Yacc+与+Lex+快速入门.docx

1、Yacc+与+Lex+快速入门Yacc 与 Lex 快速入门Lex 与 Yacc 介绍Ashish Bansal软件工程师，Sapient 公司2000年11月Lex 和 Yacc 是 UNIX 的两种非常重要的、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，他解释了怎样将 Lex 和 Yacc 结合起来。Lex 代表 Lexical Analyzar

2、。Yacc 代表 Yet Another Compiler Compiler。 让我们从 Lex 开始吧。LexLex 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

3、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。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

4、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: A1,3 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

5、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jokers匹配 jokes 或 joker。A1,2shis+匹配 AAshis, Ashis, AAshi, Ashi。(Ab-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

6、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

7、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抃. numbers (0-9)+ delim nt whitespace delim+ words chars+ %两个百

8、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

9、（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: %dn, 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

10、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杔l 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 LexLex 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

11、 或 Flex 手册（见后文的 资源 ）。Lex 变量yyinFILE* 类型。 它指向 lexer 正在解析的当前文件。yyoutFILE* 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

12、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憂? 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.YaccYacc 代表 Yet Another Compiler Compiler。 Yacc 的 GNU 版叫做 Bison。它是一种工具，将任何一种编程语言的所有语法翻译成针对此种语言的 Yacc 语 法解析器。它用巴科

13、斯范式(BNF, Backus Naur Form)来书写。按照惯例，Yacc 文件有 .y 后缀。编译行如下调用 Yacc 编译器： $ yacc 在进一步阐述以前，让我们复习一下什么是语法。在上一节中，我们看到 Lex 从输入序列中识别标记。如果你在查看标记序列，你可能想在这一序列出现时执行某一动作。这种情况下有效序列的规范称为语法。Yacc 语法文件包括这一语法规范。它还包含了序列匹配时你想要做的事。为了更加说清这一概念，让我们以英语为例。 这一套标记可能是：名词, 动词, 形容词等等。为了使用这些标记造一个语法正确的句子，你的结构必须符合一定的规则。一个简单的句子可能是名词+动词或者名

14、词+动词+名词。(如 I care. See spot run.)所以在我们这里，标记本身来自语言（Lex），并且标记序列允许用 Yacc 来指定这些标记(标记序列也叫语法)。终端和非终端符号终端符号: 代表一类在语法结构上等效的标记。终端符号有三种类型：命名标记: 这些由 %token 标识符来定义。按照惯例，它们都是大写。字符标记: 字符常量的写法与 C 相同。例如, ? 就是一个字符标记。字符串标记 : 写法与 C 的字符串常量相同。例如， 就是一个字符串标记。lexer 返回命名标记。非终端符号: 是一组非终端符号和终端符号组成的符号。按照惯例，它们都是小写。 在例子中，file 是一

15、个非终端标记而 NAME 是一个终端标记。用 Yacc 来创建一个编译器包括四个步骤：1. 通过在语法文件上运行 Yacc 生成一个解析器。 2. 说明语法： 3. o 编写一个 .y 的语法文件（同时说明 C 在这里要进行的动作）。 o 编写一个词法分析器来处理输入并将标记传递给解析器。 这可以使用 Lex 来完成。 o 编写一个函数，通过调用 yyparse() 来开始解析。 o 编写错误处理例程（如 yyerror()）。 4. 编译 Yacc 生成的代码以及其他相关的源文件。 5. 将目标文件链接到适当的可执行解析器库。 用 Yacc 编写语法如同 Lex 一样, 一个 Yacc 程序

16、也用双百分号分为三段。它们是：声明、语法规则和 C 代码。 我们将解析一个格式为 姓名 = 年龄的文件作为例子，来说明语法规则。我们假设文件有多个姓名和年龄，它们以空格分隔。 在看 Yacc 程序的每一段时，我们将为我们的例子编写一个语法文件。C 与 Yacc 的声明C 声明可能会定义动作中使用的类型和变量，以及宏。还可以包含头文件。每个 Yacc 声明段声明了终端符号和非终端符号（标记）的名称，还可能描述操作符优先级和针对不同符号的数据类型。 lexer (Lex) 一般返回这些标记。所有这些标记都必须在 Yacc 声明中进行说明。在文件解析的例子中我们感兴趣的是这些标记：name, equ

17、al sign, 和 age。Name 是一个完全由字符组成的值。 Age 是数字。于是声明段就会像这样：文件解析例子的声明 % #typedef char* string; /* to specify token types as char* */ #define YYSTYPE string /* a Yacc variable which has the value of returned token */ % %token NAME EQ AGE %你可能会觉得 YYSTYPE 有点奇怪。但是类似 Lex, Yacc 也有一套变量和函数可供用户来进行功能扩展。 YYSTYPE 定义了用

18、来将值从 lexer 拷贝到解析器或者 Yacc 的 yylval （另一个 Yacc 变量）的类型。默认的类型是 int。 由于字符串可以从 lexer 拷贝，类型被重定义为 char*。 关于 Yacc 变量的详细讨论，请参考 Yacc 手册（见 资源）。Yacc 语法规则Yacc 语法规则具有以下一般格式： result: components /* action to be taken in C */ ;在这个例子中，result 是规则描述的非终端符号。Components 是根据规则放在一起的不同的终端和非终端符号。 如果匹配特定序列的话 Components 后面可以跟随要执行的

19、动作。 考虑如下的例子： param : NAME EQ NAME printf(tName:%stValue(name):%sn, $1,$3); | NAME EQ VALUE printf(tName:%stValue(value):%sn,$1,$3); ;如果上例中序列 NAME EQ NAME 被匹配，将执行相应的 括号中的动作。 这里另一个有用的就是 $1 和 $3 的使用, 它们引用了标记 NAME 和 NAME（或者第二行的 VALUE）的值。 lexer 通过 Yacc 的变量 yylval 返回这些值。标记 NAME 的 Lex 代码是这样的： char A-Za-z n

20、ame char+ % name yylval = strdup(yytext); return NAME; 文件解析例子的规则段是这样的：文件解析的语法 file : record file | record ; record: NAME EQ AGE printf(%s is now %s years old!, $1, $3); ; %附加 C 代码现在让我们看一下语法文件的最后一段，附加 C 代码。（这一段是可选的，如果有人想要略过它的话：）一个函数如 main() 调用 yyparse() 函数（Yacc 中 Lex 的 yylex() 等效函数）。 一般来说，Yacc 最好提供 y

21、yerror(char msg) 函数的代码。 当解析器遇到错误时调用 yyerror(char msg)。错误消息作为参数来传递。 一个简单的 yyerror( char* ) 可能是这样的： int yyerror(char* msg) printf(Error: %s encountered at line number:%dn, msg, yylineno); yylineno 提供了行数信息。这一段还包括文件解析例子的主函数：附加 C 代码 void main() yyparse(); int yyerror(char* msg) printf(Error: %s encounter

22、ed n, msg);要生成代码，可能用到以下命令： $ yacc 杁 这生成了输出文件 y.tab.h 和 y.tab.c，它们可以用 UNIX 上的任何标准 C 编译器来编译（如 gcc）。命令行的其他常用选项 -d ,-defines : 编写额外的输出文件，它们包含这些宏定义：语法中定义的标记类型名称，语义的取值类型 YYSTYPE, 以及一些外部变量声明。如果解析器输出文件名叫 name.c, 那么 -d 文件就叫做 name.h。 如果你想将 yylex 定义放到独立的源文件中，你需要 name.h, 因为 yylex 必须能够引用标记类型代码和 yylval 变量。 -b fil

23、e-prefix ,-file-prefix=prefix : 指定一个所有Yacc输出文件名都可以使用的前缀。选择一个名字，就如输入文件名叫 prefix.c. -o outfile ,-output-file=outfile : 指定解析器文件的输出文件名。其他输出文件根据 -d 选项描述的输出文件来命名。 Yacc 库通常在编译步骤中自动被包括。但是它也能被显式的包括，以便在编译步骤中指定 杔y 选项。这种情况下的编译命令行是： $ cc -ly将 Lex 与 Yacc 结合起来到目前为止我们已经分别讨论了 Lex 和 Yacc。现在让我们来看一下他们是怎样结合使用的。一个程序通常在每次

24、返回一个标记时都要调用 yylex() 函数。只有在文件结束或者出现错误标记时才会终止。一个由 Yacc 生成的解析器调用 yylex() 函数来获得标记。yylex() 可以由 Lex 来生成或完全由自己来编写。 对于由 Lex 生成的 lexer 来说，要和 Yacc 结合使用，每当 Lex 中匹配一个模式时都必须返回一个标记。 因此 Lex 中匹配模式时的动作一般格式为： pattern /* do smthg*/ return TOKEN_NAME; 于是 Yacc 就会获得返回的标记。当 Yacc 编译一个带有 杁 标记的 .y 文件时，会生成一个头文件，它对每个标记都有 #defi

25、ne 的定义。 如果 Lex 和 Yacc 一起使用的话，头文件必须在相应的 Lex 文件 .lex 中的 C 声明段中包括。让我们回到名字和年龄的文件解析例子中，看一看 Lex 和 Yacc 文件的代码。Name.y - 语法文件 % typedef char* string; #define YYSTYPE string % %token NAME EQ AGE % file : record file | record ; record : NAME EQ AGE printf(%s is %s years old!n, $1, $3); ; % int main() yyparse()

26、; return 0; int yyerror(char *msg) printf(Error encountered: %s n, msg); Name.lex - Lex 的解析器文件 % #include y.tab.h #include #include extern char* yylval; % char A-Za-z num 0-9 eq = name char+ age num+ % name yylval = strdup(yytext); return NAME; eq return EQ; age yylval = strdup(yytext); return AGE;

27、% int yywrap() return 1; 作为一个参考，我们列出了 y.tab.h, Yacc 生成的头文件。y.tab.h - Yacc 生成的头文件 # define NAME 257 # define EQ 258 # define AGE 259我们对于 Lex 和 Yacc的讨论到此为止。今天你想要编译什么语言呢？资源 Lex and Yacc, Levine, Mason 和 Branson, O扲eilly 及其合作公司，2nd Ed。 Program Development in UNIX, J. T. Shen, Prentice-Hall India。 Compil

28、ers: Principles, Techniques and Tools, Ahoo, Sethi 和 Ullman, Addison-Wesley Pub. Co., 1985，11。 Bison Manual from Gnu. Flex Manual from Gnu. Info on Bison, (GNU 的 Yacc). MKS Lex and Yacc 版本注释。 Lex and Yacc 指导。 Lex and Yacc and compiler writing 指导。 Java 版的 Lex 指导, 叫做 Jlex。 使用 Lex 和 Yacc 的 formalizing a grammar 实例。 作者介绍Ashish Bansal 具有印度瓦腊纳西 Banaras Hindu 大学技术学院的电子与通信工程学士学位。 他目前是 Sapient 公司的软件工程师。他的Email是 mailto:abansalieee.org。