编译原理——词法分析器

1.词法分析器的主要工作

（1）从源程序文件中读入字符。
（ 2）统计行数和列数用于错误单词的定位。
（ 3）删除空格类字符，包括回车、制表符空格。
（ 4）按拼写单词，并用（内码，属性）二元式表示。 (属性值——token 的机内表示)
（ 5）如果发现错误则报告出错
（ 6）根据需要是否填写标识符表供以后各阶段使用

2.单词的基本分类

• 关键字：由程序语言定义的具有固定意义的标识符。也称为保留字例如if、 for、 while、 printf ； 单词种别码为 1。
• 标识符：用以表示各种名字，如变量名、数组名、函数名；
• 常数： 任何数值常数。如 125, 1,0.5,3.1416；
• 运算符： +、 -、 *、 /；
• 关系运算符： <、 <=、 = 、 >、 >=、 <>；
• 分界符： ；、，、（、）、 [、 ]；

3.有限状态机

4.程序流程图

5.以下为完整代码

//compiler
#include<iostream>
#include<ctype.h>
#include<cstring>
#include<cstdio>
using namespace std;

const char *k[12] = {"for","if","else","do","while","return","int","char","short","float","double","string"};
char instring[80];
char outtoken[10];
//char id[10] = {'\0'};
//int ci[10];
int m;
//int num = 0;
int t;
int p;
char ch;
int row = 1,col = 0;
int j = 0;
void scan()
{
    ch = instring[p ++];
    m = -1;
    for(int i = 0; i < 10; i ++)
        outtoken[i] = '\0';
    if(ch == ' ')ch = instring[p ++];
    if(ch == '\n'){
        ch = instring[p ++];
        row = row + 1;
        col = 0;
    }
    if(isalpha(ch)){
        while(isalpha(ch)||isdigit(ch)){
            outtoken[++ m] = ch;
            ch = instring[p ++];
        }
        outtoken[++ m] = '\0';
        ch = instring[p --];
        int flag = 0;
        for(int n = 0; n < 12; n++){
            if(strcmp(outtoken,k[n]) == 0){
                t = 1;
                flag = 1;
                break;
            }
        }
        if(flag == 0){
            //strcpy(id,outtoken);
            t = 6;
        }
        col = col + 1;
    }
    else if(isdigit(ch)){
        while(isdigit(ch) || ch == '.'){
            m = m + 1;
            outtoken[m] = ch;
            //num = num * 10 + ch - '0';
            ch = instring[p ++];
        }
        //cout<<m<<endl;当时写出这个语句，是为了检测m的值，以判断程序是否有bug
        for(int num = 0; num < m; num ++){
            if(outtoken[num] == '.')
                j = j + 1;//判断是否有多个“.”，如果有多个就说明该数字是错误的，如：1.2.2
        }
        int tag = 0;//设立标志
        if(j > 1){
            outtoken[++ m] = '\0';
            ch = instring[p --];
            t = -1;//t=-1，报错。
            tag = 1;//tag置1
        }
        if(isalpha(ch)){
            outtoken[++ m] = ch;
            outtoken[++ m] = '\0';
            t = -1;
        }
        else if(tag == 0){//执行了第一个if语句，就一定不会执行这句。
            outtoken[++ m] = '\0';
            ch = instring[p --];
            t = 5;
        }
        col = col + 1;
    }
    else{
        switch(ch){
            case '+':
                outtoken[++ m] = ch;
                ch = instring[p ++];
                if(ch == '+')
                    outtoken[++ m] = ch;
                else
                    ch = instring[p --];
            case '-':

            case '*':   case '/':t = 3;col = col + 1;break;
            case ',':   case ';':
            case '(':   case ')':
            case '{':   case '}':
            case '[':   case ']':t = 2;outtoken[0] = ch;col = col + 1;break;
            case '#':
                t = 0;outtoken[++ m] = ch;break;
            case '=':
                outtoken[++ m] = ch;
                ch = instring[p ++];
                if(ch == '='){
                    outtoken[++ m] = ch;
                    t = 4;

                }
                else{
                    ch = instring[p --];
                    t = 4;
                }
                col = col + 1;
                break;
            case '<':
                outtoken[++ m] = ch;
                ch = instring[p ++];
                if(ch == '='||ch == '>'){
                    outtoken[++ m] = ch;
                    t = 4;
                }
                else{
                    t = 4;
                    ch = instring [p --];
                }
                col = col + 1;
                break;
            case '>':
                outtoken[++ m] = ch;
                ch = instring[p ++];
                if(ch == '='){
                    outtoken[++ m] = ch;
                    t = 4;
                }
                else{
                    t = 4;
                    ch = instring[p --];
                }
                col = col + 1;
                break;
            default:
                outtoken[0] = ch;
                t = -1;
                col = col + 1;
                break;
        }
    }
}

int main()
{
    cout<<"请输入要进行词法分析的代码块（C++）:\n";
    p = -1;
    do{
        ch = getchar();
        instring[p ++] = ch;
    }while(ch != '#');
    p = -1;
    //ch = instring[p ];
    cout<<"单词\t二元序列\t类型\t\t位置（行，列）"<<endl<<endl;
    do{
        scan();
        switch(t){
            case 1:
                cout<<outtoken<<"\t"<<"("<<1<<","
                    <<outtoken<<")\t\t"<<"关键字\t\t"
                    <<"("<<row<<","<<col<<")"<<endl;
                break;
            case 2:
                cout<<outtoken<<"\t"<<"("<<2<<","
                    <<outtoken<<")\t\t"<<"分界符\t\t"
                    <<"("<<row<<","<<col<<")"<<endl;
                break;
            case 3:
                cout<<outtoken<<"\t"<<"("<<3<<","
                    <<outtoken<<")\t\t"<<"算术运算符\t"
                    <<"("<<row<<","<<col<<")"<<endl;
                break;
            case 4:
                cout<<outtoken<<"\t"<<"("<<4<<","
                    <<outtoken<<")\t\t"<<"关系运算符\t"
                    <<"("<<row<<","<<col<<")"<<endl;
                break;
            case 5:
                cout<<outtoken<<"\t"<<"("<<5<<","
                    <<outtoken<<")\t\t"<<"常量\t\t"
                    <<"("<<row<<","<<col<<")"<<endl;
                break;
            case 6:
                cout<<outtoken<<"\t"<<"("<<6<<","
                    <<outtoken<<")\t\t"<<"标识符\t\t"
                    <<"("<<row<<","<<col<<")"<<endl;
                break;
            case -1:
                cout<<outtoken<<"\t\t\t"<<"Error!\t\t"
                    <<"("<<row<<","<<col<<")"<<endl;
            case 0:
                break;
        }
    }while(t != 0);
    return 0;
}

6.运行结果

7.说明

一开始本来不想贴代码的，毕竟太长了，但不贴代码，内容好像又太少了。还是说一下，本代码仅供交流、参考之用，建议不要复制粘贴。词法分析器的整个逻辑相对还是很清楚、简单的。稍微花点时间，并不难写出来。

顺便写下自己做这个实验时发现的自己一直存在的错误：
多个if和else if以及else语句同时出现时会出现二义性。
如如下代码片段：
if(condition1){...}
if(condition2){...}
else {...}
在此程序中，执行了第一个if语句后，若第二个if语句也执行，则不会出错；但若第二个 if不执行，那么就会执行else语句，此时else语句里的代码会和第一个if语句里的代码产生冲突。这个问题可以通过设置一个标志tag得到解决：先给tag赋予一个初值，若执行了第一个if语句，则修改tag的值，再将tag的初值作为第二个if的判断条件。
即改为：
int tag = 0;
if(condition1){
…
tag = 1;
}
if(condition2){
…
}
else if(tag == 0){
…
}
这样的话就可以有效避免冲突了。这个技巧还是挺有用的，哈哈。