当前位置: 首页 > 工具软件 > Berkeley Yacc > 使用案例 >

Lex & Yacc (1)

勾岳
2023-12-01
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 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, C 中的任何一个。
*
匹配 0 或者多个上述的模式。
+
匹配 1 或者多个上述模式。
?
匹配 0个或1 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 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 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
(word)
(chars)+
1 个或多个 chars
变量 (variable)
( 字符 )+( 数字 )*( 字符 )*( 数字 )*
 

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 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

      %{       
         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。

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(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: %d/n", wordCount);
        }
 
        int yywrap()
        {
          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。 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 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。详尽的列表请参考 Lex 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 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。

Lex 的讨论就到这里。下面我们来讨论 Yacc...
 
 类似资料: