编译原理(冯博琴_版)

《编译原理(冯博琴_版)》由会员分享，可在线阅读，更多相关《编译原理(冯博琴_版)（54页珍藏版）》请在金锄头文库上搜索。

1、第三章 词法分析,词法分析的任务：,从左至右逐个字符地扫描源程序，产生一个个的单词符号，把作为字符串的源程序改造成为单词符号串的中间程序。,词法分析器/扫描器：执行词法分析的程序。,源程序,扫描器 scanner,1、关键字,词法分析器的功能如下图所示：,2、标识符,5、界符,4、运算符,3、常数,由程序语言定义的具有固定意义的标识符。也可称为保留字或基本字。例如：Pascal中的begin，end，if等。,界符：如逗号、分号、括号、/*，*/ 等。它是确定的。,运算符：如+、-、*、/ 等。它是确定的。,常数的类型一般有整型、实型、布尔型、文字型等。它是不限的。,用来表示各种名字，如变量名

2、、数组名、过程名等。它是不限的。,3.1对词法分析器的要求,3.1.1词法分析器的功能和输出形式,词法分析器的功能：输入源程序，输出单词符号。 单词符号：一个程序语言的基本语法符号。分为以下5种。 1、关键字：由程序语言定义的具有固定意义的标识符。也可称为保留字或基本字。例如：Pascal中的begin，end，if等。它是确定的。 2、标识符：用来表示各种名字，如变量名、数组名、过程名等。它是不限的。 3、常数：常数的类型一般有整型、实型、布尔型、文字型等。它是不限的。 4、运算符：如+、-、*、/ 等。它是确定的。 5、界符：如逗号、分号、括号、/*，*/ 等。它是确定的。,确定,不限,单

3、词符号的表示形式：词法分析器所输出的单词符号常常表示成 二元式（单词种别，单词自身的值）。 单词种别可以用以下形式表示： 1、一类单词统一用一个整数值代表其属性。例如：1代表关键字，2代表标识符等。 2、每一个单词一个类别。例如：1代表BEGIN，2代表END等。 单词自身的值可以表示成：常量的二进制表示；常量、变量等在符号表种的地址码，等等。,注意：一个语言的单词符号如何分种，分几种，怎样编码，是一个技术问题。标识符一般同归为一种。常数则宜按类型（整、实、布尔）分。关键字可以将其全体视为一种，也可一字一种。运算符可采用一符一种，但也可把具有一定共性的视为一种。界符则一般采用一符一种。如何进行

4、分种主要取决于处理上的方便。 若是一符一种分种，单词自身值就不需要了。否则，要查符号表。,例3-1：151FORTRAN编译程序的词法分析器在扫描输入串 IF (5EQM) GOTO 100 后，它输出的单词符号串是：,逻辑IF （34，_） 左括号 （2，_） 整常数 （20，5的二进制表示） 等号 （6，_） 标识符 （26，M） 右括号 （16，_） GOTO （30，_） 标号 （19，100的二进制表示）,IF为关键字，种别编码34，采用一符一种的编码方式。,常数类型，种别编码20，单词自身的值为5的二进制表示。,(为界符，种别编码2，采用一符一种的编码方式。,等号为运算符，种别编码

5、6，采用一符一种的编码方式。,M为标识符，种别编码26，单词自身值为M。,)为界符，种别编码16，采用一符一种的编码方式。,GOTO为关键字，种别编码30，采用一符一种的编码方式。,100为标号，种别编码19，单词内部的值用100的二进制表示。,例3-2 ：下述C+代码段：while ( i = j ) i - -； 经词法分析器处理以后，它将被转换为如下的单词符号串,( while ，_ ) ( ( ，_ ) ( id ，指向i的符号表指针 ) ( = ，_ ) ( id ，指向j的符号表指针 ) ( ) ，_ ) ( id ，指向i的符号表指针 ) ( - - ，_ ) ( ； ，_ ),

6、3.1.2词法分析与语法分析的关系,1、把词法分析从语法分析中脱离出来的优点： 使编译程序的结构更加简洁、清晰和条理化。 词法分析和语法分析方法不同，词法分析可以使用正则文法自动构造scanner简单。 有利于提高语法分析的效率。 可以改善词法分析的细节，甚至于一个语法分析配几个scanner，把不同的输入变成一种内部表示。 2、把词法分析作为独立的一遍 scanner当作一遍。 把scanner当作子程序。,3.2词法分析器的设计,设计前提： 把scanner作为一个独立的子程序； 词法分析器的任务为输出单词符号。,3.2.1预处理,必要性：编辑性字符如空白符、回车符等，除了出现在文字和 常

7、数中以外，在别处出现都没有意义。 功 能： 剔除无用字符。 实 现： 预处理子程序。,若识别输入语句 IF (5.EQ.M) GOTO 100，若缓冲区情况如下所示：,扫描缓冲区的结构： 缓冲区大小：120个字符。 采用两个指示器：起点指示器、搜索指示器。 两个互补区。,3.2.2单词符号的识别超前搜索,单词符号识别的简单方法：超前搜索。 关键字识别： 例如：在标准FORTRAN中 1、DO99K = 1,10 2、IF(5.EQ.M)I = 10 3、DO99K = 1.10 4、IF(5) = 55,其中的DO、IF为关键字,其中的DO、IF为标识符的一部分,标识符的识别 多数语言的标识符

8、是字母开头的“字母/数字”串，而且在程序中标识符的出现后都跟着算符或界符。因此，不难识别。 常数的识别 对于某些语言的常数的识别也需要使用超前搜索。 算符和界符的识别 对于诸如C+语言中的“+ +”、“- -”，这种复合成的算符，需要超前搜索。,3.2.3状态转换图,转换图：是一张有限方向图。在状态转换图中，结点代表 状态，用圆圈表示。状态之间用箭弧连接。箭弧上的标记（字符）代表在射出结状态下可能出现的输入字符或字符类。 状态转换图的功能:用于识别一定的字符串。 初态：一张转换图的启动条件，至少有一个,用圆圈表示。 终态：一张转换图的结束条件，至少有一个，用双圈表示。 * ：表示多读进了一个字

9、符。,2,0,1,字母,其他,字母或数字,*,（b）识别标识符的转换图,例3-3：简单的状态转换图示例：,初态,终态,从0状态到1状态可能出现字母,例3-4：识别FORTRAN实型常数的转换图：,例如下列实型常数可以被以下转换图识别： 1.23E+4 .56E-7,例3-5：综合实例做出识别下表所示的小语言的单词符号的状态转换图,右图即为对上页所示的简单语言进行词法分析的状态转换图。,3.2.4状态转换图的实现,1、CHAR 字符变量，存放最新读进的源程序字符。 2、TOKEN 字符数组，存放构成单词的字符串。 3、GETCHAR 过程，将下一输入字符读入CHAR，搜索指示器前移一个字符。 4

10、、GETBC 过程，检查CHAR中的字符是否为空白。若是，则调用GETCHAR 直至CHAR中进入一个非空白字符。 5、CONCAT 过程，把CHAR中的字符连接到TOKEN之后。 6、LETTER 布尔函数过程，它们分别判断CHAR中的字符是数字或是字母， DIGIT 从而给出真假值TRUE、FALSE。 7、RESERVE 整型函数过程，用TOKEN中的字符串查保留字表，若是一个保留 字则给予编码，否则回送0值（假定0不是保留字的编码）。 8、RETRACT 过程，把搜索指示器回调一个字节，把CHAR中的字符置为空白。,以上函数和子程序过程都不难编制，使用它们能够方便的构造状态转换图的对应

11、程序。一般，我们可以让每一个状态结对应一个程序段。 例如：我们可以让不含回路的分叉结，对应一个CASE 语句，或者是一组IFTHENELSE语句。具体见后面实例。 终态结一般对应一个RETURN(C,VAL)语句。其中C为单词种别编码；VAL是字符数组的TOKEN ，或者是一个整数值，或者无定义。具体见后面实例。,为了把状态转换图转化成程序，每个状态要建立一段 程序，它要做的工作如下： 第一步：从输入缓冲区中取一个字符。为此，我们使用函数GETCHAR，每次调用它，推进先行指针，送回一个字符。 第二步：确定在本状态下，哪一条箭弧是用刚刚来的输入字符标识的。如果找到，控制就转到该弧所指向的状态；

12、若找不到，那么寻找该单词的企图就失败了。 失 败：先行指针必须重新回到开始指针处，并用另一状态图来搜索另一单词。如果所有的状态转换图都试过之后，还没有匹配的，就表明这是一个词法错误，此时，调用错误校正程序。,GETCHAR是过程，将下一输入字符读入CHAR，搜索指示器前移一个字符。,例36：以下CASE语句段对应的状态图: state i： GETCHAR； CASE CHAR OF AZ： state j ； 09： state k ； / ： state l ； END； FAIL,字符变量，存放最新读进的源程序字符。,过程，将下一输入字符读入CHAR，搜索指示器前移一个字符。,对于如上的

13、状态转换图，状态0的代码如下所示： state 0： C := GETCHAR ; if LETTER(C) then goto state 1 else FAIL( ),LETTER( )是布尔函数过程，当且仅当C中的字符是字母，它返回真假值TRUE。,FAIL( )是例子程序，它移回先行指针（lookahead pointer）, 开始下一状态转换图，或调用出错程序。,例3-7：示例如何把状态结对应于一段程序：,*,对于如上的状态转换图，状态1的代码如下所示： state 1： C := GETCHAR ; if LETTER( C) or DIGIT(C) then goto state

14、 1 else if DELIMITER(C) then goto state 2 else FAIL( ),DIGIT( )是布尔函数过程，当且仅当C中的字符是数字，它返回真假值TRUE。,DELIMITER(C)是过程，只要碰到标识符后的分界符，它返回TRUE。分界符一般为：空格、算术、逻辑符号，括号、；、. 、，。,*,对于如上的状态转换图，终态状态2的代码如下所示： state 2： RETRACT( ) ; RETURN($id ，INSTALL( ) ),RETRACT( )是过程，由于分界符不属于标识符，所以我们要把先行指针回调一个字符。,INSTALL( )是过程，如我们识别出

15、的标识符不在符号表中，我们把它装入符号表。我们还要给语法分析程序返回一个二元式。,*,如果同时识别 标识符和定义符， 则需要修改为 State2：,修改之后，状态2的代码如下所示： state 2： RETRACT( ) ; c := RESERVE( ); if c = 0 then RETURN($id ，INSTALL ) else RETURN(C , _ ),RESERVE( ) 整型函数过程,针对TOKEN中的字符串进行查找，看其是否是保留字，是保留字给出它的编码，否则回送0（假定0不是保留字编码）。,例38：以下程序段对应的状态图 state i：GETCHAR； WHILE L

16、ETTER OR DIGIT DO GETCHAR； state j：,布尔函数过程，它们分别判断CHAR中的字符是数字或是字母，从而给出真假值TRUE、FALSE。,例39：以下程序段对应的状态图 0 9：BEGIN WHILE DIGIT DO BEGIN CONCAT；GETCHAR END； RETRACT； RETURN($INT,DTB) ； END；,RETURN 语句，对应终态结，其中$INT为种别编码，DTB为一个把十进制转换到二进制的转换函数。它把TOKEN中的数字译成标准二进制码，并以此为函数值返回。,正规式与正规集的递归定义： 1、和都是字母表上的正规式，它们所表示的正规集分别为和； 2、任何a，a是上的一个正规式，它所表示的正规集为a； 3、 正规式 正规集 正规式 正