Compiler 学习之Parsing（1）

我实在是不怎么能写博客。。。就当Coursera课程的笔记了。

parsing是继lexical analysis之后的第二个内容，在我们完成了Lexical analysis之后，我们需要将输入的token对组成一个Parse Tree，为后来的语义分析做准备。那么Parsing到底有哪些内容呢？

Context Free Grammar，Derviation， Recursive Decent Algorithm， Bottom-up Parsing等等，我们一个一个看。

一: Context Free Grammar 又叫 CFG, 根据 CFG的定义，它包含以下几个方面：

{

a set of terminals;

a set of non-terminals;

a start symbol (non-terminals);

a set of production (can be anything);

}

先解释以下terminal 和non-terminal的问题，terminal是parsing中的最后单元，它不能被解释成其它东西了，好比说数字 int(我们不关心int的具体值)，操作符(*+-/)，关键字。而non-terminal是一种抽象的标号，它可以被解释成terminal或者non-terminal。看一个例子：

E -> E + E | E - E | E * E | E / E | int | epsilon

这句话的意思就是 E可以被解释成以下集中形式 E + E， E - E ..., 其中包括 int这样的 terminal还有一个特殊的符号 epsilon（它表示空）。 值得注意的是这种解释方法和Regular Expr很相近，其中的 '|' 和 Regular Expr 当中的 '|' 有相同的作用，“可以将E替换成右边的任何一种 production”。

总结以下，对CFG的操作：

1：从 Start Symbol开始（通常叫S）;

2：将左边的任何一个non-terminal 替换为Production;

3：重复第二步知道没有全部都为terminal位置;

顺便我们可以定义CFG的 语言 L（G）： 所有可以被G规则解释出来的字符串，我们就认为它在G的语言中（In the language of G）。

不幸的是，识别两种Grammar是否相同是一种non-trival的工作。由于很多时候你不能穷举所有在Language中的String，所以我们只能取写出一个足够好的Grammar，让它识别String是否在L(G)中。

二：Derviation：这是我们得到Parse Tree的方法。

一般构建的方法有两种，left most 和 right most， 它们是指我们要从当前的Production中的最左边的non-terminal开始还是从最右边的开始，该non-terminal可以被展开为Grammar当中的任何一种规则。

由于之前的CFG只能告诉我们一个string是否在L(G)中，我们确实需要一种方法来构建Parse树，还是举个例子：

假设我们的CFG为 "E -> E + E | E * E | (E) | id", 要匹配的string是 id * id + id, 则我们可以这样构建

     E                                                        E

-> E + E                                                /    \

-> E * E + E                                        E   +  E

-> id * E + E                                     /   \        |

-> id * id + E                                 E   *  E     id

-> id * id + id                                |        | 

                                                    id       id

同时我们又可以这么构建：

   E                                                      E
-> E * E                                             /   \
-> E * E + E                                     E  *  E
-> id * E + E                                     |   /   \
-> id * id + E                                  id  E  +  E
-> id * id + id                                       |     |
                                                           id    id
这样就带了了ambiguity， and ambiguity is BAD! 下一篇我们在讨论ambiguity