Lex & Yacc

Posted 2021-05-15 freshui

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 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 )*

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

      %{       
         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。 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 � 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(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。

对 Lex 的讨论就到这里。下面我们来讨论 Yacc...