[编译原理]Stanford斯坦福CS143第三周第六章

---

错误处理(Error Handling)

编译器的主要目标：

• 检测无效程序
• 编译有效程序

有很多种程序可能产生的错误，拿C语言举例：

错误类型	举例	检测器
Lexical(词法错误)	…$…	Lexer(词法检测阶段)
Syntax(语法错误)	…x*$…	Parser(解析器)
Semantic(语义错误)	…int x; y = x(3);(类型不匹配)	Type checker(类型检查器)
Correctness	Your favourite program	Tester/User

最后一项是编译通过，可能需要其他用户或者测试者发现一些可以优化的问题。

---

错误处理的要求

• 精准清晰地报告错误
• 可以从错误中很快恢复
• 不会使编译有效代码的速度变慢

---

错误处理的类型

Panic Mode(恐慌模式)

这是最简单也是最流行的方法，当检测到错误时，解释器将抛弃令牌(token)知道有一个明确角色的出现，然后重新启动继续。

举例：

$(1++2)+3$

恐慌模式做的补救工作：

• 跳过第二个$➕$，知道检测到合法的字符($2$)，然后继续。

$Bison$使用终端关键字error来描述如何在输入中跳过错误：

$E->int|E+E|(E)|errorint|(error)$

表示的是当前面三项不匹配时，匹配后面两项，抛弃所有输入直到下一个整数出现；或者当括号中出现错误时，将括号中的都抛弃。

Error Productions

指定了常见的程序错误。

缺点：

• 时编译器变得复杂。

上面两种错误处理的类型是现在编译器中使用的。

自动全局或局部错误修正(Automatic local or global correction)

思路：找到一个正确的附近的程序

• 尝试令牌插入或者删除（用到最小编辑距离算法）
• 在一定范围内进行详尽的搜索

缺点：

• 难以实现
• 减缓对正确程序的解析速度
• “附近”不一定是想要的程序结果

抽象语法树(Abstract Syntax Trees)

抽象语法树(AST)类似于解析树，但是忽略了一些细节。

举例：

1. 语法：

$E->int|(E)|E+E$

2. 字符串：

$5+(2+3)$

3. 词法分析之后(lexical analysis)：

生成了一系列的令牌：$in{t}_5{}^{\prime }{+}^{\prime }{}^{\prime }{(}^{\prime }in{t}_2{}^{\prime }{+}^{\prime }in{t}_3{}^{\prime }{)}^{\prime }$

4. 解析器过程生成了解析树：

解析树的特点：

• 追踪了解析器中的符号
• 显示了嵌套结构
• 但是有太多信息，比如括号和单孩子节点。

所以我们使用AST简化解析树：

特点：

• 也包含嵌套结构
• 只包含有实际意义的句法（更加易用、紧凑）
• 是编译器中的一个非常重要的数据结构

递归下降解析(Recursing Descent Parsing)

是一个自顶向下的算法。解析树是自上而下、从左向右生成的。

考虑如下语法：

$E->T|T+E$
$T->int|int\ast T|(E)$

令牌流：

$(in{t}_5)$

该算法从最高层的非终端$E$开始，依次尝试$E$的所有规则，没有符合的就反向跟踪。

步骤：

图中的指针指向当前读入的字符，当算法遍历到字符串最后一个字符的后面位置时，表示解析成功。

限制

观察如下代码：

TOKEN包含 INT, OPEN, CLOSE, PLUS, TIMES

// 判断下一个字符串和当前tok是否匹配
bool term(TOKEN tok)
{
	// 先判断是否相等,再自加1
	return *next++ == tok; // next是全局变量,指向输入字符串下一个位置,无论是否匹配成功,next都自增1
}

// E规则的两个推导
bool E1() { return T1(); }
bool E2() { return T() && term(PLUS) && E(); }
	
// 尝试E规则的所有推导
bool E()
{
	TOKEN *save = next; 
	return (next = save, E1()) || (next = save, E2());
}

bool T1(){ return term(INT); }
bool T2(){ return term(INT) && term(TIMES) && T(); }
bool T3(){ return term(OPEN) && E() && term(CLOSE); }

bool T()
{ 
	TOKEN *save = next;
	return (next = save, T1()) || (next = save. T2()) || (next = save. T3());
}

如果对于token输入为int * int，那么程序先调用E()，再调用E1()，接着T(),T1()，得到int，是匹配成功的，所以所有函数都返回True，但是我的token串并没有遍历完全，所以编译器拒绝这个值。所以程序问题出在没有后退机制（即如果一个一个非终端X匹配成功，它将没有办法后退尝试另外一个匹配）。

因此，目前展示的递归下降解析算法不是通用的，但是对于非终端最多一个规则（Production）的语法是使用的。

左递归

左递归是递归下降算法的主要困难，在使用该算法之前必须先消除左递归现象。

• 举例：

对于下面语法和实现代码：

$S->Sa$

bool S1(){ return S() && term(a); }
bool S(){ return S1(); 

由此可以看出，当解析时，S()会进入一个死循环。

• 另外一个例子：

语法： $S->Sa|\beta$

该语法解析出来的样式将会是βα+(前面一个S,后面一个以上的β)。左递归有一个非终端S，有$S-{>}^{+}S\alpha$。递归下降算法的解析想要先看到第一部分匹配出来，而这种情况下是无穷匹配后面的项，最前面的S最后匹配，所以对这种情况不适用。

• 解决方法：

可以改写成右递归。上述的例子可以改写为：

$S->\beta S^{\prime }$
$S^{\prime }->\alpha S^{\prime }|\epsilon$

• 推广到一般情况：

有如下的左递归的规则：
$S->S{\alpha }_1|...|S{\alpha }_n|{\beta }_1|...|{\beta }_m$
都可以改写成如下对应的右递归：
$S->{\beta }_1{S}^{\prime }|...|{\beta }_m{S}^{\prime }$
$S^{\prime }->{\alpha }_1{S}^{\prime }|...|{\alpha }_n{S}^{\prime }|\epsilon$

---

《编译原理》龙书