lexyacc简介以及用于词法分析语法分析

《lexyacc简介以及用于词法分析语法分析》由会员分享，可在线阅读，更多相关《lexyacc简介以及用于词法分析语法分析（12页珍藏版）》请在金锄头文库上搜索。

1、Lex和 Yacc是 UNIX 两个非常重要的、 功能强大的工具。 事实上，如果你熟练掌握Lex和 Yacc的话， 它们的强大功能使创建FORTRAN 和 C 的编译器如同儿戏。AshishBansal为您详细的讨论了编写自己的语言和编译器所用到的这两种工具，包括常规表达式、声明、匹配模式、变量、 Yacc语法和解析器代码。最后，他解释了怎样把Lex和 Yacc结合起来。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

2、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

3、，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

4、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: A1,3 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。“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joker

5、s 匹配 jokes 或 joker 。A1,2shis+ 匹配 AAshis, Ashis, AAshi, Ashi。(Ab-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)

6、 (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

7、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% intwordCount = 0; % chars A-za-z_.“ numbers (0-9)+ delim “ “nt whitespace delim+ words chars+ % 两个百分号标

8、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（

9、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: %dn“, wordCount); intyywrap() 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

10、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

11、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

12、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。下面我们来讨论 Yacc. 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

13、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

14、，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， “ 这生成了输出文件 y.tab.h 和 y.tab

15、.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

16、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。Yacc 库通常在编译步骤中自动被包括。但是它也能被显式的包括，以便在编译 步骤中指定? ly 选项。这种情况下的编译命令行是：$ cc -ly 将 Lex 与 Yacc 结合起来到目前为止我们已经分别讨论了 Lex 和 Yacc 。 现在让我们来看一下他们是怎样 结合使用的。一个程序通常在每次返回一个标记时都要调用yylex()函数。只有在文件结束 或者出现错误标记时才会终止。一个由 Yacc 生成的解析器调用yylex()函数来获得标记。yylex()可以