从Lex&Yacc说到编译器(二、flex的使用)

从Lex&Yacc说到编译器(二、flex的使用)
2011年11月19日
　　[b] 二、[/b][b]flex[/b][b]的使用 [/b]
　　看了第一篇的关于正则表达式的说明后,下面我们就来通过它,使用flex这个词法分析工具来构造我们的编译器的词法分析器.
　　关于lex的教程应该是很多,这里我就简单地介绍一下,然后着重后面的lex和yacc的配合使用以及其技巧.所以,如果你不看了后还是不太明白lex或者yacc的使用,请你自己上网去查查,这方面的教程是很多的.我知道的一篇常见的就是
　　[b] Yacc 与 Lex 快速入门 [/b]
　　[b]Lex 与 Yacc 介绍[/b]
　　它的作者就是Ashish Bansal.
　　Flex就是fast lex的意思.而lex就是Lexical Analyzar的意思.flex可以在cygwin或者gnupro中找到.它是unix的一个工具,属于GNU组织产品.网上也可以找到单独可以在windows下用的版本.
　　我们一般把我们的词法扫描程序要扫描的一些单词(token)用正则表达式写好,然后作为lex的输入文件,输入命令flex xxx.l(xxx.l就是输入文件),lex经过处理后,就能得到一个名字叫lex.yy.c的C源代码.这个C源代码文件,就是我们的词法扫描程序.通常lex为我们生成的词法分析器的C源代码都是十分复杂而且庞大的,我们一般根本不会去查看里面的代码(放心好了,flex这个东西不会出错的)
　　下面让我们看看几个我已经使用过的几个lex输入文件.
　　这是一个前段时间我为GBA上的一个RPG游戏写的脚本引擎所使用的lex输入文件(部分)
　　例2.1
　　%{
　　#include
　　#include
　　#include
　　#include "globals.h"
　　%}
　　digit [0-9]
　　number ("-"|"+")?{digit}+
　　hexnumber "0x"({digit}|[a-fA-F])+
　　letter [a-zA-Z]
　　identifier ({letter}|_)({number}|{letter}|_)*
　　newline [\n]
　　whitespace [ \t]+
　　string \"[^"]*\"
　　comment "#"[^#]*"#"
　　%%
　　{string} { return VM_STRING; }
　　"Logo" { return VMIN_LOGO; }
　　"FaceIn" { return VMIN_FACEIN; }
　　"FaceOut" { return VMIN_FACEOUT; }
　　"LoadTile" { return VMIN_LOAD_TILE; }
　　"CreateRole" { return VMIN_CREATE_ROLE; }
　　"ReleaseRole" { return VMIN_RELEASE_ROLE;}
　　"CreateMap" { return VMIN_CREATE_MAP; }
　　"ReleaseMAP" { return VMIN_RELEASE_MAP;}
　　"ShowBitmap" { return VMIN_SHOWBITMAP; }
　　"CreateDialog" { return VMIN_CREATE_DIALOG; }
　　"ReleaseDialog" { return VMIN_RELEASE_DIALOG;}
　　"Fight" { return VMIN_FIGHT; }
　　"Delay" { return VMIN_DELAY; }
　　"PressA" { return VMIN_PRESS_A; }
　　"PressB" { return VMIN_PRESS_B; }
　　"PressR" { return VMIN_PRESS_R; }
　　"PressL" { return VMIN_PRESS_L; }
　　"PressStart" { return VMIN_PRESS_START; }
　　"PressSelect" { return VMIN_PRESS_SELECT;}
　　{number} { return VM_NUMBER; }
　　{whitespace} { }
　　{identifier} { return VM_ID; }
　　{newline} ;
　　. ;
　　%%
　　int yywrap()
　　{ return 1; } 这里的lex输入文件一共有三个部分,用%%分开.第一部分中的%{和}%中的内容就是直接放在lex输出C代码中的顶部.我们通过它可以来定义一些所需要的宏,函数和include一些头文件等等.我的这个lex输入文件中也没什么特别的东西,就是常规的C源文件的include头文件
　　%{
　　#include
　　#include
　　#include
　　#include "globals.h"
　　%}
　　第一部分中,除了前面的%{和}%包含的部分,下面的就是正则表达式的定义.
　　看了第一篇的正则表达式,这样你就能够在这里派上用场了.
　　让我们来看看我这里定义的正则表达式:
　　digit [0-9]
　　number ("-"|"+")?{digit}+
　　hexnumber "0x"({digit}|[a-fA-F])+
　　letter [a-zA-Z]
　　identifier ({letter}|_)({number}|{letter}|_)*
　　newline [\n]
　　whitespace [ \t]+
　　string \"[^"]*\"
　　comment "#"[^#]*"#"
　　digit就不用说了,就是0-9的阿拉伯数字定义,第一篇文章中也举了这个例子.number就是digit的1到无限次的重复,再在其前面加上”+”和”-“符号.
　　注意:
　　“a”: 即使a是元字符,它仍是字符a
　　\a: 当a是元字符时候,为字符a
　　a?: 一个可选的a,也就是说可以是a,也可以没有a
　　a|b: a或b
　　(a): a本身
　　[abc]: 字符a,b或c中的任一个
　　[a-d]: a,b,d或者d中的任一个
　　[^ab]: 除了a或b外的任何一个字符
　　.: 除了新行之外的任一个字符
　　{xxx}: 名字xxx表示的正则表达式
　　这里需要特别说明的就是
　　newline [\n]
　　newline就是新行,这里我使用了[]把\n换行号括起来.因为如果我直接用\n表示的话,那么按照上面的规则,那就会看成\和n两个字符,所以我使用了[\n].有些时候newline也被写成[\n]|[\r\n].因为在文本文件中,一般换行一次,那么就是一个\n(0xA),可是在二进制文件中,换行有时候又是\r\n(0xD,0xA)一共两个字符号.
　　第二部分就是定义扫描到正则表达式的动作.
　　这些动作其实就是C代码,它们将会被镶嵌在lex输出的C文件中的yylex()函数中.
　　上面的例子的动作其实十分平常,就是返回一个值.
　　我们在外部使用这个lex为我们生成C代码的时候,只需要使用它的int yylex()函数.当我们使用一次yylex(),那么就会自动去扫描一个匹配的正则表达式,然后完成它相应的动作.这里的动作都是返回一值,那么yylex就会返回这个值.通常默认yylex返回0时候,表示文件扫描结束,所以你的动作中最好不要返回0,以免发生冲突.当然,动作中也可以不返回一值,那么yylex就会完成这个动作后自动扫描下一个可以被匹配的字符串,一直到扫描到文件结束.
　　当扫描到一个可以被匹配的字符串,那么这个时候,全局变量yytext就等于这个字符串
　　请大家一定记住这些正则表达式的顺序.
　　如果出现一个字符串,可以同时匹配多个正则表达式,那么它将会被定义在前面的正则表达式匹配.所以我一般把字符串string定义在最前面.
　　如果文件中的字符没有被lex输入文件中任何一个字符匹配,那么它会自动地被标准输出.所以大家一定要记住在每个正则表达式处理完毕后,一定要加上{newline}和.这两个正则表达式的动作.
　　好,让我们看看lex为我们输出C文件中提供一些常量
　　[b] Lex 变量[/b] 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。） 例2.2 这是>书中配套的源代码的lex输入文件.大家可以参考一下,作者为它自己定义的一个Tiny C编译所做的词法扫描器.
　　%{
　　#include "globals.h"
　　#include "util.h"
　　#include "scan.h"
　　char tokenString[MAXTOKENLEN+1];
　　%}
　　digit [0-9]
　　number {digit}+
　　letter [a-zA-Z]
　　identifier {letter}+
　　newline \n
　　whitespace [ \t]+
　　%%
　　"if" {return IF;}
　　"then" {return THEN;}
　　"else" {return ELSE;}
　　"end" {return END;}
　　"repeat" {return REPEAT;}
　　"until" {return UNTIL;}
　　"read" {return READ;}
　　"write" {return WRITE;}
　　":=" {return ASSIGN;}
　　"=" {return EQ;}
　　"flex输入文件的.再次说明,如果你是第一次接触lex,那么请看看前面我推荐的文章,你可以在IBM的开发者网上查到.下一篇关于yacc于BNF文法的说明也是如此.请大家先参考一下其它标准的教程.