Yacc 与 Lex 快速入门

pascal4123

Yacc 与 Lex 快速入门Lex 与 Yacc 介绍




文档选项



未显示需要 JavaScript
的文档选项


将此页作为电子邮件发送
拓展 Tomcat 应用


下载 IBM 开源 J2EE 应用服务器 WAS CE 新版本 V1.1
级别: 初级
Ashish Bansal
(
[email=abansal@ieee.org?subject=Yacc%20%E4%B8%8E%20Lex%20%E5%BF%AB%E9%80%9F%E5%85%A5%E9%97%A8&cc=abansal@ieee.org]abansal@ieee.org[/email]
), 软件工程师, Sapient 公司
2000 年  11 月  01 日
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。Ashish Bansal
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。
      
                       




回页首
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。
                                                        ""
                                                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)*
                       
                       




回页首
Lex 编程
                       
Lex 编程可以分为三步：
                       

以 Lex 可以理解的格式指定模式相关的动作。

在这一文件上运行 Lex，生成扫描器的 C 代码。

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。
                       




回页首
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
                               %{
        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。
                       




回页首
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*/ }
        %%
                       




回页首
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。 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。
      
                       




回页首
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