编译原理Compiler_2

2023.3.8

1. SimpleExprRules.g4
   1. lexer grammar SimpleExprRules:
      • 将语法的部分与词法的部分解耦合
      • 如果词法需要用到，则import SimpleExprRules
2. 交互：
   1. 
   2. SimpleExpr.g4  @header{package simpleexpr;} header：在里面的写的代码，会被原封不动拷贝到.java文件
   3. 驱动的main函数
3. 手写词法分析器：
   1. 语言和集合：字母表上定义语言
   2. 字母表：有限的符号集合，Σ
   3. 串：符号构成的有穷集合， ε表示空串，空串的长度为0
   4. 语言：给定字母表上一个任意的可数的串的集合，可以通过集合操作构造新的语言
      • 什么都没有的语言和有一个空串的语言的区别，见PPT
      • 连接：类似笛卡尔积 x= dog , y= house ---> xy=doghouse
      • Kleene闭包：广义的并，类似.g4中的*   L*
      • 正闭包：类似+  L+
      • id：L(L ∪ D)* 如果L为26+26a-zA-Z个字母，D为0-9，则L(L ∪ D)*第一位是字母，加上任意多个0-9a-zA-Z
   5. 正则表达式是语法，正则语言是语义，每个正则表达式对应一个正则语言
4. 正则表达式：
   1. 定义：
      • 正则表达式是语法，正则语言是语义，每个正则表达式r对应一个正则语言（集合）L（r）
      • 空 ：空串是正则表达式
      • a ：字母表中任何一个符号自身，也是正则表达式
      • （a） ：a是正则表达式，则加一个括号还是正则表达式
      • r|s，rs，r* ： r和s也是正则表达式，做或| 、拼接、*等运算还是正则表达式
      • 优先级：（） >  * > 连接 > |
   2. 对应的正则语言：
      • ｛空串｝ = L（ε）
      • ｛a｝ = L（a）
      • 括号可以去掉，语言一样 L（（R）） = L（R）
      • |对应并，拼接对应拼接，闭包对应语言上的闭包
      • PPT上的简单例子
      • 匹配三的倍数：（0|（1（01*0）*1））* 自动机理论学习后更加容易理解
      • 
      • R1/R2 : 后面跟着指定R2才返回匹配到的R1
   3. 正则表达式的例子：
      • 匹配所有的颜色，六位十六进制数字：[0-9a-fA-F]{6}  中括号{}中6表示6位
      • 一位数或两位数x2 + 至少是两位数，时间识别： \d{1,2}[-\/]\d{1,2}[-\/]\d{2,4}          \/是转义 \d表示是数字
      • 小数点前>=100，并且要有$，小数点后2位： \$\d{3, }\.\d{2}   {}中只写一边3表示>=3
      • 匹配完整的单词而不是某个单词中间出现的符合的部分：\bcat\b        \b表示boundry界限
      • 匹配正常的html格式,匹配只返回标签之内的内容： (?<= < ( [hH][1-6] ) >).*? (?= < \/[hH]\1 >)           一般来说.*都要考虑会不会贪婪匹配\n，需不需要加上？非贪婪匹配             反向引用：后面匹配的内容与前面的有关，需要引用前面的          （）括起来的是值表达式，后面可以引用，按照下标访问  (?= xxx )表示向后看，后面是否是xxx  (?<= xxx)表示向前看是否为xxx，xxx不返回（？）叫做look around
      • regex101: build, test, and debug regex
      • 正则表达式 – 语法 | 菜鸟教程 (runoob.com)
5. 手写词法分析器：
   1. 整体框架：
   2. LA(0) : WS（空白符）, EOF（结束符）, ID, INT, UNKNOWN（出错）
   3. LA(1) : IF ELSE ID INT
   4. LA(2) : EQ, NE<>, LT<, GT<=, GE>=
   5. arbitrary LA: 
   6. nextToken()     while(nextToken())
   7. ws: 直接扔掉就行 advance()
   8. id: while扫描 用stringbuilder 保存，peek最后到第一个非字母非数字，查关键字表是否是关键字，不是关键字，则返回为一个id
   9. 
      while扫描 用stringbuilder 保存，返回为一个int
   10. relop 和other 错误处理
   11. int real 和sci ：不同的stringbuilder收集
       不同的数字部分
       • 用while中switch做状态切换
       • 以下逻辑有缺，可能有误
       • 用两个变量记录，intPos和realPos。14,16,17，
       • 13：intPos = pos，已经将12数字加入，如果还是数字，则加入intstr；如果是小数点 . ，则用realstr记录，跳转；如果是Ee，则用scistr记录，跳转16；如果是other，则return int。
       • 14：如果还是数字，则加入realstr；回退：intPos，intstr
       • 15：realPos = pos，如果还是数字，则加入realstr；如果是other，则return real，intstr和realstr拼接；如果Ee，则scistr；
       • 16：如果还是数字，则加入scistr；如果是+-，则scistr；可能会回退到15或者13，realstr为空则返回13，return intstr；不为空return intstr+realstr。
       • 17：如果还是数字，则加入scistr；reset
       • 18：如果还是数字，则加入scistr；如果是other，则return real，intstr和realstr和scistr拼接；
       • Reset回退：this.pos = 传入pos; this.peek = input.charAt(pos);

2023.3.10自动机理论

1. 手写词法分析器：
   1. 状态转移图：往前走，调整状态，记录关键点，不符合就回溯
2. 自动机automaton automata：
   1. 状态集和状态转移函数
3. NFA:
   1. 非确定性有穷自动机nondeteministic finite automaton
   2. 定义：
      • 字母表Σ
      • 有穷状态集合S
      • 唯一的初始状态S0∈S
      • 状态转移函数δ
      • 接收状态集合F包含于S
   3. 
   4. 非确定性：当处于某状态，看到字母a，可能转移到其他状态，也可能还保持原来的状态；当处于某状态，在不看到任何字符情况下，可以自发的转移到其他状态。（图中补上一个ε转移）
   5. 
      如果画出的示意图缺少某些状态转移条件与转移后状态，那就是默认是转移到一个空状态∅上。约定: 所有没有对应出边的字符默认指向一个不存在的 “空状态” ∅
   6. P与np（非确定多项式）
   7. 定义：(接受 (Accept)) (非确定性) 有穷自动机 A 接受字符串 x, 当且仅当存在一条从开始状态 s0 到某个接受状态 f ∈ F、标号为 x 的路径。因此, A 定义了一种语言 L(A): 它能接受的所有字符串构成的集合。