Yacc+与+Lex+快速入门.docx
《Yacc+与+Lex+快速入门.docx》由会员分享,可在线阅读,更多相关《Yacc+与+Lex+快速入门.docx(16页珍藏版)》请在冰豆网上搜索。
Yacc+与+Lex+快速入门
Yacc与Lex快速入门
Lex与Yacc介绍
AshishBansal
软件工程师,Sapient公司
2000年11月
Lex和Yacc是UNIX的两种非常重要的、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,他解释了怎样将Lex和Yacc结合起来。
Lex代表LexicalAnalyzar。
Yacc代表YetAnotherCompilerCompiler。
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。
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。
常规表达式举例
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)
(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\抃'\.\"]
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。
字数统计程序中的Lex规则
{words}{wordCount++;/*
increasethewordcountbyone*/}
{whitespace}{/*do
nothing*/}
{numbers}{/*onemay
wanttoaddsomeprocessinghere*/}
%%
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。
字数统计程序的C代码段
voidmain()
{
yylex();/*startthe
analysis*/
printf("Noofwords:
%d\n",wordCount);
}
intyywrap()
{
return1;
}
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杔l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(intn)
这一函数可以用来送回除了前憂?
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YetAnotherCompilerCompiler。
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,BackusNaurForm)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Icare.Seespotrun.)
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:
3.
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())。
4.编译Yacc生成的代码以及其他相关的源文件。
5.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。
我们假设文件有多个姓名和年龄,它们以空格分隔。
在看Yacc程序的每一段时,我们将为我们的例子编写一个语法文件。
C与Yacc的声明
C声明可能会定义动作中使用的类型和变量,以及宏。
还可以包含头文件。
每个Yacc声明段声明了终端符号和非终端符号(标记)的名称,还可能描述操作符优先级和针对不同符号的数据类型。
lexer(Lex)一般返回这些标记。
所有这些标记都必须在Yacc声明中进行说明。
在文件解析的例子中我们感兴趣的是这些标记:
name,equalsign,和age。
Name是一个完全由字符组成的值。
Age是数字。
于是声明段就会像这样:
文件解析例子的声明
%
#typedefchar*string;/*
tospecifytokentypesaschar**/
#defineYYSTYPEstring/*
aYaccvariablewhichhasthevalueofreturnedtoken*/
%}
%tokenNAMEEQAGE
%%
你可能会觉得YYSTYPE有点奇怪。
但是类似Lex,Yacc也有一套变量和函数可供用户来进行功能扩展。
YYSTYPE定义了用来将值从lexer拷贝到解析器或者Yacc的yylval(另一个Yacc变量)的类型。
默认的类型是int。
由于字符串可以从lexer拷贝,类型被重定义为char*。
关于Yacc变量的详细讨论,请参考Yacc手册(见资源)。
Yacc语法规则
Yacc语法规则具有以下一般格式:
result:
components{/*
actiontobetakeninC*/}
;
在这个例子中,result是规则描述的非终端符号。
Components是根据规则放在一起的不同的终端和非终端符号。
如果匹配特定序列的话Components后面可以跟随要执行的动作。
考虑如下的例子:
param:
NAMEEQNAME{
printf("\tName:
%s\tValue(name):
%s\n",$1,$3);}
|NAMEEQVALUE{
printf("\tName:
%s\tValue(value):
%s\n",$1,$3);}
;
如果上例中序列NAMEEQNAME被匹配,将执行相应的{}括号中的动作。
这里另一个有用的就是$1和$3的使用,它们引用了标记NAME和NAME(或者第二行的VALUE)的值。
lexer通过Yacc的变量yylval返回这些值。
标记NAME的Lex代码是这样的:
char[A-Za-z]
name{char}+
%%
{name}{yylval=strdup(yytext);
returnNAME;}
文件解析例子的规则段是这样的:
文件解析的语法
file:
recordfile
|record
;
record:
NAMEEQAGE{
printf("%sisnow%syearsold!
!
!
",$1,$3);}
;
%%
附加C代码
现在让我们看一下语法文件的最后一段,附加C代码。
(这一段是可选的,如果有人想要略过它的话:
)一个函数如main()调用yyparse()函数(Yacc中Lex的yylex()等效函数)。
一般来说,Yacc最好提供yyerror(charmsg)函数的代码。
当解析器遇到错误时调用yyerror(charmsg)。
错误消息作为参数来传递。
一个简单的yyerror(char*)可能是这样的:
intyyerror(char*msg)
{
printf("Error:
%s
encounteredatlinenumber:
%d\n",msg,yylineno);
}
yylineno提供了行数信息。
这一段还包括文件解析例子的主函数:
附加C代码
voidmain()
{
yyparse();
}
intyyerror(char*msg)
{
printf("Error:
%s
encountered\n",msg);
要生成代码,可能用到以下命令:
$yacc杁
这生成了输出文件y.tab.h和y.tab.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。
∙'-bfile-prefix','--file-prefix=prefix':
指定一个所有Yacc输出文件名都可以使用的前缀。
选择一个名字,就如输入文件名叫'prefix.c'.
∙'-ooutfile','--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杔y选项。
这种情况下的编译命令行是:
$ccnames>-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()可以由Lex来生成或完全由自己来编写。
对于由Lex生成的lexer来说,要和Yacc结合使用,每当Lex中匹配一个模式时都必须返回一个标记。
因此Lex中匹配模式时的动作一般格式为:
{pattern}{/*dosmthg*/
returnTOKEN_NAME;}
于是Yacc就会获得返回的标记。
当Yacc编译一个带有杁标记的.y文件时,会生成一个头文件,它对每个标记都有#define的定义。
如果Lex和Yacc一起使用的话,头文件必须在相应的Lex文件.lex中的C声明段中包括。
让我们回到名字和年龄的文件解析例子中,看一看Lex和Yacc文件的代码。
Name.y-语法文件
%
typedefchar*string;
#defineYYSTYPEstring
%}
%tokenNAMEEQAGE
%%
file:
recordfile
|record
;
record:
NAMEEQAGE{
printf("%sis%syearsold!
!
!
\n",$1,$3);}
;
%%
intmain()
{
yyparse();
return0;
}
intyyerror(char*msg)
{
printf("Error
encountered:
%s\n",msg);
}
Name.lex-Lex的解析器文件
%{
#include"y.tab.h"
#include
#include
externchar*yylval;
%}
char[A-Za-z]
num[0-9]
eq[=]
name{char}+
age{num}+
%%
{name}{yylval=strdup(yytext);
returnNAME;}
{eq}{returnEQ;}
{age}{yylval=strdup(yytext);
returnAGE;}
%%
intyywrap()
{
return1;
}
作为一个参考,我们列出了y.tab.h,Yacc生成的头文件。
y.tab.h-Yacc生成的头文件
#defineNAME257
#defineEQ258
#defineAGE259
我们对于Lex和Yacc的讨论到此为止。
今天你想要编译什么语言呢?
资源
∙LexandYacc,Levine,Mason和Branson,O扲eilly及其合作公司,2ndEd。
∙ProgramDevelopmentinUNIX,J.T.Shen,Prentice-HallIndia。
∙Compilers:
Principles,TechniquesandTools,Ahoo,Sethi和Ullman,Addison-WesleyPub.Co.,1985,11。
∙BisonManualfromGnu.
∙FlexManualfromGnu.
∙InfoonBison,(GNU的Yacc).
∙MKSLexandYacc版本注释。
∙LexandYacc指导。
∙LexandYaccandcompilerwriting指导。
∙Java版的Lex指导,叫做Jlex。
∙使用Lex和Yacc的formalizingagrammar实例。
作者介绍
AshishBansal具有印度瓦腊纳西BanarasHindu大学技术学院的电子与通信工程学士学位。
他目前是Sapient公司的软件工程师。
他的Email是mailto:
abansal@ieee.org。