Lex & Yacc (2)

Yacc

 

Yacc 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：

 

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()）。

 

3.      编译 Yacc 生成的代码以及其他相关的源文件。

 

4.      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, equal 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动作。 考虑如下的例子：

 

param : NAME EQ NAME {           printf("/tName:%s/tValue(name):%s/n", $1,$3);}               | NAME EQ VALUE{               printf("/tName:%s/tValue(value):%s/n",$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]           name {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 yyerror(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:%d/n", 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 encountered /n", msg);           }

 

 

要生成代码，可能用到以下命令：

 

$ yacc _d

 

 

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 file-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 �ly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 _d 标记的 .y文件时，会生成一个头文件，它对每个标记都有 #define 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();             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; }         %%           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？