GCC编译器原理------编译原理三:编译过程(2-1)---编译之词法分析
Posted kele-dad
tags:
篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了GCC编译器原理------编译原理三:编译过程(2-1)---编译之词法分析相关的知识,希望对你有一定的参考价值。
二、编译
引用文档:https://blog.csdn.net/chdhust/article/details/9040647
编译过程就是把预处理完的文件进行一系列词法分析、语法分析、语义分析及优化后生成相应的汇编代码文件,这个过程是整个程序构建的核心部分,也是最复杂的部分之一。
现在版本的 GCC 把预编译和编译两个步骤合并成一个步骤,使用 cc1 的程序来完成这两个步骤。
编译过程一般分为 6 个步骤:扫描、语法分析、语义分析、源代码优化、代码生成和目标代码优化,过程如下图:
2.1 词法分析
源代码程序被输入到扫描器(Scanner),扫描器对源代码进行简单的词法分析,运用类似于有限状态机(Finite State Machine)的算法可以很轻松的将源代码字符序列分割成一系列的记号(Token)。
词法分析产生的记号一般可以分为如下几类:关键字、标识符、字面量(包含数字、字符串等)和特殊符号(如加号、等号)。在识别记号的同时,扫描器也完成了其他工作,比如将标识符存放到符号表,将数字、字符串常量存放到文字表等,以备后面的步骤使用。
词法分析可以使用 lex 工具。
2.2.1 lex 介绍
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。
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。
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 。 |
- |
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。 |
表达式例子
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。
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。
下面给出一些高级的Lex:
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。) |
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。 |
2.2.2 词法分析
Lex编译器将输入的模式转换成一个状态转换图,并生成相应的实现代码,并存放到文件lex.yy.c中,这些代码模拟了状态转换图。
在 linux 下,使用的是 flex 工具,与 lex 相同。
词法分析需要修改 GCC 源码,这里就不叙述了。
可以查看书籍《深入分析 GCC》第 4.5.2 节
以上是关于GCC编译器原理------编译原理三:编译过程(2-1)---编译之词法分析的主要内容,如果未能解决你的问题,请参考以下文章