3 如何机算？
机算和手算的算法是一样的，不过要使用机算的话，要将抽象的概念转换为具象代码，还是有一定的难度，但大家不用灰心，我们一步一步地来。
3.1 Language定义
Language与上面的文法是对应的，知道上面文法的定义为一个四元组（VN, VT, P, S），如何将文法定义具象至代码呢？C/C++没有元组的概念，但是不用着急，我们可以先将元组的特性都抛开，定义一个数据结构，然后针对这种数据结构设计一套操作，让这种结构看起来像元组。读者很快可以想到，定义一个结构体或类就可以了，实际上，WACC确实是这样做的。
如下面所示，定义Language类。
class CLanguage
{
public:
//string 是待计算的序列
bool FirstFromVect(vector<CSymbol*>& str,CFirstSet& vSet, int &changes);
void InsertSymbol(CSymbol& vSymbol);
void InsertRules(CRules& vRules);
bool ComputerFirstSet();
CLanguage(){ gensymbol = CSymbol(0,"$"); symbol.push_back(gensymbol);};
CLanguage(vector<CSymbol>& symbol,
vector<CRules>& rules);
void SetStartSymbol(CSymbol& start);
CSymbol gensymbol; //genarate symbol is $
vector<CSymbol> symbol;
vector<CRules> rules;
CSymbol *startsym;
void CopyVect(vector<CSymbol*> &stDes,
vector<CSymbol*> &stSource);
private:
void FirstAllTerm();// 由computerFirstSet调用
};
我们可以看到灰色底框框住的三个域sysmbol,rules 和startsym就是对应文法中元组的符号，产生式和开始符号。在这里，我们没有弄出四元组出来，符号是终结符还是非终结符符，采用一个符号中设置一个标志来区分（在后面Csysmbol有定义）。而且，是否为终结符还是非终结符，是通过计算得出来的，不用规定。此外，大家可能很奇怪gensymbol，这个符号一定会被指定为$,计算LALR（1）同心集时候才使用的。rules就是产生式集合。Rule英文含义是规则，在编译原理中与产生式（produce）同义，我们代码中使用rules术语来代替产生式术语。主要考虑是rules单词简单，不容易产生歧义。
在这里我们可以看到，元组的概念我们使用类来表示，集合我们使用vector容器来表示。我们只要保证插入时没有相同元素就可以保证集合的寓意。规定一组操作InsertSymbol和InsertRules，还有其它的一些函数现在不用理会。Language源于文法的抽象定义，但又与其有所不同，在坚持原则的基础上，又灵活多变，是咱中国人的强项哦，呵呵。
3.2 Symbol定义
class CSymbol
{
public:
int value;
std::string name ;
CSymbol(){};
CSymbol( int value,
std::string name, bool isNT = false ,
bool isEposilon = false );
void setEpsilon(bool isEposilon);
void setNT(bool isNT);
CFirstSet FirstSet;
bool isNT;//如果是非终结符，其值为true,否则为false
bool isEposilon;
};
在该类定义中，value是symbol的核心，一个symbol对应一个value，而且是唯一对应，以至于可以直接由value确定哪个symbol。其中gensymbol的value值为0，这是规定的。name是symbol对应的字符串，主要用于测试，打印name我们就知道给symbol的含义了，不然测试时我们还要记住冷冰冰的数字所代表的哪个symbol，那只会让我们痛苦。FirstSet用来该符号的First集。可从名字知道它的含义哦。上面的一节说过我们没有特意定义终结符和非终结符，它们是使用一个标志位来区分的，该标志位就是isNT，其中NT就是not termintor的意思（不是终结者机器人哦）。此外，也没有定义epslion，我们使用isEposilon表示first集是否包含epsilon。采用isEposilon可能含义不准确。呵呵。其操作的也很简单，看名字就知道含义了。
注意：symbol的实例均加入到Language的symbol集合中了，Rules等其它类只能操作Language的symbol集合中对外隐射出来的句柄，在WACC中使用的是引用或指针来表示symbol集合的元素的句柄。呵呵。（实际上也可以使用整数，可能会更安全些，但俺就是这样实现的）
3.3 Rules定义
class CRules
{
public:
CSymbol *LeftPart;
vector<CSymbol*> RightPart;
int RuleInd;
CRules(){};
CRules(CSymbol *LeftPart,
vector<CSymbol*>& RP);
private:
void insert(CSymbol *RightSymbol);
};
自然，在CRules定义中，LeftPart和RightPart与文法中产生式的左部和右部概念是对应的，含义也很清楚，所以没有注释。命名规范的变量和函数，可以省去注释，即使注释，也是无效的注释。这种不需要注释的代码往往也称自注释代码。在很多编程规范中都有这样的要求。WACC并不算太规范，很多地方是没达到规范要求的。呵呵。这里有RuleInd的含义是规则索引号，可能让大家看的奇怪，这个变量旁边应该要有注释的。RuleInd是用来指示Rule在Rule集合中的编号，唯一一个RuleInd对应唯一的Rules。注意，insert仅供CRules构造函数使用，不应暴露给类外，否则没办法保证Rule的左部右部完整语义。在一条规则中LeftPart一定不能为空，而RightPart可空。设置类成员的访问权限，保证语义是其一条妙处。
在CRule的构造函数中，LeftPart设置为isNT属性的。
3.4 计算First集
注意，为了便于测试，以上一些成员函数和成员变量绝大多数地定义成public，实际上有些函数只是内部使用不应该暴露给类外的成员。
3.4.1 从测试函数开始
下面是一个计算First集的测试函数，名字为test1( )
void test1()
{
CLanguage lang;
//定义一个符号集合V
CSymbol stmt_sequence(1,"stmt_sequence");
CSymbol stmt(2,"stmt");
CSymbol stmt_seq(3,"stmt_seq");
CSymbol semicolon(4,";");
CSymbol s(5,"s");
//一.获得CLanguage之vector<CSymbol>
vector<CSymbol> vSym;
lang.InsertSymbol(stmt_sequence);//1
lang.InsertSymbol(stmt); //2
lang.InsertSymbol(stmt_seq); //3
lang.InsertSymbol(semicolon); //4
lang.InsertSymbol(s); //5
showsym(lang.symbol); //显示之
//二.获得CLanguage之vector<Rules>
//1.获得rightpart之Vector<CSymbol*>
#define vlang(x) (&lang.symbol[x])
//rule1
vector<CSymbol*> rpart1;
rpart1.push_back(vlang( 2 ));
cout<<vlang(2)<<" part"<<endl;
cout<<rpart1[0]<<endl;
rpart1.push_back(vlang( 3 ));
//2。获得leftpart--取得rules
CRules r1(vlang(1),rpart1);
//3.插入vector<Rules>
showrule( r1 );
//r2
vector<CSymbol*> rpart2;
rpart2.push_back(vlang(4));
rpart2.push_back(vlang(1));
CRules r2(vlang(3),rpart2);
showrule( r2 );
//r3
vector<CSymbol*> rpart3;
CRules r3(vlang(3),rpart3);
showrule( r3 );
//r4
vector<CSymbol*> rpart4;
rpart4.push_back(vlang(5));
CRules r4(vlang(2),rpart4);
showrule(r4);
cout<<" \nThe language's symbol is "<<endl;
showsym( lang.symbol );
lang.InsertRules(r1);
lang.InsertRules(r2);
lang.InsertRules(r3);
lang.InsertRules(r4);
cout << "\nThe languge's rules is"<<endl;
for ( int i = 0; i<lang.rules.size(); i++)
showrule(lang.rules[i]);
#undef vlang
//三.获得开始符号
lang.SetStartSymbol(lang.symbol[1]);
cout<<"\nlanguage's startsymbol is "<<lang.startsym->name
<<endl;
//language初始化结束
//计算first集合
//1.计算所有 终 结 符的first集合
//lang.FirstAllTerm();
lang.ComputerFirstSet();
for ( i = 0; i<lang.symbol.size(); i++)
showFirst(lang.symbol[i],lang);
//2.从rules中计算first集合
}
在main函数中直接调用test1（）就可以了。如下所示：
void main()
{
cout<<"\n----Test1-------- "<<endl;
test1();
#if 0
cout<<"\n------Test2------ "<<endl;
test2();
cout<<"\n------Test21----- "<<endl;
test21();
cout<<"\n---------+Test3+----"<<endl;
test3();
cout<<"\n*******===Test4====***"<<endl;
test4();
cout<<"\n*******===Test5====***"<<endl;
test7();
test5();
test6();
test8();
test9();
test10();
test11();
#endif
}
注意，#if 0 ……. #endif 是一种预编译命令（框起来的部分），在它们之间的代码不会被编译进去，而不需直接删除代码或注释之，同时恢复起来也十分方便。是俺十分喜欢使用的一种删除命令。
执行结果如下：
----Test1--------
$: eposilon is 0 nt is 0 value is 0
stmt_sequence: eposilon is 0 nt is 0 value is 1
stmt: eposilon is 0 nt is 0 value is 2
stmt_seq: eposilon is 0 nt is 0 value is 3
;: eposilon is 0 nt is 0 value is 4
s: eposilon is 0 nt is 0 value is 5
00033A78 part
00033A78
Rule: stmt_sequence->stmt stmt_seq
Rule: stmt_seq->; stmt_sequence
Rule: stmt_seq->
Rule: stmt->s
The language's symbol is
$: eposilon is 0 nt is 0 value is 0
stmt_sequence: eposilon is 0 nt is 1 value is 1
stmt: eposilon is 0 nt is 1 value is 2
stmt_seq: eposilon is 1 nt is 1 value is 3
;: eposilon is 0 nt is 0 value is 4
s: eposilon is 0 nt is 0 value is 5
The languge's rules is
Rule: stmt_sequence->stmt stmt_seq
Rule: stmt_seq->; stmt_sequence
Rule: stmt_seq->
Rule: stmt->s
language's startsymbol is stmt_sequence
$:firstset value is $
stmt_sequence:firstset value is s
stmt:firstset value is s
stmt_seq:firstset value is ; epsilon
;:firstset value is ;
s:firstset value is s
由阴影部分可见，结果和我们手算的得出的结果是相同的。大家可以看到，在这里构造符号和规则十分麻烦。但是这仅仅是在初期测试算法是否正确的一种手段，最后大家可以看到，WACC最终是读取文件来构造符号和规则的。
后面的章节我们依次介绍该测试函数，游历计算First集的整个过程。注意测试代码中的阴影部分以及戴圈数字1，2，3，4.
3.4.2 CSymbol构造函数
在Test1（）中第三行，我们看到，它首先定义了一个lang,类型为CLanguage，在默认的CLanguage构造函数中，会隐式构造一个symbol，称为gensymbol，即产生符号。序号为0，名为$并将它压入自己的symbol集合中，参见Language定义。
因此，在1中，不能以0开始，只能以1开始。0已经被gensymbol占用。此外，value值即符号出现的序号。CSymbol stmt_sequence(1,"stmt_sequence");表示创建stmt_sequence的符号，序号为1，名字为"stmt_sequence" ，其它的依次类推。
CSymbol 构造函数如下所示：
定义 :
CSymbol( int value,
std::string name, bool isNT = false ,
bool isEposilon = false );
实现：
CSymbol::CSymbol( int value,
std::string name, bool isNT ,
bool isEposilon )
{
this->value = value;
this->name = name;
this->isNT = isNT;
this->isEposilon = isEposilon;
}
可知，在Symbol构建过程中，isNT，和isEposilon是默认为false的，也就是说，是否包含eposilon，是否是非终结符，在创建时并没有确定下来。那么这两个属性是在什么时候确定的呢？不急，慢慢来。
3.4.3 CLanguage的 InsertSymbol 函数
上面说过，CRules以及下一章会讲到CItem等类，操作的symbol均是句柄，是Language中symbol集合对外映像出来的引用或指针。实例均在Language中symbol成员所包含的集合中。上面创建的symbol都是临时的对象，只有通过InsertSymbol函数插入Language中symbol集合中才能进行后续计算。实例与映像的关系可能很难理解，读者可以复习一下C/C++教材，慢慢体会。
Test1函数第14～18行，阴影部分戴圈2，注意执行操作的顺序与符号的序号是一致的，不要乱序，否则会有问题。我们现在测试的部分是WACC的底层初级部分，要注意这注意那，并不健壮。但是如果和其它部分结合起来，还是相对健壮的，是容错的。呵呵，大家现在还是要耐点心。
InsertSymbol实现很简单，仅一个语句
void CLanguage::InsertSymbol(CSymbol& vSymbol)
{
symbol.push_back(vSymbol);
}
但这里应该注意一点，可能是在编程时容易出错的地方，symbol定义为vector，而stl中vector每次push_back可能会导致vector空间重新分配，所以不要随意对vector中的元素取指针或引用，如果要使用，必须保证vector的中的元素已经稳定，不再进行插入或删除操作了。
3.4.4 CRules构造函数
CRules构造函数如下：
CRules::CRules(CSymbol *LeftPart,vector<CSymbol*>&
RP)
{
vector<CSymbol*>::iterator i;
this->LeftPart = LeftPart;
for ( i = RP.begin(); i!=RP.end(); i++)
{
insert(*i);
}
this->LeftPart->setNT(true);
if ( (this->RightPart).empty() )
{
this->LeftPart->setEpsilon( true );
}
}
在Test1函数中，第三十行戴圈3中 ，以及之后的代码中均可以看到CRule的构造函数的使用。在这里，你可以看到设置isNT的函数setNT(第10行)和setEpsilon（第13行）。现在您应该明白了凡是在左部的符号均设置为非终结符（not terminator）而如果右边为空，则左部first集一定包含epsilon的，而包含epsilon的不一定右部为空。所以设置epsilon的地方除此之外，还有其它地方要使用setEpsilon函数。这在后面的讲到的函数中会涉及到的。
3.4.5 CLanguage 的ComputerFirstSet 函数
参见Test1函数戴圈字4，约74行，我们就可以看到ComputerFirstSet函数。这个函数就是计算First集的。与2.1.3节的算法对应起来，我们来看看这个函数的代码
bool CLanguage::ComputerFirstSet()
{
FirstAllTerm();//找出所有terminate symbol 的first集合
int changes = 1; //初始化为1
bool isEpsi ;
int rIndex ; //rules index
//if there is any changes do it cycle
while ( changes )
{
changes = 0;
//for each rule choice A->X1X2X3...Xn
for ( rIndex = 0; rIndex < this->rules.size(); rIndex++ )
{
isEpsi = FirstFromVect((this->rules[rIndex]).RightPart,
(this->rules[rIndex]).LeftPart->FirstSet, changes);
(this->rules[rIndex]).LeftPart->setEpsilon(isEpsi);
}
}
return false;
}
这段代码基本与2.1.3节的算法描述是一致的。注意框住的函数名FirstFromVect,该函数作用就是计算一条规则产生的First集。第一个参数是规则的右部，第二个参数就是LeftPart的First集。还有一个参数是change。用来表示First集是否可增大。它还有一个返回值表示右部元素是否均包含epsilon，如果包含，则将LeftPart也要设置epsilon。
FirstFromVect函数如下实现：
bool CLanguage::FirstFromVect(vector<CSymbol*>& str,CFirstSet& vFirst,
int& changes)
{
int k = 1-1;
int n = str.size();
bool bContinue = true;
while ( bContinue && k<= n-1 )
{
//add first(Xk)-epsilon to vFirst
changes += vFirst.SetUnion( vFirst.set, str[ k ]->FirstSet.set );
//if epsilon NOT in First(Xk) then Continue = false
if ( !(str[ k ]->isEposilon) )
{
bContinue = false;
}
k = k + 1;
}
return bContinue;//from the vector we know wether it has epsilon
}
在上面的框中，您是否看到2.1.3节的算法的影子了呢？
至此，First集合计算已经接近尾声。该函数还包含了FirstAllTerm ，它的作用正如注释所说，用来找出terminate symbol的first集。这里不再赘述。
3.5 小结
本章的带着读者从文法等基础概念，游历到实际的代码的全过程。采用的C++面向对象的思想，而不是纯C的过程编程方法。思维如何从抽象到具象的平滑过渡，或从具象平滑到抽象。是研究编译原理的难点，也是一种乐趣。国外的大师能在具象与抽象自由穿梭，能在哲学与具体问题之间架设通畅的桥梁。软件中的对象思想以及模块化的思想，均可能来自工程管理的经验，但引入计算机领域便掀起了一场革命。而目前计算机领域大多数的新技术均是美国发起的，而非我国。很可能与东方人（包括我国和日本）喜欢沉迷于具体问题有关。我国的“道”（哲学）与“艺”（技术）是脱节的。学哲学的人只能在抽象的世界里徘徊，学成后只能到学校去教书。而学技术的人恰恰相反，往往在具象中不能自拔，只能算一匠，而非大师。
在使用C++编程应该注意这样的顺序，先确定数据结构，数据结构与实际问题的对象是密切相关的，数据结构定义得如何直接影响后期的框架。再是定义接口和框架，这个过程较为抽象。最后才实现各个函数的算法。框架搭得好，后面的实现就完全是体力活了。很多程序员有最大的一个毛病就是一开始就写代码，从不去设计，不去做模块化工作。编码中途不能被打断，往往要熬夜加班才能勉强将一个小功能的程序做好，如果中途睡了一觉，睡醒了坐在计算机旁就不知道后面的代码该怎么写了。这就是不会抽象，只能在具象中徘徊的表现。这样的程序员不具备做大型程序开发的能力。
当然，WACC并不算是个大程序，算是抛砖引玉，引领大家进门而已。此外，大家要注意类的封装性，慎用全局变量。养成测试的习惯，写的代码尽早测试尽早解决Bug。避免在后期这些Bug引起“蝴蝶效应”。
扫一扫
7922
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
