[课业] 11 | C++ | 语言_ebnf cfg语法-CSDN博客

本文链接：https://blog.csdn.net/RussellHan/article/details/107393191

文章目录

语言的三要素

语言的三要素

语言有三要素：语法(Syntax)、语义(Semantics)、语用(Pragmatics)

语法(Syntax)

语法是用规则表示语言的组成方式
C++中，与其他语言相同，用EBNF语法图表示语法

Bakus-Naur范式

范式的表示

形式化描述程序设计语言的语法（从自然语言梳理出来）
如：
thank sb. for sth.
这是一个pattern，其中sb.和sth.是非语言的一部分，这是为了描述pattern引入的；thank与for是语言的一部分（切实的就是本人）
这种对pattern的描述就实现了用简单形式代表一个集合
这种pattern在程序设计语言中就是EBNF
例：
ID ::- _A_D
A ::- a|b
D ::- 1|0
这就是一个规则，约束了ID；所有能形成的ID是这样几个：_a_1, _a_0, _b_0, _b_1
规则中：ID是目标的标识符（类似变量名）；符号“::-”表示“定义为”，意为“规则的表示方法”
此例中，用这三条规则代表的是一个有限的字符串集合；若要表示一个无限集合（即用有限的规则表示无限集合）用递归定义
如：
ID ::- _A_D
A ::- aA|bA|A
D ::- 0|1
依旧此例
ID，A，D等不会出现在集合里，他们只是为了描述该语言来描述的引入，成为非终极符号，表示时通常用<>括起来，如
<ID> ::- _<A>_<D>
终极符号又称字母表；组词、组句的规则就是语法规则
完整形式

非终极符号用{V_N}表示
终极符号用{V_T}表示
整个集合{V_N} U {V_T}为BNF对应的语言表示

系统对范式的识别

采用方法：规则替换
即遇到任何一个符号串，机器就根据给出的规则不断用右部替换左部，最终形成一棵树；如果该树的根即为目标Identifier，即认为该字符串为符合规则的串
如果是从下往上处理，称为reduce
如果是从上往下递归处理，称作deduct

例：_a_0是否为上述语言的一部分？
如上图，可知_a_0是上述语言的一部分

EBNF示例（与正则有些类似）

Avram Noam Chomsky的语言系统

观点：自然语言可以用严格形式表示，语法结构可以推演
55年论文：将人类所有的自然语言分成4个部分
G = { V_N, V_T, P, Z }
V_N代表非终极符号集
V_T代表字母表（在程序设计语言中基本同于ASCII）
P代表转换式规则
Z代表目标，即Identifier
语法表示可以分为4类
详细资料参见1 ，或参见2
RG(Regular Grammar)：正则文法
CFG(Context Free Grammar)：上下文无关文法
CSG(Context Sensitive Grammar)：上下文有关文法
PSG(Phrase Structure Grammar)：短语结构文法
对于每种语法，都定义了一种自动识别模型
RG-FA(Finite Automata)（有限状态自动机）
CFG-PDA(PushDown Automata)
CSG-LBA(Linear Bounded Automata)
PSG-TM(Turing machine)
注：这些的意思是：“RG语法用FA来识别”
PushDown Automata识别时用栈结构，有缓冲过程，对应模型叫Stack-Based
程序设计语言在此语言系统
程序设计语言语法在是RG，整体文法是CFG，还有一些越过CFG进入CSG
按照(RG, CFG, CSG, PSG)的顺序，语言的规则约束越来越弱，内涵越来越少，外延越来越大，语言范畴越来越大
不能用CFG描述的部分，如先定义后使用原则，调用函数参数与定义时参数一致原则等
这样的语法部分超过了CFG的范围，但不一定用LBA来识别，而使用ad hoc来识别
注：ad hoc是拉丁的"for this"，引用为“for this purpose only"，意为（在此情景中）特殊情况出现时，不一定要更强大的自动机来识别（因为自动机越强，系统复杂度越高），而是特殊情况特地解决就好