lex简介

Lex

简介

Lex代表Lexical Analyzar，是一种生成扫描器的工具，可以识别文本中的词汇模式。
Lex与C是强耦合的，一个.l文件通过公用的LEX程序来传递，并生成c的输出文件。这些文件被编译为词法分析器的可执行版本。
lex把每个扫描出来的单词叫统统叫做token，token可以有很多类。对比自然语言的话，英语中的每个单词都是token，token有很多类，比如non(名词)就是一个类token，apple就是属于这个类型的一个具体token。对于某个编程语言来说，token的个数是很有限的，不像英语这种自然语言中有几十万个单词。
lex工具会帮我们生成一个yylex函数，yacc通过调用这个函数来得知拿到的token是什么类型的，但是token的类型是在yacc中定义的。
lex的输入文件一般会被命名成 .l文件，通过lex XX.l 我们得到输出的文件是lex.yy.c

常规表达式，正则表达式，re

用 Lex 定义常规表达式

字符	含义
A-Z,a-z,0-9	构成了部分模式的字符和数字
.	匹配任意字符，除了\n。
-	用来指定范围
[]	一个字符集合，匹配括号中的任意字符如果第一个字符是^那么它表示否定模式。
*	匹配0个或多个上述模式
+	匹配1个或多个上述模式
？	匹配0个或一个上述模式
$	作为模式的最后一个字符匹配一行的结尾
{x,y}	指出一个模式可能出现的次数，例如: A{1,3} 表示 A 可能出现1次到3次。
|用来转义元字符
^	用来表示否定
|	表达式间的逻辑或
“<一些符号>”	字符的字面含义。元字符具有。
/	向前匹配。如果在匹配的模版中的“/”后跟有后续表达式，只匹配模版中“/”前 面的部分。如：如果输入 A01，那么在模版 A0/1 中的 A0 是匹配的。
()	将一系列正则表达式分组

举例

表达式	含义
joke[rs]	匹配 jokes 或 joker。
A{1,2}shis+	匹配 AAshis, Ashis, AAshiss, Ashiss，Ashisss,…
(A[b-e])+	匹配在 A 出现位置后跟随的从 b 到 e 的所有字符中的 0 个或 1个。

正则式

number [0-9]+

id [A-Za-z]+[A-Za-z0-9_]*

Lex编程

1. 以Lex可以理解的格式指定模式相关是动作。
2. 在这一文件上运行Lex，生成扫描器的C代码。
3. 编译链接C代码生成可执行的扫描器。

一个 Lex 程序分为三个段：第一段是 C 和 Lex 的全局声明，第二段包括模式（C 代码），第三段是补充的 C 函数。 例如, 第三段中一般都有 main() 函数。这些段以%%来分界。

    Definition section
    %%
    Rules section
    %%
    C code section

• Definition Section
  这块可以放C语言的各种各种include，define等声明语句，但是要用%{ %}括起来。
  .l文件，可以放预定义的正则表达式：minus “-” 还要放token的定义，方法是：代号 正则表达式。然后到了Rules Section就可以通过{符号} 来引用正则表达式

  %{
  int wordCount = 0;
  %}
  chars [A-za-z\_\'\.\"]
  numbers ([0-9])+
  delim [" "\n\t]
  whitespace {delim}+
  words {chars}+
  %%
  

• Rules section
  .l文件在这里放置的rules就是每个正则表达式要对应的动作，一般是返回一个token
  这里的动作都是用{}扩起来的，用C语言来描述，这些代码可以做你任何想要做的事情

  {words} { wordCount++; /*
  increase the word count by one*/ }
  {whitespace} { /* do
  nothing*/ }
  {numbers} { /* one may
  want to add some processing here*/ }
  %%
  

• C code Section
  main函数

  void main()
  {
      yylex(); //这一函数开始分析。 它由 Lex 自动生成。
      printf(" No of words: %d\n", wordCount);
  }
  /*这一函数在文件（或输入）的末尾调用。 如果函数的返回值是1，就停止解析。
   因此它可以用来解析多个文件。 代码可以写在第三段，这就能够解析多个文件。
   方法是使用 yyin 文件指针指向不同的文件，直到所有的文件都被解析。 
   最后，yywrap() 可以返回 1 来表示解析的结束。*/
  int yywrap()
  {
      return 1;
  }
  

编译运行

运行环境

ubuntu15.10
lex/flex 本机预安装了flex，使用lex命令和flex命令相同
gcc

编译

lex file.l                      #生成lex.yy.c
gcc lex.yy.c -o yourname -ll    #编译生成可执行程序 -ll 用来链接lex库
./youname < xxx.c               #运行程序，将输入流重定向为要分析的文件