Lex和yacc工具介绍

　　在编译过程中，词法分析和语法分析是两个重要阶段。lex和yacc是Unix环境下非常著名的两个工具，可以生成分别完成词法分析和语法分析功能 的C代码。在学习编译原理过程中，可以善加利用这两个工具，加深对两个阶段的理解。在平时的工作中，这两个工具也会起到重要的作用。  Lex是LEXical compiler的缩写，主要功能是生成一个词法分析器(scanner)的C源码。描述词法分析器的文件，经过lex编译后，生成一个lex.yy.c 的文件，然后由C编译器编译生成一个词法分析器。词法分析器，简单来说，其任务就是将输入的各种符号，转化成相应的标识符(token)，转化后的标识符 很容被后续阶段处理。
　　先让我们来看一个简单的例子： 
　　int num_lines = 0, num_chars = 0;
　　%%
　　\n  {++num_lines; ++num_chars;}
　　.  {++num_chars;}
　　%%
　　main()
　　{       
　　yylex();      
　　printf("# of lines = %d, # of chars = %d\n", num_lines, num_chars);
　　}
　　然后编译，输入一个文本试试： 
　　$ flex sample1.l$ mv lex.yy.c sample1.c$ gcc sample1.c -o sample1 -ll$ ./sample1 
　　#include "y.tab.h"
　　typedef char * YYSTYPE;
　　char  *  yylval;
　　%
　　}
　　正则表达式声明如下 
　　/* regular definitions */
　　delim [ \t\n]
　　ws  {delim}+
　　letter [A-Za-z]
　　digit [0-9]
　　id  {letter}({letter}{digit})*
　　number {digit}+(\.{digit}+)?(E[+\-]?{digit}+}?
　　这段正则表达式描述识别数(number)、标识符(id)的"规则"。过一会我们再细说正则表达式。 
　　规则段是由正则表达式和相应的动作组成的。 
　　p1  {action1} 
　　p2  {action2}
　　…… 
　　pn  {actionn}
　　值得注意的是，lex 依次尝试每一个规则，尽可能地匹配最长的输入流。如果有一些内容根本不匹配任何规则，那么 lex 将只是把它拷贝到标准输出。比如 
　　%%
　　A       {printf("you");}
　　AA      {printf("love ");}
　　AAAA    {printf("I ");}
　　%% 编译后运行一下， 
　　$ ./sample3
　　AAAAAAA
　　I love you
　　可以看出lex的确按照最长的规则匹配。 
　　程序段部分放一些扫描器的其它模块，比如一些动作执行时需要的模块。也可以在另一个程序文件中编写，最后再链接到一起。 生成C代码后，需用C的编译器编译。连接时需要指定链接库。gcc的连接参数为 -ll。 
　　[编辑]正则表达式
　　正则表达式(regular expression)可以描述有穷状态自动机(finite automata)接受的语言，也就是定义一个可以接受的串的集合。限于篇幅，我们就不展开关于这方面的话题了。有兴趣的请参考[4]。 这里只介绍一下lex中用到的正则表达式的一些规则。 
　　转义字符（也称操作符）： 
　　" \ [ ] ^ - ? . * + | ( ) $ / { } % 这些符号有特殊含义，不能用来匹配自身。如果需要匹配的话，可以通过引号(")或者转义符号(\)来指示。比如 
　　C"++" C\+\+都可以匹配C++。 
　　非转义字符：所有除了转义字符之外的字符都是非转义字符。一个非转义字符可以匹配自身。比如 
　　integer匹配文本中出现的integer。 
　　通配符：通配符就是.（dot），可以匹配任何一个字符。 
　　字符集：用一对[]指定的字符构成一个字符集。比如[abc]表示一个字符集，可以匹配a、b、c中的任意一个字符。使用   可以指定范围。比如[a-z]表示可以匹配所有小写字母的字符集。 
　　重复： 
　　* 任意次重复+ 至少一次的重复，相当于xx*? 零次或者一次选择和分组：|符号表示选择，二者则一；括号表示分组，括号内的组合被看作是一个原子。比如(ab|cd)匹配ab或者cd。 
　　简单来说，yacc(Yet Another Compiler-Compiler)就是编译器的编译器。Yacc是一个通用的工具，能够根据用户指定的规则，生成一个词法分析程序。yacc能识别 LALR(1)且无歧义的文法，它的输入是词法分析器的输出。我们知道，生成词法分析器是lex分内的事，因此lex和yacc常常珠联璧合。 
　　先让我们看一下yacc文件的格式。和前面介绍的lex的格式类似： 
　　declarations(声明)
　　%%rules(规则)%%
　　programs(代码)
　　其中声明段声明一些符号常量，可以为空。同lex一样，声明段中可以有出现在目标C程序中的代码，放在%{…%}中；还有一些yacc关键词可以指示出token的结合顺序： ％left 左结合 %right 右结合 %nonassoc 不结合 %token 声明token 
　　俗话说"没有规矩，不成方圆"。 规则段描述规则，自然是重中之重了。规则段的结构是如下， 
　　A : BODY ;
　　A表示非终结符名，BODY表示产生式和动作。产生式包括非终结符和终结符，终结符用''引用。一些转义字符，比如'\r','\n'等，和C里面 的表示是一样的。动作(action)则是在输入被当前规则识别出来时而执行的。动作实际上就是C的代码，写在{ }中。为了沟通词法分析器和动作，yacc引入了形式变量，以$开头。如果希望获得词法分析器和前面的动作返回的值，我们可以使用$1,$2,…。$i表 示一条规则右侧第i个单元的值。比如有这样的一条规则， 
　　A : B C D ;C的返回值为$2，D为$3。依此类推。 
　　程序段放一些其它的程序，也可以省略，连%%都可以不要。 
　　连接时需要指定连接库，gcc的参数为-ly。 
　　[编辑]举例
　　让我们看一个典型的例子，它实现一个简单的计算器： 
　　%
　　{
　　#  include  
　　#  include  
　　int  regs[26];
　　int  base;%
　　}
　　%start  list
　　%token DIGIT  LETTER
　　%left  '|'
　　%left  '&'
　　%left  '+'  '-'
　　%left  '*'  '/'  '%'
　　%left  UMINUS      /*  supplies  precedence  for  unary  minus  */
　　%%      
　　/*  beginning  of  rules  section  
　　*/list : 
　　/*  empty  */ 
　　| list  stat  '\n' 
　　| list  error  '\n'   
　　{ 
　　yyerrok;  
　　} ;
　　stat : expr   
　　{ printf( "=%d\n", $1 );  } 
　　| LETTER  '='  expr   
　　{ regs[$1]  =  $3;  } ;
　　expr : '('  expr  ')'  
　　{ $  =  $2;  } 
　　| expr  '+'  expr   
　　{ $  =  $1  +  $3;  } 
　　| expr  '-'  expr   
　　{ $  =  $1  -  $3;  } 
　　| expr  '*'  expr   
　　{ $  =  $1  *  $3;  } 
　　| expr  '/'  expr   
　　{ $  =  $1  /  $3;  } 
　　| expr  '%'  expr   
　　{ $  =  $1  %  $3;  } 
　　| expr  '&'  expr   
　　{ $  =  $1  &  $3;  } 
　　| expr  '|'  expr   
　　{ $  =  $1  |  $3;  } 
　　| '-'  expr        %prec  UMINUS   
　　{ $  =  -  $2;  } 
　　| LETTER   
　　{ $  =  regs[$1];  } 
　　| number            ; number : DIGIT         { $ = $1;    base  =  ($1==0)  ?  8  :  10;  }  | number  DIGIT        { $  =  base * $1  +  $2;  } ; %%       /*  start  of  programs  */ yylex()  {  /*  lexical  analysis  routine  */ /*  returns  LETTER  for  a  lower  case  letter,  yylval = 0  through  25  */ /*  return  DIGIT  for  a  digit,  yylval = 0  through  9  */ /*  all  other  characters  are  returned  immediately  */  int  c;  while(  (c=getchar())  ==  ' '  )   {  /*  skip  blanks  */   }  /*  c  is  now  nonblank  */  if(  islower(  c  )  )   {     yylval  =  c  -  'a';     return  (  LETTER  );   }  if(  isdigit(  c  )  )   {       yylval  =  c  -  '0';     return(  DIGIT  );   }  return(  c  );  } 编译、执行： 
　　$bison example.y
　　$gcc example.tab.c  ly -o example
　　$./example
　　20+30*50=1520
　　小结
　　lex是词法分析器的生成工具，yacc是文法分析器的生成工具。lex的描述规则采用正则表达式，关于正则表达式的详细讨论，参见文献[1]； yacc的描述规则采用无歧异文法。在GNU中有相应lex和yacc工具：flex和bison，与lex和 yacc兼容。