用Lex工具做词法分析

用Lex工具做词法分析

一. Lex介绍

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。

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。

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。

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。

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。

下面给出一些高级的Lex：

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。）

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。

二. 用Lex做词法分析练习

Lex编译器将输入的模式转换成一个状态转换图，并生成相应的实现代码，并存放到文件lex.yy.c中，这些代码模拟了状态转换图。

用Lex创建一个词法分析器

冲突解决规则：
1） 总是选择最长的前缀
2） 如果最长的可能前缀与多个模式匹配，总是选择Lex中先被列出的模式。

【实验步骤】

1、实验环境配置

安装Parser Generator，并编译lex和yacc函数库
使用向导配置时，用的VS2010，属性设置如下（有些库是用的VC++6.0）

Compiler Bin DirectoryC:\PROGRAM FILES\MICROSOFT VISUAL STUDIO 10.0\VC\BIN
Compiler Bin Directory(2) C:\PROGRAM FILES\MICROSOFT VISUAL STUDIO 10.0\COMMON7\IDE
Compiler Include Directory C:\PROGRAM FILES\MICROSOFT VISUAL STUDIO 10.0\VC\INCLUDE
Compiler Include Directory(2) C:\PROGRAM FILES\MICROSOFT VISUAL STUDIO\VC98\INCLUDE
Compiler Library Directory C:\PROGRAM FILES\MICROSOFT VISUAL STUDIO 10.0\VC\LIB
Compiler Library Directory(2) C:\PROGRAM FILES\MICROSOFT VISUAL STUDIO\VC98\LIB

2、编写Lex程序

（1）练习3.5.2：编写一个Lex程序。该程序拷贝一个文件，并将文件中的每个非空的空白符序列替换为单个空格。
编写Lex程序如下：

[plain] view plaincopy

1. [\t]+  {printf(“”);}  

表示遇到连续多个空白符（或制表符），则替换为一个空格符

[plain] view plaincopy

1. \n|.    {printf(“%s”,yytext);}  

表示其余的语句均照常打印出来

实验结果

读入文件：

替换掉空白符后结果：

（2）练习3.5.3：编写一个Lex程序。该程序拷贝一个C文件，并将程序中的关键字float的每个实例替换成double

编写Lex程序如下：

[plain] view plaincopy

1. \”.*\”  {printf(“%s”,yytext);}  

表示如果是在双引号(“)中（即为字符串），则照常打印

[plain] view plaincopy

1. float/[ \t]+  {printf(“double”);}  

表示如果遇到float，且附加模式是后面跟有空白符，则将float替换为double
在这句话前面加上

[plain] view plaincopy

1. [^ \t\n]+ {printf(“%s”,yytext);}  

（连续的非空白符），是为了保证当float并非关键字时，如afloat，不会被替换为adouble.

实验结果

读入C文件：

替换掉关键字float后如下：

（3）练习3.5.4：编写一个Lex程序。该程序把一个文件改变成为“Pig latin”文。明确的讲，假设该文件是一个用空白符分隔开的单词（即字母串）序列。每当你遇到一个单词时：
1）如果第一个字母是辅音字母，则将它移到单词结尾，并加上ay
2）如果第一个字母是元音字母，则只在单词的结尾加上ay
所有非字母的字符不加处理直接拷贝到输出

编写Lex程序如下：

[plain] view plaincopy

1. {YuanYin}({Letter})*/[ \t\n]+ {printf(“%say”,yytext);}  

表示遇到元音字母开头的字母串，且附加模式跟有空白符（确保为单词），则在单词结尾加上ay

[plain] view plaincopy

1. {FuYin}({Letter})*/[ \t\n]+ {printf(”%s%cay”,&yytext[1],yytext[0]);}  

表示遇到辅音字母开头的字母串，且附加模式跟有空白符（确保为单词），则从单词第二个字母开始输出，之后输出第一个字母，再在结尾加上ay

实验结果

输入aword bword “word”，转换成“Pig Latin”文结果：

参考来源：

1. http://www.ibm.com/developerworks/cn/linux/sdk/lex/

2. http://blog.youkuaiyun.com/xiaowei_cqu/article/details/7760927