hust编译原理实验报告2.docx
《hust编译原理实验报告2.docx》由会员分享，可在线阅读，更多相关《hust编译原理实验报告2.docx（33页珍藏版）》请在冰豆网上搜索。
hust编译原理实验报告2
《编译原理》实验报告
院系计算机科学与技术
专业计算机科学与技术
班级CS1101
学号
姓名
指导教师周时阳
2014年7月2日
实验一
一、问题描述
选择计算机高级程序语言之一——C语言，运用恰当的词法分析技术线路，设计和实现其对应的词法分析器。
对C语言的词法按照正则文法或正则式→NFA→DFA→minDFA→程序设计；能够跳过程序中的注释和空白、换行符等没有意义的部分；遇到无法确认的符合能够报告错误，然后跳过这个错误，继续分解剩下的部分；分析后的结果存放到磁盘文件中。
二、数据结构及算法设计
1、C语言简单词法
（1）关键字：
mainintcharlongifelseforwhilevoid
所有的关键字都是小写。
在设计测试程序时所涉及的关键字应该在以上范围内才能被识别，否则将作为标识符处理。
（2）运算符和界符：
:
=+-*/<<=>>==;（）++!
!
=
上面所包含的运算符与界符不是很全面，因此无法识别一些复杂的运算符，例如&&、||、%等。
（3）其他单词是标识符（ID）和整型常数（NUM），通过以下正规式定义：
ID=letter（letter|digit）*
NUM=digitdigit*
标识符由字母和数字组成，且首字符必须为字母；这里只对整型常数进行识别，浮点数数据在识别过程中会对小数点进行报错。
（4）空格由空白、制表符和换行符组成。
空格一般用来分隔ID、NUM、运算符、界符和关键字，制表符和换行符等都只是对程序起到一个可读性的作用，在词法分析中没有实际意义，因此词法分析阶段通常被忽略。
（5）注释由/**/及其内部内容组成，在词法分析阶段也对程序的分析没有实际意义，因此也要被忽略。
关键字的判定规则是先进行标识符的识别，识别到最终状态后，在关键字数组中查找，看此标识符是否为关键字，如果是则将其划为关键字一类，否则作为标识符。
因此，此正规式的主要分析在标识符ID中会详细分析，在分析完后只要通过一个strcmp函数就可以分辨出是否关键字。
2、标识符与运算符
各种单词符号对应的种别码
单词种别是语法分析需要的信息，而单词自身的值则是编译其他阶段需要的
信息。
因此词法分析器的输出结果表示为：
（单词种别，单词自身的值）
单词的种别采用整数编码表示，下面给出了词法分析器的各个单词符号的
种别码。
Start:
1
If:
2
Then:
3
Int:
4
While:
5
Do:
6
For:
7
End:
8
字母:
10
数字:
11
*:
13
/:
14
+:
15
-:
16
:
:
17
>:
20
<:
23
=:
25
;:
26
（:
27
）:
28
!
:
0
2.1标识符ID：
标识符ID的正则式表示如下：
ID=letter（letter|digit）*
letter=a~z
digit=0~9
根据以上正则式画出NFA如下图。
图1ID的NFA表示
下面将这个NFA转换为DFA。
利用子集构造法，构造上述NFA的DFA步骤如下：
（1）首先计算ԑ—closure
（1），令0=ԑ—closure
（1）={1}，0未被标记，它现在是子集族C的唯一成员。
（2）标记0；令1=ԑ—closure（move（0,letter））={2,3,4,6,9}，将1加入到C中，1未被标记。
令2=ԑ—closure（move（0,digit））=Ф，不再计算。
（3）标记1；计算3=ԑ—closure（move（1,letter））={3,4,5,6,8,9}，将3加入到C中，它未被标记。
计算4=ԑ—closure（move（1,digit））={3,4,6,7,8,9}，将4加入到C中，它未被标记。
（4）标记3；计算ԑ—closure（move（3,letter））={3,4,5,6,8,9}，即3，它已经在C中了。
计算ԑ—closure（move（3,digit））={3,4,6,7,8,9}，即4，它已经在C中了。
（5）标记4；计算ԑ—closure（move（4,letter））={3,4,5,6,8,9}，即3，它已经在C中了。
计算ԑ—closure（move（4,digit））={3,4,6,7,8,9}，即4，它已经在C中了。
至此，算法终止共构造了4个子集：
0={1}1={2,3,4,6,9}
3={3,4,5,6,8,9}4={3,4,6,7,8,9}
那么上述NFA构造的DFA为：
（1）S={[0],[1],[3],[4]}
（2）Σ={letter,digit}
（3）D（[0],letter）=[1]
D（[1],letter）=[3]D（[1],digit）=[4]
D（[3],letter）=[3]D（[3],digit）=[4]
D（[4],letter）=[3]D（[4],digit）=[4]
（4）0=[0]
（5）=[4]
为了方便书写，将[0]，[1]，[3]，[4]分别重命名为A，B，C，D。
则重新
得到的DFA如下图所示。
图2ID的DFA表示
上面的DFA并不是最小DFA，如果要转换为最小DFA，则只需将B与D状态合并即可。
参考如下。
图3ID的mDFA
根据DFA进行辨别标识符的程序设计，算法分析如下：
（1）得到第一个首单词，确定为字母，记下当前位置为初始位置；
（2）向后取一个单词；
（3）如果该单词为字母或者数字，跳到
（2）继续执行；
（4）如果该单词为空格符或者换行符等界符，则停止执行；
（5）在停止处，去初始位置到当前位置的单词单元到缓冲区，作为整个标识符输出；
（6）程序结束。
该部分程序没有考虑关键字判别，因此，在上述算法中，在第5步之后要进行操作：
根据得到的缓冲区的数据，依次与关键字数组中的关键字进行比较，如果相同，那么这个标识符就是关键字，将它划为关键字一类输出。
含有关键字比较的程序流程图如图4。
图4ID与关键字程序流程
2.2运算符和界符：
运算符和界符的正则式表示为：
mark=+|-|*|/|=|==|（|）|[|]|{|}|!
|!
=|++|<|<=|>|>=|,|;|:
运算符的检索也比较简单，因为大多只有一个符号，对于双目运算符则按如下方式识别：
+→++（后一位为+）|+（后一位不为+）
-→负号（在=或者（之后）|减号（不在=或者（之后）
<→<=（后一位为=）|<（后一位不为=）
>→>=（后一位为=）|>（后一位不为=）
!
→!
=（后一位为=）|!
（后一位不为=）
/→注释（后一位为/或者*）|除号（后一位不为/或者*）
按照以上思想，如果碰到上述运算符，则相应的查看后一位的值，按条件识别不同的单目运算符和双目运算符。
2.3整型常数：
整型常数NUM的正则式表示如下：
NUM=digitdigit*
digit=0~9
根据正则式画出相应的NFA如图4。
同样，根据子集构造法，如同ID的转换方法类似可以得到相应的DFA。
NUM的DFA表示如图5。
图5NUM的NFA表示
DFA表示如下：
0={1}，1={2,3,5}，2={3,5}
（1）S={[0],[1],[2]}
（2）Σ={digit}
（3）D（[0],digit）=[1]
D（[1],digit）=[2]
D（[2],digit）=[2]
（4）0=[0]
（5）=[2]
将[0]，[1]，[2]分别用A，B，C代替，则可以得到NUM的DFA表示。
图6NUM的DFA表示
同理，根据DFA可以将B状态合并，这样得到的mDFA如图7。
图7NUM的mDFA
因此，整型数据的递归方法与标识符类似，这里不列举其算法思想与流程图了。
在递归过程中的计数方法为依次往后取数的过程中，原值乘十后与最低位相加，算式为：
uWord.value.T2=uWord.value.T2*10+strSource[gnLocate]-'0'。
其中，等式左边uWord.value.T2为存放整型数据的缓冲区，strSource[gnLocate]为当前位置的数值的ascii码字符值，因此需减去字符0的ascii码值。
另外，还有负数的问题。
负数问题的解决方式是一样的。
在运算符判断过程中如果已经发现“-”为负号，那么其后的整型常数仍旧按照上述方法取指，但是计算数值的公式为：
uWord.value.T2=uWord.value.T2*10-strSource[gnLocate]-'0'。
这样得到的整个数据即为正确的负数值。
三程序实现
源代码
#include
#include
#include
charprog[80],token[8];
charch;
intsyn,p,m=0,n,row,sum=0;
char*rwtab[8]={"start","if","then","int","while","do","for","end"};
usingnamespacestd;
voidscaner（）
{
for（n=0;n<8;n++）token[n]=NULL;
ch=prog[p++];
while（ch==''）{
ch=prog[p];
p++;
}
if（（ch>='a'&&ch<='z'）||（ch>='A'&&ch<='Z'））{//标示符或者变量名
m=0;
while（（ch>='0'&&ch<='9'）||（ch>='a'&&ch<='z'）||（ch>='A'&&ch<='Z'））{
token[m++]=ch;
ch=prog[p++];
}
token[m++]='\0';
p--;
syn=10;
for（n=0;n<8;n++）//将识别出来的字符和已定义的标示符作比较，
if（strcmp（token,rwtab[n]）==0）{
syn=n+1;
break;
}
}elseif（（ch>='0'&&ch<='9'））{//数字
{
sum=0;
while（（ch>='0'&&ch<='9'））{
sum=sum*10+ch-'0';
ch=prog[p++];
}
}
p--;
syn=11;
if（sum>32767）
syn=-1;
}elseswitch（ch）{//其他字符
case'<':
m=0;
token[m++]=ch;
ch=prog[p++];
if（ch=='>'）{
syn=21;
token[m++]=ch;
}elseif（ch=='='）{
syn=22;
token[m++]=ch;
}else{
syn=23;
p--;
}
break;
case'>':
m=0;
token[m++]=ch;
ch=prog[p++];
if（ch=='='）{
syn=24;
token[m++]=ch;
}else{
syn=20;
p--;
}
break;
升级会员 