Lex和yacc工具介绍

　　在编译过程中，词法分析和语法分析是两个重要阶段。lex和yacc是Unix环境下非常著名的两个工具，可以生成分别完成词法分析和语法分析功能 的C代码。在学习编译原理过程中，可以善加利用这两个工具，加深对两个阶段的理解。在平时的工作中，这两个工具也会起到重要的作用。 Lex是LEXical compiler的缩写，主要功能是生成一个词法分析器(scanner)的C源码。描述词法分析器的文件，经过lex编译后，生成一个lex.yy.c 的文件，然后由C编译器编译生成一个词法分析器。词法分析器，简单来说，其任务就是将输入的各种符号，转化成相应的标识符(token)，转化后的标识符 很容被后续阶段处理。
　　先让我们来看一个简单的例子：
　　int num_lines = 0, num_chars = 0;
　　%%
　　\n {++num_lines; ++num_chars;}
　　. {++num_chars;}
　　%%
　　main()
　　{
　　yylex();
　　printf("# of lines = %d, # of chars = %d\n", num_lines, num_chars);
　　}
　　然后编译，输入一个文本试试：
　　$ flex sample1.l$ mv lex.yy.c sample1.c$ gcc sample1.c -o sample1 -ll$ ./sample1
　　#include "y.tab.h"
　　typedef char * YYSTYPE;
　　char * yylval;
　　%
　　}
　　正则表达式声明如下
　　/* regular definitions */
　　delim [ \t\n]
　　ws {delim}+
　　letter [A-Za-z]
　　digit [0-9]
　　id {letter}({letter}{digit})*
　　number {digit}+(\.{digit}+)?(E[+\-]?{digit}+}?
　　这段正则表达式描述识别数(number)、标识符(id)的"规则"。过一会我们再细说正则表达式。
　　规则段是由正则表达式和相应的动作组成的。
　　p1 {action1}
　　p2 {action2}
　　……
　　pn {actionn}
　　值得注意的是，lex 依次尝试每一个规则，尽可能地匹配最长的输入流。如果有一些内容根本不匹配任何规则，那么 lex 将只是把它拷贝到标准输出。比如
　　%%
　　A {printf("you");}
　　AA {printf("love ");}
　　AAAA {printf("I ");}
　　%% 编译后运行一下，
　　$ ./sample3
　　AAAAAAA
　　I love you
　　可以看出lex的确按照最长的规则匹配。
　　程序段部分放一些扫描器的其它模块，比如一些动作执行时需要的模块。也可以在另一个程序文件中编写，最后再链接到一起。 生成C代码后，需用C的编译器编译。连接时需要指定链接库。gcc的连接参数为 -ll。
　　[编辑]正则表达式
　　正则表达式(regular expression)可以描述有穷状态自动机(finite automata)接受的语言，也就是定义一个可以接受的串的集合。限于篇幅，我们就不展开关于这方面的话题了。有兴趣的请参考[4]。 这里只介绍一下lex中用到的正则表达式的一些规则。
　　转义字符（也称操作符）：
　　" \ [ ] ^ - ? . * + | ( ) $ / { } % 这些符号有特殊含义，不能用来匹配自身。如果需要匹配的话，可以通过引号(")或者转义符号(\)来指示。比如
　　C"++" C\+\+都可以匹配C++。
　　非转义字符：所有除了转义字符之外的字符都是非转义字符。一个非转义字符可以匹配自身。比如
　　integer匹配文本中出现的integer。
　　通配符：通配符就是.（dot），可以匹配任何一个字符。
　　字符集：用一对[]指定的字符构成一个字符集。比如[abc]表示一个字符集，可以匹配a、b、c中的任意一个字符。使用 可以指定范围。比如[a-z]表示可以匹配所有小写字母的字符集。
　　重复：
　　* 任意次重复+ 至少一次的重复，相当于xx*? 零次或者一次选择和分组：|符号表示选择，二者则一；括号表示分组，括号内的组合被看作是一个原子。比如(ab|cd)匹配ab或者cd。
　　简单来说，yacc(Yet Another Compiler-Compiler)就是编译器的编译器。Yacc是一个通用的工具，能够根据用户指定的规则，生成一个词法分析程序。yacc能识别 LALR(1)且无歧义的文法，它的输入是词法分析器的输出。我们知道，生成词法分析器是lex分内的事，因此lex和yacc常常珠联璧合。
　　先让我们看一下yacc文件的格式。和前面介绍的lex的格式类似：
　　declarations(声明)
　　%%rules(规则)%%
　　programs(代码)
　　其中声明段声明一些符号常量，可以为空。同lex一样，声明段中可以有出现在目标C程序中的代码，放在%{…%}中；还有一些yacc关键词可以指示出token的结合顺序： ％left 左结合 %right 右结合 %nonassoc 不结合 %token 声明token
　　俗话说"没有规矩，不成方圆"。 规则段描述规则，自然是重中之重了。规则段的结构是如下，
　　A : BODY ;
　　A表示非终结符名，BODY表示产生式和动作。产生式包括非终结符和终结符，终结符用''引用。一些转义字符，比如'\r','\n'等，和C里面 的表示是一样的。动作(action)则是在输入被当前规则识别出来时而执行的。动作实际上就是C的代码，写在{ }中。为了沟通词法分析器和动作，yacc引入了形式变量，以$开头。如果希望获得词法分析器和前面的动作返回的值，我们可以使用$1,$2,…。$i表 示一条规则右侧第i个单元的值。比如有这样的一条规则，
　　A : B C D ;C的返回值为$2，D为$3。依此类推。
　　程序段放一些其它的程序，也可以省略，连%%都可以不要。
　　连接时需要指定连接库，gcc的参数为-ly。
　　[编辑]举例
　　让我们看一个典型的例子，它实现一个简单的计算器：
　　%
　　{
　　# include
　　# include
　　int regs[26];
　　int base;%
　　}
　　%start list
　　%token DIGIT LETTER
　　%left '|'
　　%left '&'
　　%left '+' '-'
　　%left '*' '/' '%'
　　%left UMINUS /* supplies precedence for unary minus */
　　%%
　　/* beginning of rules section
　　*/list :
　　/* empty */
　　| list stat '\n'
　　| list error '\n'
　　{
　　yyerrok;
　　} ;
　　stat : expr
　　{ printf( "=%d\n", $1 ); }
　　| LETTER '=' expr
　　{ regs[$1] = $3; } ;
　　expr : '(' expr ')'
　　{ $ = $2; }
　　| expr '+' expr
　　{ $ = $1 + $3; }
　　| expr '-' expr
　　{ $ = $1 - $3; }
　　| expr '*' expr
　　{ $ = $1 * $3; }
　　| expr '/' expr
　　{ $ = $1 / $3; }
　　| expr '%' expr
　　{ $ = $1 % $3; }
　　| expr '&' expr
　　{ $ = $1 & $3; }
　　| expr '|' expr
　　{ $ = $1 | $3; }
　　| '-' expr %prec UMINUS
　　{ $ = - $2; }
　　| LETTER
　　{ $ = regs[$1]; }
　　| number ; number : DIGIT { $ = $1; base = ($1==0) ? 8 : 10; } | number DIGIT { $ = base * $1 + $2; } ; %% /* start of programs */ yylex() { /* lexical analysis routine */ /* returns LETTER for a lower case letter, yylval = 0 through 25 */ /* return DIGIT for a digit, yylval = 0 through 9 */ /* all other characters are returned immediately */ int c; while( (c=getchar()) == ' ' ) { /* skip blanks */ } /* c is now nonblank */ if( islower( c ) ) { yylval = c - 'a'; return ( LETTER ); } if( isdigit( c ) ) { yylval = c - '0'; return( DIGIT ); } return( c ); } 编译、执行：
　　$bison example.y
　　$gcc example.tab.c ly -o example
　　$./example
　　20+30*50=1520
　　小结
　　lex是词法分析器的生成工具，yacc是文法分析器的生成工具。lex的描述规则采用正则表达式，关于正则表达式的详细讨论，参见文献[1]； yacc的描述规则采用无歧异文法。在GNU中有相应lex和yacc工具：flex和bison，与lex和 yacc兼容。