编译原理-文法与语言

文法与语言

2.1 符号串和语言

2.1.1 字母表

1. 定义：字母表是有穷非空的符号集合。
2. 表示：通常用字母表大写字母A，B，…Z和希腊字母Σ表示。
   eg：A={0,1}，Σ={a,b,c,d}
3. 说明
   1）字母表包含了语言中所允许出现的一切符号。
   2）字母表中的符号也称字符。

2.1.2 符号串

1. 定义：由字母表中的符号组成的有穷序列。
2. 表示：通常由t，u，v，w，x，y，z等小写英文字母来表示。
3. 说明
   1）符号串由构成的符号的种类、数量、顺序共同决定。
   2）不包含任何符号的符号串称为空符号串，简称空串，用ε表示。
4. 对于给定的字母表Σ，符号串的递归定义如下：
   1）ε是Σ上的一个符号串。
   2）若x是Σ上的符号串，a是Σ的符号，则xa是Σ上的符号串。并规定εa=a，aε=a。
   3）y是Σ上的符号串，当且仅当y由1）和2）导出。
5. 子符号串：一个非空符号串中若干连续符号组成的部分。
6. 字符串的前缀和后缀
   若z=abd是字母表Σ={a,b,c,d}上的符号串，则ε，a，ab，abd都是z的前缀；ε，d，bd，abd都是z的后缀。
7. 符号串之间的运算
   1）连接：符号串x，y的连接xy就是把符号串y写在x后面得到的字符串。
   eg：若x=ab，y=cd，则xy=abcd，yx=cdab。
   2）方幂：若x是符号串，xn表示n个按顺序连接。当n=0时，x0是空符号串ε。

术语	示例
|S|	|abc| = 3
ε	|ε| = 0
S1S2	abc def = abcdef
Sn	(abc)3 = abcabcabc
S 的前缀 X	abc 的前缀有：ε, a, ab, abc
S 的后缀 X	abc 的后缀有：ε, c, bc, abc
S 的子串 X	abc 的子串有：ε, a, b, c, …
S 的真前缀	abc 的真前缀有：a, ab（去掉空和全）
S 的真后缀	（去掉空和全）
S 的真子串	（去掉空和全）
S 的子序列 X	abdf 是 abcdef 的一个子序列（和原序列顺序相同，可去掉一些字母）

术语	意义
Φ	空集合
{ ε }	空串是唯一元素
X = L ∪ M	并： X = { s| s∈L or S ∈M }
X = L ∩ M	交：X = { s | s∈L and S ∈M }
X = LM	连接： X = { st|s∈L and t ∈ M }
X = L*	(星)闭包：X= L0∪L1∪L2∪…
X = L+	正闭包：X= L1∪L2∪L3∪…

2.1.3 语言

1. 定义：由字母表上的一些符号串组成的集合。
2. 说明
   空集Ø是一个语言，仅含一个空符号串的集合{ε}也是一个语言。Ø和{ε}是不同的语言。
3. 符号串集合之间的运算
   1）并集
   设A和B是符号串的集合，则A和B的并集定义为
   A∪B = {x | x∈A or x∈B}。
   2）乘积
   设A和B是符号串的集合，则A和B的乘积定义为
   AB = {xy | x∈A and y∈B}。
   eg：若A={a,b}，B={b,c}，则AB = {ab,ac,bb,bc}。
   对任意符号串集合A，有{ε}A = A{ε} = A。
   3）幂运算
   设A是符号串的集合，则A的幂运算定义为
   A0 = {ε}
   A1 = A
   An = AAn-1（n>0）
   eg：若A={0,1}，则A0={ε}，A1={0,1}，A2={00,01,10,11}。
   4）正闭包与闭包
   设A是符号串的集合，则集合A的正闭包A+和闭包A定义为
   A+ = A1∪A2∪…∪An∪…
   A = A0∪A1∪…∪An∪…
   eg：若A={0,1}，则A+={0,1,00,01,10,11,000,001,…}，A*={ε,0,1,00,01,10,11,000,001,…}。

2.2 文法和语言的形式化定义

2.2.1 文法的形式化定义

1. 产生式规则
   1）定义：一个产生式规则是一个有序对(A，α)。通常写作A→α或A::=α。
   ”→"或”::=”表示“定义为”、“由…组成”、“生成”。
   2）含义： A→α表示左部符号A生成右部符号串α。
   3）若A→α；A→β，则可以写成A→α|β。”|”表示“或”。
   4）非终结符号：产生式规则左部出现的符号。
   5）终结符号：不是非终结符号的符号。
   6）非终结符号既可以出现在产生式规则的左部，也可以出现在产生式规则的右部。终结符号不能出现在产生式规则的左部。（终结符号不能再生成产生式的右部）
   7）非终结符号通常用大写字母或尖括号括起来的部分表示。
2. 文法（产生式规则的集合）
   1）定义：产生式规则的非空有穷集合。由四元组G=(VN，VT，P，Z)组成。
   2）VN：是一个非空有穷集合。它的每个元素称为非终结符号。且VN∩VT=Ø。
   3）VT：是一个非空有穷集合。它的每个元素称为终结符号。
   4）P：是文法规则(产生式规则)的非空有穷集合，每个产生式规则的形式是A→α或A::=α，其中A∈VN，α∈(VN∪VT)。
   5）Z：是一个非终结符号。称为开始符号或识别符号。它至少要在一条产生式规则的左部出现。由它开始识别定义的语言。（开始符号Z必须是非终结符号，并且至少在一条产生式规则左部出现，用于生成开始符号后的下一条语句）
   6）通常不必将文法的四元组显式地表示出来，而仅需给出文法的产生式规则集P（由此即能知道Z，Vn，Vt）*。
   7）对于两个不同的文法G[Z]和G’[E]，若这两个文法生成的语言相同（结果集相同，具有相同的句型以及句子），则称这两个文法是等价的。

2.2.2 语言的形式化定义

1. 直接推导与推导（直接推导是一步，推导是任意步）
   1）直接推导：令G=(VN，VT，P，Z)，若A→γ∈P，且α,β∈(VN∪VT)，则称αAβ直接推导出αγβ，表示成αA ⇒ βαγβ（这是上下文有关文法，1型文法） 。
   2）推导：若存在一个直接推导序列：$a^0$⇒$a^1$⇒$a^2$⇒…⇒$a^n$，则称这个序列是一个从$a^0$至$a^n$的长度为n的推导。
   当n>0时，$a^0$至$a^n$的推导记为$a^0$ ⇒${+a}^n$，表示从$a^0$出发，经过1步或者若干步可推导出$a^n$。
   当n≥0时，$a^0$至$a^n$的推导记为$a^0$⇒ $a^n$，表示从$a^0$出发，经过0步或者若干步可推导出$a^n$。
2. 句型和句子（句子是树叶，为终结符集，可以推导出来的则都为句型）
   设有文法G[Z]，Z是文法G的开始符号。
   1）句型：若Z ⇒* x，x∈(VN∪VT)，则称符号串x为文法G[Z]的句型。（非空终结或者非终结符集）
   2）句子：若Z ⇒ x，x∈VT*，则称符号串x为文法G[Z]的句子。（非空终结符集）
   3）句子一定是句型，句型不一定是句子。
3. 语言（语言是句子的集合，并且每个句子都能从开始符号推导得来，是终结符集的闭包的子集）
   1）定义：文法G[Z]产生的所有句子的集合（注意是句子不是句型）称为文法G所定义的语言，记为L(G[Z])，简写为L(G)。L(G)={x| Z ⇒+ x且x∈VT*}。
   2）语言L(G)是VT*的子集。
   3）L(G)中的每一个符号串均由终结符号组成，且该符号串能由开始符号Z推导出来。
4. 递归规则(直接递归)
   1）定义：一个产生式规则中，出现在左部的非终结符也出现在其右部。
   2）种类：左递归、右递归、递归。
   3）左递归：A→A…（非终结符在左侧）
   4）右递归：A→…A （非终结符在右侧）
   5）递归：A→…A…（非终结符在中间）
5. 文法递归（任一非终结符，推导可得该非终结符本身）
   1）定义：对于文法中的任一非终结符，若能建立一个推导过程，在推导所得的符号串中又出现该终结符本身，则称文法是递归的。
   2）种类：左递归、右递归、递归。
   3）左递归：A ⇒+ A…
   4）右递归：A ⇒+ …A
   5）递归：A ⇒+ …A…

2.2.3 短语、直接短语、句柄

• 直接短语一定是一个产生式的右部，但是产生式的右部不一定是当前句型的直接短语
• 高人，民生，活水则都不是当前句型的直接短语
  

设G[Z]是一个文法，假定αβδ是文法G的一个句型。
1）短语：若存在Z ⇒+ αAδ且A ⇒+ β，则称β是句型αβδ相对于非终结符A的短语。（即子树的边缘）
2）直接短语：若存在Z ⇒+ αAδ且A⇒β，则称β是句型αβδ相对于产生式规则A→β的直接短语。（高度为2的子树的边缘）
3）句柄：一个句型的最左直接短语称为该句型的句柄。

2.2.4规范推导和规范归约

1. 最左推导：对一个推导序列中的每一步直接推导α⇒β，都是对α中的最左非终结符进行替换。
2. 最右推导(规范推导)：对一个推导序列中的每一步直接推导α⇒β，都是对α中的最右非终结符进行替换。
3. 规范句型：由规范推导得到的句型。
4. 最左归约(规范归约)：规范推导的逆过程。

2.3 语法分析树与文法的二义性

2.3.1 语法分析树

1. 语法分析树：一个句型推导过程的树形表示称为语法分析树，简称语法树。
2. 满足条件：设G=($V^N$，$V^T$，P，Z)是一个上下文无关文法（CFG）。
   1）根节点的标记为Z。
   2）根节点外的每个节点也有一个标记，它是$V^N$∪$V^T$∪{ε}中的符号。
   3）每一个内部节点（非终结符，所以标记在$V^N$）的标记A必在VN中。
   4）若某个内部节点标记为A，其子节点的标记从左到右分别为X1，X2，…，Xn，则A→X1X2…Xn必为P中的一条产生式规则。
   5）若节点有标记ε，则该节点为叶子，且是它父亲唯一的孩子（子节点存在标记ε，则是其父节点的唯一子节点，即其无兄弟节点）。
3. 构造步骤：已知文法G[Z]，对于w，若Z ⇒* w，则
   1）以开始符号Z为标记的根节点。
   2）对每一步推导，根据使用的产生式规则生成一颗子树，直到所有叶子节点从左到右的标记符号连接为w为止。
   若产生式规则为A→X1X2…Xn，则生成以A为根节点的子树，其孩子节点从左到右分别为X1，X2，…，Xn。
   eg：设文法G[E]：
   E→E+T|E-T|T
   T→TF|T/F|F
   F→(E)|i
   推导句型T+i(F-i)的语法树。

2.3.2 文法的二义性

1. 定义：若一个文法存在某个句子对应两棵不同的语法树，则称这个文法是二义的。
2. 特点：为编译程序的执行带来不确定性。

2.3.3 二义性的消除

1. 不改变文法：通过附加限制性条件（增加消歧规则，例如：每个if跟最近的尚未匹配的else匹配）消除二义性。
   寻找充分不必要条件，当文法满足这些条件时可确保文法是无二义性的。（即满足就是二义性，不满足也不一定是无二义性）
   2.改变文法：改写原有文法（增加$V^N$或者空产生式），把排除二义性的规则合并到原文法消除二义性。

2.4 文法的化简

1. 若一个非终结符不能推导出终结字符串，则该非终结符是无用的，删除所有包括该非终结符的产生式规则。
2. 若一个符号不能出现在文法的任何句型中，则该符号是无用的，删除所有包括该符号的产生式规则。

2.5 语言的分类

二型识别程序设计语言，三型定义程序设计语言

• 0型文法(短语文法,上下文无关文法)，每个产生式的左边α∈($V^N$∪$V^T$)*且至少含有一个非终结符号
  1）定义：若文法G[Z]=($V^N$，$V^T$，P，Z)中的每个产生式规则的形式为：α→β，其中α∈($V^N$∪$V^T$) 且至少含有一个非终结符号，而β∈($V^N$∪$V^T$)，则G[Z]为0型文法。
  2）特点：0型文法的能力相当于图灵机，识别能力最强。
• 1型文法(上下文敏感文法)
  1）定义：若文法G[Z]=($V^N$，$V^T$，P，Z)中的每个产生式规则的形式为：αAβ→αvβ，其中α,β∈($V^N$∪$V^T$)，A∈$V^N$，v∈($V^N$∪$V^T$)+，则G[Z]为1型文法。
• 2型文法(上下文无关文法)（左边只是Vn，0型文法左边则($V^N$∪$V^T$)*
  1）定义：若文法G[Z]=($V^N$，$V^T$，P，Z)中的每个产生式规则的形式为：A→v，其中A∈$V^N$，v∈($V^N$∪$V^T$)*，则G[Z]为2型文法。
  2）特点：语法结构上下文无关，一般用于识别程序设计语言的语法结构。
• 3型语言(正规文法)
  1）种类：右线性文法、左线性文法
  正则文法 左（右）线性文法
  2）右线性文法：若文法G[Z]=($V^N$，$V^T$，P，Z)中的每个产生式规则的形式为：A→αB或A→α，其中A,B∈$V^N$，α∈($V^N$∪$V^T$)，则G[Z]为右线性文法。（非终结部分永远在右部）（最右推导）
  3）左线性文法：若文法G[Z]=($V^N$，$V^T$，P，Z)中的每个产生式规则的形式为：A→Bα或A→α，其中A,B∈$V^N$，α∈($V^N$∪$V^T$)，则G[Z]为左线性文法。（非终结部分永远在左部）（最左推导）
  4）特点：作为定义程序设计语言规则的文法
  5）正规语言：3型文法定义的语言。

2.6课后问题