Lex Yacc

最新推荐文章于 2021-06-30 16:30:44 发布

Alan S1

最新推荐文章于 2021-06-30 16:30:44 发布

阅读量1.4k

点赞数

分类专栏：计算机其它文章标签： yacc compiler 终端 whitespace components token

计算机其它专栏收录该内容

2 篇文章

订阅专栏

Lex 代表 Lexical Analyzar 。 Yacc 代表 Yet Another Compiler Compiler 。让我们从 Lex 开始吧。

Lex

Lex 是一种生成扫描器的工具。扫描器是一种识别文本中的词汇模式的程序。这些词汇模式（或者常规表达式）在一种特殊的句子结构中定义，这个我们一会儿就要讨论。

一种匹配的常规表达式可能会包含相关的动作。这一动作可能还包括返回一个标记。当 Lex 接收到文件或文本形式的输入时，它试图将文本与常规表达式进行匹配。它一次读入一个输入字符，直到找到一个匹配的模式。如果能够找到一个匹配的模式， Lex 就执行相关的动作（可能包括返回一个标记）。另一方面，如果没有可以匹配的常规表达式，将会停止进一步的处理， Lex 将显示一个错误消息。

Lex 和 C 是强耦合的。一个 .lex 文件（ Lex 文件具有 .lex 的扩展名）通过 lex 公用程序来传递，并生成 C 的输出文件。这些文件被编译为词法分析器的可执行版本。

Lex 的常规表达式

常规表达式是一种使用元语言的模式描述。表达式由符号组成。符号一般是字符和数字，但是 Lex 中还有一些具有特殊含义的其他标记。下面两个表格定义了 Lex 中使用的一些标记并给出了几个典型的例子。

用 Lex 定义常规表达式

字符	含义
A-Z, 0-9, a-z	构成了部分模式的字符和数字。
.	匹配任意字符，除了 /n 。
-	用来指定范围。例如： A-Z 指从 A 到 Z 之间的所有字符。
[ ]	一个字符集合。匹配括号内的任意字符。如果第一个字符是 ^ 那么它表示否定模式。例如 : [abC] 匹配 a, b, 和 C 中的任何一个。
*	匹配 0 个或者多个上述的模式。
+	匹配 1 个或者多个上述模式。
?	匹配 0 个或 1 个上述模式。
$	作为模式的最后一个字符匹配一行的结尾。
{ }	指出一个模式可能出现的次数。例如 : A{1,3} 表示 A 可能出现 1 次或 3 次。
/	用来转义元字符。同样用来覆盖字符在此表中定义的特殊意义，只取字符的本意。
^	否定。
\|	表达式间的逻辑或。
"< 一些符号 >"	字符的字面含义。元字符具有。
/	向前匹配。如果在匹配的模版中的 “/” 后跟有后续表达式，只匹配模版中 “/” 前面的部分。如：如果输入 A01 ，那么在模版 A0/1 中的 A0 是匹配的。
( )	将一系列常规表达式分组。

常规表达式举例

常规表达式	含义
joke[rs]	匹配 jokes 或 joker 。
A{1,2}shis+	匹配 AAshis, Ashis, AAshi, Ashi 。
(A[b-e])+	匹配在 A 出现位置后跟随的从 b 到 e 的所有字符中的 0 个或 1 个。

Lex 中的标记声明类似 C 中的变量名。每个标记都有一个相关的表达式。（下表中给出了标记和表达式的例子。）使用这个表中的例子，我们就可以编一个字数统计的程序了。我们的第一个任务就是说明如何声明标记。

标记声明举例

标记	相关表达式	含义
数字 (number)	([0-9])+	1 个或多个数字
字符 (chars)	[A-Za-z]	任意字符
空格 (blank)	" "	一个空格
字 (word)	(chars)+	1 个或多个 chars
变量 (variable)	( 字符 )+( 数字 )( 字符 )( 数字 )*

Lex 编程

Lex 编程可以分为三步：

1. 以 Lex 可以理解的格式指定模式相关的动作。

2. 在这一文件上运行 Lex ，生成扫描器的 C 代码。

3. 编译和链接 C 代码，生成可执行的扫描器。

注意 : 如果扫描器是用 Yacc 开发的解析器的一部分，只需要进行第一步和第二步。关于这一特殊问题的帮助请阅读 Yacc 和将 Lex 和 Yacc 结合起来部分。

现在让我们来看一看 Lex 可以理解的程序格式。一个 Lex 程序分为三个段：第一段是 C 和 Lex 的全局声明，第二段包括模式（ C 代码），第三段是补充的 C 函数。例如 , 第三段中一般都有 main() 函数。这些段以 %% 来分界。那么，回到字数统计的 Lex 程序，让我们看一下程序不同段的构成。

C 和 Lex 的全局声明

这一段中我们可以增加 C 变量声明。这里我们将为字数统计程序声明一个整型变量，来保存程序统计出来的字数。我们还将进行 Lex 的标记声明。

字数统计程序的声明

       %{
         int wordCount = 0;
       %}
        chars        [A-za-z/_/'/./"]
        numbers      ([0-9])+
        delim        [" "/n/t]
        whitespace   {delim}+
        words        {chars}+
        %%

两个百分号标记指出了 Lex 程序中这一段的结束和三段中第二段的开始。

Lex 的模式匹配规则

让我们看一下 Lex 描述我们所要匹配的标记的规则。（我们将使用 C 来定义标记匹配后的动作。）继续看我们的字数统计程序，下面是标记匹配的规则。

字数统计程序中的 Lex 规则

     {words} { wordCount++; /*increase the word Count by one*/ }
     {whitespace} { /* do nothing*/ }
     {numbers} { /* one may want to add some processing here*/ }
   %%

C 代码

Lex 编程的第三段，也就是最后一段覆盖了 C 的函数声明（有时是主函数）。注意这一段必须包括 yywrap() 函数。 Lex 有一套可供使用的函数和变量。其中之一就是 yywrap 。一般来说， yywrap() 的定义如下例。我们将在高级 Lex 中探讨这一问题。

字数统计程序的 C 代码段

       void main()
        {
           yylex(); /* start the analysis*/
           printf(" No of words: %d/n", wordCount);
        }

        int yywrap()
        {
          return 1;
        }

上一节我们讨论了 Lex 编程的基本元素，它将帮助你编写简单的词法分析程序。在高级 Lex 这一节中我们将讨论 Lex 提供的函数，这样你就能编写更加复杂的程序了。

将它们全部结合起来

.lex 文件是 Lex 的扫描器。它在 Lex 程序中如下表示：

$ lex

这生成了 lex.yy.c 文件，它可以用 C 编译器来进行编译。它还可以用解析器来生成可执行程序，或者在链接步骤中通过选项 � ll 包含 Lex 库。

这里是一些 Lex 的标志：

-c表示 C 动作，它是缺省的。
-t写入 lex.yy.c 程序来代替标准输出。
-v提供一个两行的统计汇总。
-n不打印 -v 的汇总。

高级 Lex

Lex 有几个函数和变量提供了不同的信息，可以用来编译实现复杂函数的程序。下表中列出了一些变量和函数，以及它们的使用。详尽的列表请参考 Lex 或 Flex 手册（见后文的资源）。

Lex 变量

yyin	FILE* 类型。它指向 lexer 正在解析的当前文件。
yyout	FILE* 类型。它指向记录 lexer 输出的位置。缺省情况下， yyin 和 yyout 都指向标准输入和输出。
yytext	匹配模式的文本存储在这一变量中（ char* ）。
yyleng	给出匹配模式的长度。
yylineno	提供当前的行数信息。（ lexer 不一定支持。）

Lex 函数

yylex()	这一函数开始分析。它由 Lex 自动生成。
yywrap()	这一函数在文件（或输入）的末尾调用。如果函数的返回值是 1 ，就停止解析。因此它可以用来解析多个文件。代码可以写在第三段，这就能够解析多个文件。方法是使用 yyin 文件指针（见上表）指向不同的文件，直到所有的文件都被解析。最后， yywrap() 可以返回 1 来表示解析的结束。
yyless(int n)	这一函数可以用来送回除了前 n 个字符外的所有读出标记。
yymore()	这一函数告诉 Lexer 将下一个标记附加到当前标记后。

对 Lex 的讨论就到这里。

Yacc

Yacc 代表 Yet Another Compiler Compiler 。 Yacc 的 GNU 版叫做 Bison 。它是一种工具，将任何一种编程语言的所有语法翻译成针对此种语言的 Yacc 语法解析器。它用巴科斯范式 (BNF, Backus Naur Form) 来书写。按照惯例， Yacc 文件有 .y 后缀。编译行如下调用 Yacc 编译器：

$ yacc

在进一步阐述以前，让我们复习一下什么是语法。在上一节中，我们看到 Lex 从输入序列中识别标记。如果你在查看标记序列，你可能想在这一序列出现时执行某一动作。这种情况下有效序列的规范称为语法。 Yacc 语法文件包括这一语法规范。它还包含了序列匹配时你想要做的事。

为了更加说清这一概念，让我们以英语为例。这一套标记可能是：名词 , 动词 , 形容词等等。为了使用这些标记造一个语法正确的句子，你的结构必须符合一定的规则。一个简单的句子可能是名词 + 动词或者名词 + 动词 + 名词。 ( 如 I care. See spot run.)

所以在我们这里，标记本身来自语言（ Lex ），并且标记序列允许用 Yacc 来指定这些标记 ( 标记序列也叫语法 ) 。

终端和非终端符号

终端符号 : 代表一类在语法结构上等效的标记。终端符号有三种类型：

命名标记 : 这些由 %token 标识符来定义。按照惯例，它们都是大写。

字符标记 : 字符常量的写法与 C 相同。例如 , -- 就是一个字符标记。

字符串标记 : 写法与 C 的字符串常量相同。例如， "<<" 就是一个字符串标记。

lexer 返回命名标记。

非终端符号 : 是一组非终端符号和终端符号组成的符号。按照惯例，它们都是小写。在例子中， file 是一个非终端标记而 NAME 是一个终端标记。

用 Yacc 来创建一个编译器包括四个步骤：

1. 通过在语法文件上运行 Yacc 生成一个解析器。

2. 说明语法：

o 编写一个 .y 的语法文件（同时说明 C 在这里要进行的动作）。

o 编写一个词法分析器来处理输入并将标记传递给解析器。这可以使用 Lex 来完成。

o 编写一个函数，通过调用 yyparse() 来开始解析。

o 编写错误处理例程（如 yyerror() ）。

3. 编译 Yacc 生成的代码以及其他相关的源文件。

4. 将目标文件链接到适当的可执行解析器库。

用 Yacc 编写语法

如同 Lex 一样 , 一个 Yacc 程序也用双百分号分为三段。它们是：声明、语法规则和 C 代码。我们将解析一个格式为姓名 = 年龄的文件作为例子，来说明语法规则。我们假设文件有多个姓名和年龄，它们以空格分隔。在看 Yacc 程序的每一段时，我们将为我们的例子编写一个语法文件。

C 与 Yacc 的声明

C 声明可能会定义动作中使用的类型和变量，以及宏。还可以包含头文件。每个 Yacc 声明段声明了终端符号和非终端符号（标记）的名称，还可能描述操作符优先级和针对不同符号的数据类型。 lexer (Lex) 一般返回这些标记。所有这些标记都必须在 Yacc 声明中进行说明。

在文件解析的例子中我们感兴趣的是这些标记： name, equal sign, 和 age 。 Name 是一个完全由字符组成的值。 Age 是数字。于是声明段就会像这样：

文件解析例子的声明

        {%
        #typedef char* string; /* to specify token types as char* */
        #define YYSTYPE string /* a Yacc variable which has the value of returned token */
        %}

%token NAME EQ AGE

你可能会觉得 YYSTYPE 有点奇怪。但是类似 Lex, Yacc 也有一套变量和函数可供用户来进行功能扩展。 YYSTYPE 定义了用来将值从 lexer 拷贝到解析器或者 Yacc 的 yylval （另一个 Yacc 变量）的类型。默认的类型是 int 。由于字符串可以从 lexer 拷贝，类型被重定义为 char* 。关于 Yacc 变量的详细讨论，请参考 Yacc 手册（见资源）。

Yacc 语法规则

Yacc 语法规则具有以下一般格式：

       result: components
      { /* action to be taken in C */ }
        ;

在这个例子中， result 是规则描述的非终端符号。 Components 是根据规则放在一起的不同的终端和非终端符号。如果匹配特定序列的话 Components 后面可以跟随要执行的动作。考虑如下的例子：

param : NAME EQ NAME {

printf("/tName:%s/tValue(name):%s/n", $1,$3);}

| NAME EQ VALUE{

printf("/tName:%s/tValue(value):%s/n",$1,$3);}

;

如果上例中序列 NAME EQ NAME 被匹配，将执行相应的 { } 括号中的动作。这里另一个有用的就是 $1 和 $3 的使用 , 它们引用了标记 NAME 和 NAME （或者第二行的 VALUE ）的值。 lexer 通过 Yacc 的变量 yylval 返回这些值。标记 NAME 的 Lex 代码是这样的：

char [A-Za-z]

name {char}+

{name} {

yylval = strdup(yytext);

return NAME;

}

文件解析例子的规则段是这样的：

文件解析的语法

file : record file

| record ;

record: NAME EQ AGE {

printf("%s is now %s years old!!!", $1, $3);}

;

附加 C 代码

现在让我们看一下语法文件的最后一段，附加 C 代码。（这一段是可选的，如果有人想要略过它的话：）一个函数如 main() 调用 yyparse() 函数（ Yacc 中 Lex 的 yylex() 等效函数）。一般来说， Yacc 最好提供 yyerror(char msg) 函数的代码。当解析器遇到错误时调用 yyerror(char msg) 。错误消息作为参数来传递。一个简单的 yyerror( char* ) 可能是这样的：

int yyerror(char* msg)

{

printf("Error: %s encountered at line number:%d/n", msg, yylineno);

}

yylineno 提供了行数信息。

这一段还包括文件解析例子的主函数：

附加 C 代码

void main()

{

yyparse();

}

int yyerror(char* msg)

{

printf("Error: %s encountered /n", msg);

}

要生成代码，可能用到以下命令：

$ yacc _d

这生成了输出文件 y.tab.h 和 y.tab.c ，它们可以用 UNIX 上的任何标准 C 编译器来编译（如 gcc ）。

命令行的其他常用选项

'-d' ,'--defines' : 编写额外的输出文件，它们包含这些宏定义：语法中定义的标记类型名称，语义的取值类型YYSTYPE, 以及一些外部变量声明。如果解析器输出文件名叫 'name.c', 那么 '-d' 文件就叫做 'name.h'。如果你想将yylex定义放到独立的源文件中，你需要 'name.h', 因为yylex必须能够引用标记类型代码和yylval变量。
'-b file-prefix' ,'--file-prefix=prefix' : 指定一个所有Yacc输出文件名都可以使用的前缀。选择一个名字，就如输入文件名叫 'prefix.c'.
'-o outfile' ,'--output-file=outfile' : 指定解析器文件的输出文件名。其他输出文件根据 '-d' 选项描述的输出文件来命名。