for character literals.

To allow splitting long string literals across lines, the sequence \newline spaces-or-tabs (a backslash at the end of a line followed by any number of spaces and horizontal tabulations at the beginning of the next line) is ignored inside string literals.

e C ++ 11 ha valori letterali stringa raw in modo da poter codificare:

const char* s1 = R"foo(
Hello
World
)foo";

Quindi diverse lingue hanno alcuni modi per scrivere valori letterali multistringa.

Che cosa succede quando non significa avere una stringa multi-linea, ma hai invece dimenticato di chiudere la citazione?

Il parser masticherà il codice finché non raggiunge un'altra citazione in una parte completamente diversa del programma, quindi procederà normalmente. Ciò probabilmente causerà errori confusi e non correlati poiché la stringa non è più l'errore di analisi. Nel peggiore dei casi, ottieni un programma che si compila correttamente e fa qualcosa di completamente diverso.

Questo è aggravato dall'elaborazione parziale del codice nei moderni IDE. Mentre stai digitando la stringa, creerai questo scenario in modo naturale. Ciò farà sì che l'IDE lanci l'AST memorizzato nella cache poiché vede che un sacco di cose sono cambiate, portando a un intellisenso più lento (e costrutti simili).

Il preprocessore ha già dato un significato ai caratteri newline. Non è possibile annullarlo completamente a un livello superiore. Confronto:

char s1[] = "This is how macros work in C\nExample\n    #define IS_GOOD 1\n";

con

char s2[] = "This is how macros work in C
Example
    #define IS_GOOD 0
";

Chiaramente il secondo è più facile da leggere (in un ipotetico compilatore C che accetta valori letterali stringa multipli).

Inoltre non fa quello che ti aspettavi. s2 non contiene affatto un esempio di codice C, quello che hai effettivamente ottenuto è stato:

char s2[] = "This is how macros work in C\nExample\n";

oops.

Oppure, puoi anche cambiare la grammatica del preprocessore, rendendola consapevole delle quotazioni. Quindi si perde la possibilità di espandere macro a definizioni contenenti virgolette. Quasi niente di meglio.

Le cose che causano risultati inaspettati e confusi non sono caratteristiche desiderabili.

Non posso rispondere sul "perché"; per quanto ne so i progettisti di linguaggi tendono a copiare le "cose cattive" tante volte quanto le "cose buone" quando progettano una lingua basata su altre lingue.

Devo dire che usare RegEx per analizzare il tuo codice non è il modo migliore per farlo e scrivere un parser che possa tenere traccia delle stringhe multilinea potrebbe essere più difficile di quanto ti aspetteresti, specialmente se l'indentazione fa parte di la lingua.

Ciò che posso dire sulla progettazione di un nuovo formato di stringa è di non usare nemmeno la virgoletta doppia " . Se dovessi progettare una lingua, userei le parentesi per incapsulare "content" e implementare una funzione nella libreria standard in questo modo:

let foo = String(This is my string which can be multiline and does not
                 need escape characters for anything other than \( and \).)