从lex&yacc说到编译器(2.flex的使用)

类别:软件工程 点击:0 评论:0 推荐:

从lex&yacc说到编译器(2.flex的使用)

作者:tangl_99

QQ:8664220

msn:[email protected]

email:[email protected]

 

看了第一篇的关于正则表达式的说明后,下面我们就来通过它,使用flex这个词法分析工具来构造我们的编译器的词法分析器.

关于lex的教程应该是很多,这里我就简单地介绍一下,然后着重后面的lex和yacc的配合使用以及其技巧.所以,如果你不看了后还是不太明白lex或者yacc的使用,请你自己上网去查查,这方面的教程是很多的.我知道的一篇常见的就是

Yacc 与 Lex 快速入门
Lex 与 Yacc 介绍

它的作者就是Ashish Bansal.

 

Flex就是fast lex的意思.而lex就是Lexical Analyzar的意思.flex可以在cygwin或者gnupro中找到.它是unix的一个工具,属于GNU组织产品.网上也可以找到单独可以在windows下用的版本.

我们一般把我们的词法扫描程序要扫描的一些单词(token)用正则表达式写好,然后作为lex的输入文件,输入命令flex xxx.l(xxx.l就是输入文件),lex经过处理后,就能得到一个名字叫lex.yy.c的C源代码.这个C源代码文件,就是我们的词法扫描程序.通常lex为我们生成的词法分析器的C源代码都是十分复杂而且庞大的,我们一般根本不会去查看里面的代码(放心好了,flex这个东西不会出错的)

 

下面让我们看看几个我已经使用过的几个lex输入文件.

这是一个前段时间我为GBA上的一个RPG游戏写的脚本引擎所使用的lex输入文件(部分)

例2.1

 

%{

/* need this for the call to atof() below */

#include <stdio.h>

#include <stdlib.h>

#include <math.h>

#include "globals.h"

 

%}

digit        [0-9]

number       ("-"|"+")?{digit}+

hexnumber    "0x"({digit}|[a-fA-F])+

letter       [a-zA-Z]

identifier   ({letter}|_)({number}|{letter}|_)*

newline      [\n]

whitespace   [ \t]+

string       \"[^"]*\"

comment      "#"[^#]*"#"

%%

 

{string}     { return VM_STRING;        }

"Logo"       { return VMIN_LOGO; }

"FaceIn"     { return VMIN_FACEIN; }

"FaceOut"    { return VMIN_FACEOUT; }

"LoadTile"   { return VMIN_LOAD_TILE;   }

"CreateRole" { return VMIN_CREATE_ROLE; }

"ReleaseRole" { return VMIN_RELEASE_ROLE;}

"CreateMap"  { return VMIN_CREATE_MAP;  }

"ReleaseMAP" { return VMIN_RELEASE_MAP;}

"ShowBitmap" { return VMIN_SHOWBITMAP;  }

"CreateDialog" { return VMIN_CREATE_DIALOG; }

"ReleaseDialog" { return VMIN_RELEASE_DIALOG;}

"Fight"      { return VMIN_FIGHT;       }

"Delay"      { return VMIN_DELAY;       }

"PressA"     { return VMIN_PRESS_A;     }

"PressB"     { return VMIN_PRESS_B;     }

"PressR"     { return VMIN_PRESS_R;     }

"PressL"     { return VMIN_PRESS_L;     }

"PressStart" { return VMIN_PRESS_START; }

"PressSelect" { return VMIN_PRESS_SELECT;}

{number}     { return VM_NUMBER;        }

{whitespace} { /* skip whitespace */    }

{identifier} { return VM_ID;            }

{newline}    ;

.            ;

%%

int yywrap()

{

      return 1;

}

 

这里的lex输入文件一共有三个部分,用%%分开.第一部分中的%{和}%中的内容就是直接放在lex输出C代码中的顶部.我们通过它可以来定义一些所需要的宏,函数和include一些头文件等等.我的这个lex输入文件中也没什么特别的东西,就是常规的C源文件的include头文件

%{

/* need this for the call to atof() below */

#include <stdio.h>

#include <stdlib.h>

#include <math.h>

#include "globals.h"

%}

 

第一部分中,除了前面的%{和}%包含的部分,下面的就是正则表达式的定义.

看了第一篇的正则表达式,这样你就能够在这里派上用场了.

让我们来看看我这里定义的正则表达式:

digit        [0-9]

number       ("-"|"+")?{digit}+

hexnumber    "0x"({digit}|[a-fA-F])+

letter       [a-zA-Z]

identifier   ({letter}|_)({number}|{letter}|_)*

newline      [\n]

whitespace   [ \t]+

string       \"[^"]*\"

comment      "#"[^#]*"#"

 

digit就不用说了,就是0-9的阿拉伯数字定义,第一篇文章中也举了这个例子.number就是digit的1到无限次的重复,再在其前面加上”+”和”-“符号.

注意:

“a”: 即使a是元字符,它仍是字符a

\a: 当a是元字符时候,为字符a

a?: 一个可选的a,也就是说可以是a,也可以没有a

a|b: a或b

(a): a本身

[abc]: 字符a,b或c中的任一个

[a-d]: a,b,d或者d中的任一个

[^ab]: 除了a或b外的任何一个字符

.: 除了新行之外的任一个字符

{xxx}: 名字xxx表示的正则表达式

 

这里需要特别说明的就是

newline      [\n]

newline就是新行,这里我使用了[]把\n换行号括起来.因为如果我直接用\n表示的话,那么按照上面的规则,那就会看成\和n两个字符,所以我使用了[\n].有些时候newline也被写成[\n]|[\r\n].因为在文本文件中,一般换行一次,那么就是一个\n(0xA),可是在二进制文件中,换行有时候又是\r\n(0xD,0xA)一共两个字符号.

 

 

 

第二部分就是定义扫描到正则表达式的动作.

这些动作其实就是C代码,它们将会被镶嵌在lex输出的C文件中的yylex()函数中.

上面的例子的动作其实十分平常,就是返回一个值.

我们在外部使用这个lex为我们生成C代码的时候,只需要使用它的int yylex()函数.当我们使用一次yylex(),那么就会自动去扫描一个匹配的正则表达式,然后完成它相应的动作.这里的动作都是返回一值,那么yylex就会返回这个值.通常默认yylex返回0时候,表示文件扫描结束,所以你的动作中最好不要返回0,以免发生冲突.当然,动作中也可以不返回一值,那么yylex就会完成这个动作后自动扫描下一个可以被匹配的字符串,一直到扫描到文件结束.

当扫描到一个可以被匹配的字符串,那么这个时候,全局变量yytext就等于这个字符串

 

请大家一定记住这些正则表达式的顺序.

如果出现一个字符串,可以同时匹配多个正则表达式,那么它将会被定义在前面的正则表达式匹配.所以我一般把字符串string定义在最前面.

如果文件中的字符没有被lex输入文件中任何一个字符匹配,那么它会自动地被标准输出.所以大家一定要记住在每个正则表达式处理完毕后,一定要加上{newline}和.这两个正则表达式的动作.

 

好,让我们看看lex为我们输出C文件中提供一些常量

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。)

 

例2.2

这是<<编译原理与实践>>书中配套的源代码的lex输入文件.大家可以参考一下,作者为它自己定义的一个Tiny C编译所做的词法扫描器.

/****************************************************/

/* File: tiny.l                                     */

/* Lex specification for TINY                       */

/* Compiler Construction: Principles and Practice   */

/* Kenneth C. Louden                                */

/****************************************************/

 

%{

#include "globals.h"

#include "util.h"

#include "scan.h"

/* lexeme of identifier or reserved word */

char tokenString[MAXTOKENLEN+1];

%}

 

digit       [0-9]

number      {digit}+

letter      [a-zA-Z]

identifier  {letter}+

newline     \n

whitespace  [ \t]+

 

%%

 

"if"            {return IF;}

"then"          {return THEN;}

"else"          {return ELSE;}

"end"           {return END;}

"repeat"        {return REPEAT;}

"until"         {return UNTIL;}

"read"          {return READ;}

"write"         {return WRITE;}

":="            {return ASSIGN;}

"="             {return EQ;}

"<"             {return LT;}

"+"             {return PLUS;}

"-"             {return MINUS;}

"*"             {return TIMES;}

"/"             {return OVER;}

"("             {return LPAREN;}

")"             {return RPAREN;}

";"             {return SEMI;}

{number}        {return NUM;}

{identifier}    {return ID;}

{newline}       {lineno++;}

{whitespace}    {/* skip whitespace */}

"{"             { char c;

                  do

                  { c = input();

                    if (c == EOF) break;

                    if (c == '\n') lineno++;

                  } while (c != '}');

                }

.               {return ERROR;}

 

%%

 

TokenType getToken(void)

{ static int firstTime = TRUE;

  TokenType currentToken;

  if (firstTime)

  { firstTime = FALSE;

    lineno++;

    yyin = source;

    yyout = listing;

  }

  currentToken = yylex();

  strncpy(tokenString,yytext,MAXTOKENLEN);

  if (TraceScan) {

    fprintf(listing,"\t%d: ",lineno);

    printToken(currentToken,tokenString);

  }

  return currentToken;

}

 

这里有点不同的就是,作者用了另外一个getToken函数来代替yylex作为外部输出函数.其中getToken里面也使用了lex默认的输出函数yylex(),同时还做了一些其它的事情.不过我建议大家不要像作者那样另外写自己的结果输出函数,因为在后面,需要和yacc搭配工作的时候,yacc生成的语法分析程序只认名字叫yylex()的词法结果输出函数.

if (firstTime)

  { firstTime = FALSE;

    lineno++;

    yyin = source;

    yyout = listing;

  }

其中的yyin,yyout,source,listing都是FILE*类型.yyin就是要lex生成的词法扫描程序要扫描的文件,yyout就是基本输出文件(其实我们通常都不用yyout,即使要生成一些输出信息,我们都是自己通过fprintf来输出).

"{"             { char c;

                  do

                  { c = input();

                    if (c == EOF) break;

                    if (c == '\n') lineno++;

                  } while (c != '}');

                }

其中,作者的这个Tiny C是以{}来包括注释信息.作者并没有写出注释信息的正则表达式,但是它可以通过检索“{”,然后用lex内部函数input()一一检查 { 后面的字符是不是 } 来跳过注释文字.(C语言的/* */注释文字正则表达式十分难写,所以很多时候我们都用这种方法直接把它的DFA(扫描自动机)写出来).

 

本文就是通过简单地举出两个比较实际的例子来讲解flex输入文件的.再次说明,如果你是第一次接触lex,那么请看看前面我推荐的文章,你可以在IBM的开发者网上查到.下一篇关于yacc于BNF文法的说明也是如此.请大家先参考一下其它标准的教程.

2003-9-30

成都,四川大学

本文地址:http://com.8s8s.com/it/it37653.htm