编译原理-学习记录12

ch4.（2）自下而上语法分析（续）

  之前提到，因为在自下而上的语法分析中，只能进行最左直接规约，所以引入句柄的定义便十分重要，因为句柄能够被规约。此外，最左的可以被直接规约的子串是唯一的

  而关于移进-规约思想，这个思想主要面临着两大问题。一个是关于如何帮助程序找到句柄，另一个则是如何帮助分析程序判断句柄应该规约到哪个符号。对于这两个问题，可以用LR(0)项目来表示一个句柄的所有识别状态。除此之外，还应使用“记住历史”的方式，以帮助分析程序进行预测（句柄的识别需要借助实际句型中的所有历史信息）

  由“记住历史”这一思想而引出的“活前缀”定义，也是具有很大的意义的。将历史信息放在活前缀中，历史所对应的状态可以暗含动作走向。在分析过程中，如果得到的当前符号串是活前缀，则说明分析是正确的。而活前缀又有无限多种，现在需要构造能够识别所有规范句型的所有活前缀的程序，则应该使用有穷表达无穷的思想来实现，在这里自然就可以联想到使用有穷自动机来识别

  而在上次提到的有穷自动机的状态闭包时，有提到“如果$A\to \alpha .B\beta$属于closure($I$)，则所有$B\to .\gamma$也属于closure($I$)”，这是非常有道理的，因为在规约B之前，必须要先识别$\gamma$

LR(0)分析表的构造（续）

DFA构造举例

  现有拓广文法G[S]如下：

$$\begin{array}{rl}G[S]:& \\ S& \to E\\ E& \to aA\\ E& \to bB\\ A& \to cA\\ A& \to d\\ B& \to cB\\ B& \to d\end{array}$$

  首先从S开始，构造开始状态$I_0$。最开始时，$I_0$中所具有的产生式，是正在面对、准备接受E，打算对E进行规约的：$S\to .E$

  现对此产生式求闭包。根据规则，容易看出应该首先把E位于产生式左部的那些产生式挑出来，加入到$I_0$中（实际上，在规约E之前，的确需要先识别/规约E所对应的产生式的右部的第一个符号）：

  由于在新增的两条产生式中，所面临（打点处往后看）的都是终结符，因此在求闭包时就没有其他需要加入的内容了，由此完成$I_0$的构造。现分析$I_0$可能会接收的输入：E、a或b三种，如果接收输入为E，则第一条产生式可以变换为$S\to E.$，令此产生式位于$I_1$：

  对$I_1$求闭包后，发现没有其他能添加进来的内容了，故$I_1$最终被确定下来，只含有这一条产生式。实际上，这条产生式中，E也已经被规约完成了，点后已无内容。此后，也无需再从状态$I_1$往后转换了，因为这里的点（分析）已经“到头”了

  回到$I_0$当中，现在探讨输入a后的情景。输入a后，$I_0$中的第二条产生式变为$E\to a.A$，将其放入到$I_2$中：

  再求其闭包。将A位于左部的产生式放进来：

  放进来后，闭包的构造正好完成，即完成了$I_2$的构造

  以此类推，直到构造完整个系统的所有状态：

  注意到上图中$I_5$和$I_8$是有一个自己指向自己的箭头，乍一看十分奇怪，但仔细一看，还是合情合理的：以$I_8$为例，如果输入c，则第二条产生式变为$B\to c.B$，这又和第一条产生式一样了。而第一条产生式求完闭包后，将会再次得到和$I_8$一模一样的状态

  现在，整个DFA就都被构造完成了，注意到每个状态都是结束状态（即可以停在任何状态上）。有了这个DFA，理论上就已经可以利用符号栈和输入串来实现移进-规约了，以输入串“bccd”为例，初始情况如下（此时对应状态$I_0$）：

  现将符号b输入（叫“移进”可能更好一些）到符号栈中，根据DFA的构造，转换到状态$I_3$（$t(I_0,b)=I_3$）：

  接下来输入c，转换到状态$I_8$，再输入c，依旧转换到$I_8$：

  最后输入d，转换到$I_9$：

  状态$I_9$对应的产生式为$B\to d.$，因此可以将最后输入的那个d规约到B：

  现在，第一趟的规约完成了，将这些符号放回到输入串中，并回到状态0开始第二趟：

  使用同样的方法。第二趟结束后，到达状态$I_{11}$：

  状态$I_{11}$对应的产生式为$B\to cB.$，说明cB可以规约到B。因此，将栈顶的cB换为B，并准备第三趟：

  第三趟结束后，继续将栈顶的cB规约为B：

  而第四趟结束后，到达$I_7$：$E\to bB.$，将bB规约为E：

  第五趟，到达$I_1$：$S\to E.$，将E规约为S：

  至此，规约完成，语法分析结束

  注意到这样的分析虽然可以顺利进行，但需要进行的趟数实在是太多了：每规约一次都要重头再来，这样的效率显然不是想要的。那么是否可以改成一趟就能解决的算法？答案是：可以。LR分析法的设计者非常聪明地搞了一张“LR分析表”，使用分析表来代替DFA工作时，能够很好地解决DFA的效率低下的问题。接下来，将会说明，如何从DFA变换到LR(0)分析表

  LR(0)项目集规范族的定义：将所有状态给出

构造LR(0)分析表

  LR(0)分析表的构造规则，大致可以由下述五点描述：
  1、若产生式$A\to \alpha .a\beta$属于状态$I_i$，且$t(I_i,a)=I_j$，则置表中ACTION[i, a]=$S_j$。 回顾上回，在刚开始描述LR分析法的优势时，提到了在分析表中，S代表移进，$S_j$即移进后将新得到的那个符号的状态设置为j。这正好对应了这条产生式所处的状态：即将移进a，到达状态$I_j$
  2、若$S^{\prime }\to S.$属于状态$I_i$，则置表中ACTION[i, $]=acc。 此产生式对应的状态为：将非终结符S规约到开始符号S’。显而易见，这代表着规约的完成，用acc标识
  3、若$A\to \alpha .$属于$I_i$，$A\to \alpha$为第j条产生式（事先给文法中的产生式进行编号），则对任意终结符a和$，均置ACTION[i, a]=$r_j$或ACTION[i, $]=$r_j$。 回顾在分析表中，r代表规约，$r_j$即表示将句柄（编号为j的产生式右部）规约到编号为j的产生式左部。这么设计的原因在于，当前处于即将进行栈顶符号规约的状态，在规约前不该继续移进，所以便设置了不同于移进S的规约标识r，表示将栈顶的句柄全部替换为规约到的非终结符号，而状态则由句柄前的最后一个符号的状态来决定：
  4、若$t(I_i,A)=I_j$（A为非终结符号），则在表中置GOTO[i, A]=j。 在规约到A的时候，状态由句柄前的最后一个符号所处的状态$I_i$决定，如果$I_i$输入A到达$I_j$，则栈顶A对应的状态便为$I_j$，因此在表中也填写了GOTO[i, A]=j
  5、其余元素均置“报错标志”。 如果按照上述几个规则，找不到对应的表项，则说明在DFA中走向了一个不存在的状态，从而说明出现了语法错误

  按照上述规则，前面提到的那个DFA便可以转换为如下的LR(0)分析表：

  看上去已经很完美了。然而，看似完美的LR(0)，却仍然有着一个非常致命的缺陷

  构造分析表时，可能会出现一个单元格中填两个元素的情况，这种情况称之为冲突。填表时，一个单元格中的两个元素，其中一个表示移进，另外一个表示规约时，称作移进-规约冲突。类似地，还有规约-规约冲突。而LR分析法又要求不能有冲突，因此LR(0)分析并不是万用的。由此，也有了LR(0)文法定义：在分析表中不含冲突项目

  这显然不是我们想要的情况，我们想要的是一种普适的方法。LR(0)的限制之多，使得这种方法仍需改进。因此，人们提出了一种改进方法：SLR(1)方法

SLR(1)分析表的构造

  LR(0)的“一整行都规约”（填写规约符号r时，总是在表中占满一整行的ACTION），要求太粗糙了。实际上，在语法正确的输入串的过程中，对于一种固定的符号栈栈顶句柄，其右边的输入串栈顶字符必然会出现在待规约到的符号的follow集中。因此，可以在LR(0)的基础上，在填写分析表的规约符号r时，只在出现在follow集中的那几列终结符号上填写r

  因为这种方法需要往前看一个单词，所以叫做SLR(1)分析法。至于在LR前面加了一个S，是因为这个方法还是过于简单（Simple）了，以至于仍然会有出现冲突的可能。这个时候，需要再进一步进行改进：仍然是向前看一个单词，但进行了更进一步的考虑，由此得名：LR(1)方法

LR(1)分析表的构造

  前面提到，即便是SLR(1)按follow集来填表，也会产生冲突，所以需要进一步改进

  回顾之前的两种方法：
  LR(0)：只要栈顶像是句柄，一律进行规约
  SLR(1)：出现规约项目时，只对follow集符号进行规约

  刚才（SLR(1)）是认为当T可以规约为E时，向前看只能是follow集里面的符号。如果仔细一想，还是会发现这个限制有点粗糙了：T后面出现的一定是follow集的符号，但在给定的情况下，并不是follow集的所有符号都可以出现在这个位置（T的后面）

  在LR(1)中，不仅要知道状态（产生式右部打点），还要知道规约的这个句柄所处的环境。为了表示这样的环境，需要将状态中的项目$U\to v.w$更改为$[U\to v.w,a]$，用以表示“已经从输入符号串中获得了句柄vw中的v，还希望从输入符号串中进一步获得w，并且当在分析栈顶获得完整的vw后，只有下一个输入符号是a时，才可将vw归约成U，否则不能归约。”。这样一来，便可以将在表中填写r的范围限制的更小

  因为状态中的项目不再是简单的产生式，而是[产生式, 向前搜索符号]，所以对应的DFA也应该进行相应的修改，例如，对于文法：

$$\begin{array}{rl}G[Z]& \\ Z& \to S\\ S& \to L=R\\ S& \to R\\ R& \to L\\ L& \to \ast R\\ L& \to i\end{array}$$

  对应LR(1)分析的DFA为：

  为什么开始时是[S’$\to$.S, $]？因为项目反映的是句柄S的识别状态，输入串整个规约成S。在栈中得到S后，下一个单词是结束符号$。同一个句柄（的不同识别状态），环境是一样的

  在这里求闭包时，规则有所改变：
  如果[$A\to \alpha .B\beta ,a$]属于closure(I)，则所有[$B\to .\gamma ,b$]也属于closure(I)，这里终结符b$\in$first($\beta a$)

  为什么[A$\to \alpha .B\beta$, a]后面是a，而[B$\to .\gamma$, b]的右边却是b？这是因为$\alpha B\beta$都识别时，后面是a。在规约B之前，要先规约$\gamma$，$\gamma$后面跟着的应该是first($\beta$)，而$\beta$为空时，跟在$\gamma$后面的就是a

  相较于前两种分析法，LR(1)找到了问题的实质。当然，LR(1)的分析表实在是太大了，状态非常地多，可以考虑简化为LALR(1)

LALR(1)分析表的构造

  LR(1)方法的不足：分析表太大了，状态很多（要将follow集中的状态严格区分开），这便是LR(1)方法带来精确性的同时，所付出的代价

  LR(1)分析表中还是有很多空白（表示不可能出现的情况），可以考虑对不会引起冲突的状态进行合并，从而减少状态——LALR(1)分析表

  什么时候可以合并？为了更好地说明这一点，首先引入同心/同协项目的定义（下述定义摘自https://wenku.baidu.com/view/454474b2b9d528ea81c77943.html）：

  定义：
  LR(1)项目的心：如果[A$\to \alpha \beta$, ss]是一个LR(1)项目，则其中的LR(0)项目部分称为它的心
  LR(1)自动机状态的心：一个状态所含有的所有LR(1)项目的心
  同心状态：如果两个LR(1)状态具有相同的心，则称这两个状态为同心状态

  在LR(1)的DFA中，如果没有同心状态且没有状态冲突，则该文法是LALR(1)文法。如果有同心状态且合并同心状态后有状态冲突，则是LR(1)文法（https://www.cnblogs.com/Alexkk/p/6033159.html）

  而在合并状态时，只要合并同心状态就行了