海山数据库(He3DB)查询解析模块分析（二）：语法分析gram.y解析

### 引言
本文介绍查询解析的第二步：语法分析。语法分析是从词法分析器中获得带有属性的token后，根据tokens的属性匹配语法规则，最后获得一棵分析树。本文首先介绍词法分析基本原理，然后介绍海山数据库中使用的yacc工具，最后对语法分析gram.y进行解析。

基本原理

语法分析器识别模式的方法主要分为两种：自顶而下的分析方法和自底而上的分析方法。自顶而下的方法从分析树的根节点开始向叶节点构建，自底而上的方法反之，从叶节点开始构建。两种分析方法中，语法分析树总是按照从左到右的方式被扫描，每次通过词法分析器获得一个词法单元，如下图所示：

语法分析器依次从词法分析器中获得词法单元，类似于词法分析器中依次读入字符，然后从词法单元中匹配语法规则。

海山数据库中使用的yacc工具采用自底向上的方法，因此本文主要介绍该类方法。

在介绍该方法的具体实现之前，首先介绍文法的概念。

文法：

文法是描述词法、语法规则的工具。用一组规则严格定义句子的结构，一个例子如下：

E -> E + T | T
T -> T * F | F
F -> (E) | id

E是开始符号，代表了所描述语言的最顶层结构。所有合法的句子都是从开始符号开始推导得到的。

这里的每一个表达式被称为产生式，式中的|为或，表示E可以被E+T或者T替换。

产生式中的
E、T、F是非终结符号,相当于一个非叶节点，如T可以被进一步展开为T * F | F，而这里的id，+，*，（，）是终结符号,相当于一个叶节点，无法再被展开。

自底向上的文法分析过程可以被看做输入tokens规约为文法开始符号的过程。

假设由词法分析器获得的tokens属性为id*id，自底向上的分析流程如下：

第一次规约将最左边的id规约为F，得到F*id；

第二次规约将F规约为T，生成T*id；

第三次规约将id规约为F，得到T*F；

第四次规约将T*F规约为T；

第五次将T规约为E，到达文法开始符，规约结束。

在具体的实现中，采用了移入-规约的语法分析技术，使用一个栈来保存文法符号，使用输入缓存区来存放将要进行语法分析的其他符号，上面的例子具体的实现方式如下图所示：

step	栈	输入	动作
1	$	id*id	移入
2	$id	*id	按照F ->id规约
3	$F	*id	按照T -> F规约
4	$T	*id	移入
5	$T*