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