任务描述
本关任务:加深对词法分析器的工作过程的理解;加强对词法分析方法的掌握;能够采用一种编程语言实现简单的词法分析程序;能够使用自己编写的分析程序对简单的程序段进行词法分析。
相关知识
为了完成本关任务,你需要掌握:词法分析程序设计与实现。
词法分析的基本知识
词法分析程序( Lexical analyzer,简称 Lexer ),负责从左到右逐个字符地对源程序进行扫描和分解,根据语言的词法规则识别出一个个的单词符号。
因此一个词法分析程序应具备如下功能:
-
从左至右扫描构成源程序的字符流
-
识别出有词法意义的单词
-
返回单词记录,或词法错误信息
由上可知词法分析中的一个重要环节为识别单词符号类型,为了便于语法分析,通常将单词符号分为五类。
-
标识符 用来命名程序中出现的变量、数组、函数、过程、标号等,通常是一个字母开头的字母数字串,如 length,nextch 等。
-
基本字 也可以成为关键字或保留字。如 if,while,for,do,goto 等。他们具有标识符的形式,但他们不是由用户而是由语言定义的,其意义是约定的。多数语言中规定,他们不能作为标识符或者标识符的前缀,即用户不能使用它们来定义用户使用的名字,故我们称它为保留字,这些语言如 Pascal 和 C 等。但也有的语言允许将基本字作为标识符或者标识符的前缀,这类语言如 Fortran 等。
-
常数 包括各种类型的常数,如整型、实型、字符型、布尔型等。如:
5
、3.1415926
、a
、TRUE
等都是常数。 -
运算符 算术运算符
+
、-
、×
、÷
;关系运算符<
,<=
,>
,>=
,==
,!=
以及逻辑运算符&&
,()
,||
或者!
等。 -
界符 如
,
、;
等单字界符和/
,/
,//
等双字界符,空白符等。
在进行词法分析后,识别出来的单词应该采用某种中间表示形式,以便为编译后续阶段方便地引用。通常一个单词用一个二元式来表示: (单词类别,单词的属性)
其中,第一元用于区分单词所属的类别,以整数编码表示。第二元用于区分该类别中的哪一个单词符号,即单词符号的值。
实验步骤
由一个词法分析程序应具备的功能来看,我们的程序具有如下要求:
- 对单词的构词规则有明确的定义;
- 编写的分析程序能够正确识别源程序中的单词符号;
- 识别出的单词以<种别码,值>的形式保存在符号表中,正确设计和维护符号表;
- 对于源程序中的词法错误,能够做出简单的错误处理,给出简单的错误提示,保证顺利完成整个源程序的词法分析;
下面我们进行实验代码的步骤分析。
-
定义目标语言的可用符号表和构词规则。
我们需要对五种单词符号进行识别分析,这里将单词符号分为三大块进行识别。首先判断字符是否为关键字或者标识符,并与已定义好的关键字进行比较,从而判断为关键字或者标识符;然后是数字的识别;最后是其他字符的判断,它们被一一定义好的判断进行识别,这样所有的字符便被识别出来了。标示符和关键字的判断if ((ch >= 'a' && ch <= 'z') || (ch >= 'A' && ch <= 'Z')) //可能是标示符或者关键字
字符与关键字的区别通过对比得出:
if (strcmp(token, rwtab1[n]) == 0)
{
syn = 2;
break;
}
else if (strcmp(token, rwtab[n]) == 0) {
syn = 1;
break;
}
}
对于数字的识别:
else if ((ch >= '0' && ch <= '9')) //数字
其他字符的识别,他们被一一定义进行识别:
else switch (ch) //其他字符
{
case'<':m = 0; token[m++] = ch;
ch = prog[p++];
if (ch == '>')
{
syn = 4;
token[m++] = ch;
}
else if (ch == '=')
{
syn = 4;
token[m++] = ch;
}
else
{
syn = 4;
p--;
}
break;
case'>':m = 0; token[m++] = ch;
ch = prog[p++];
if (ch == '=')
{
syn = 4;
token[m++] = ch;
}
else
{
syn = 4;
p--;
}
break;
case':':m = 0; token[m++] = ch;
ch = prog[p++];
if (ch == '=')
{
syn = 4;
token[m++] = ch;
}
else
{
syn = 4;
p--;
}
break;
case'*':syn = 4; token[0] = ch; break;
case'/':syn = 4; token[0] = ch; break;
case'+':syn = 4; token[0] = ch; break;
case'-':syn = 4; token[0] = ch; break;
case'=':syn = 4; token[0] = ch; break;
case';':syn = 5; token[0] = ch; break;
case',':syn = 5; token[0] = ch; break;
case'(':syn = 5; token[0] = ch; break;
case')':syn = 5; token[0] = ch; break;
case'{':syn = 5; token[0] = ch; break;
case'}':syn = 5; token[0] = ch; break;
case'#':syn = 0; token[0] = ch; break;
case'\n':syn = -2; break;
default: syn = -1; break;
}
}
-
依次读入源程序符号,对源程序进行单词切分和识别,直到源程序结束。
字符的输入我们使用cin.get()
获取,并切分保存在prog
中:p = 0;
row = 1;
cout << "Please input string:" << endl;
do
{
cin.get(ch);
prog[p++] = ch;
} while (ch != '#');
p = 0;
-
对正确的单词,按照它的种别以<种别码,值>的形式保存在符号表中;
-
对不正确的单词,做出错误处理。 单词识别后,我们对返回的符号按3,4的规则进行输出:
{
scaner();
switch (syn)
{
case 0: break;
case 3: cout << "(" << syn << "," << sum << ")" << endl; break;
case -1: cout << "Error in row " << row << "!" << endl; break;
case -2: row = row++; break;
default: cout << "(" << syn << "," << token << ")" << endl; break;
}
} while (syn != 0);
编程要求
根据提示,在右侧编辑器补充代码标示符、数字符及其他字符符号的识别程序后,点击评测运行程序,系统会自动进行结果对比。
测试说明
平台会对你编写的代码进行测试:
测试输入:
using namespace std;
int main()
{
int year;
cout << "hello" << endl;
return 0;
}
#
代码:
#include <iostream>
#include <fstream>
#include <sstream>
#include <vector>
#include <stack>
#include <iomanip>
using namespace std;
string V[100][2]; //存储拆分后的文法
int vi = 0; //存储拆分后有多少行
int t = 0;
int s = 0;
int l;
int r;
string FIRSTVT[20][2]; //存储firstvt集
string LASTVT[20][2]; //存储lastvt集
string str; //存储输入文法
string str_a = "#"; // 下堆栈
string str_b; // 剩余输入串
string analysis_table[100][5]; // 文法分析过程
char table[100][100]; // 算符优先关系表
void init_string(string &a) // 删除字符串的第一个元素
{
for (int i = 1; i <= a.length(); ++i)
{
a[i - 1] = a[i];
}
}
bool is_CHAR(char c) // 判断是否为大写字母
{
if (c >= 'A' && c <= 'Z')
{
return true;
}
else
{
return false;
}
}
bool is_in(int i, string x) // 判断从字符串x从最好一个开始算起连续的i个字符是否含有非大写字母
{
bool flag = false;
for (int j = 0; j < i; j++)
{
if (!is_CHAR(x[x.length() - j - 1]))
{
flag = true;
}
}
return flag;
}
void split(string a) // 拆分文法,使其不含有|
{
for (int i = 3; i < a.length(); ++i)
{
V[vi][0] = a[0];
while (a[i] != '|' && i < a.length())
{
V[vi][1] += a[i];
i++;
}
vi++;
}
}
void read_file(string file_path) //按行读取文件
{
fstream f(file_path);
vector<string> words;
string line;
while (getline(f, line))
{
words.push_back(line);
}
cout << "输入文法:" << endl;
for (int i = 0; i < words.size(); i++)
{
cout << words[i] << endl;
split(words[i]);
}
}
int find_index(char a) //寻找字符a在firstvt或者lastvt中的位置
{
for (int i = 0; i < t; ++i)
{
if (FIRSTVT[i][0][0] == a)
{
return i;
}
}
return -1;
}
int find_table_index(char a) //寻找字符a在算符优先关系表中的位置
{
for (int i = 0; i <= s; ++i)
{
if (table[i][0] == a)
{
return i;
}
}
return -1;
}
void get_start() //获取非终结符
{
for (int i = 0; i < vi; ++i)
{
bool flag = true;
for (int j = 0; j < t; ++j)
{
if (FIRSTVT[j][0] == V[i][0])
{
flag = false;
}
}
if (flag)
{
FIRSTVT[t][0] = V[i][0];
LASTVT[t][0] = V[i][0];
t++;
}
}
}
/********Beign********/
/*构造firstvt,lastvt*/
void add_firstvt(string b, int a) //判断字符串b是否在序号为a的firstvt中,没有则加入
{
for(int i = 0;i < b.size();i++){
bool flag = 1;
char c = b[i];
if(c >= 'A' && c <= 'Z'){
continue;
}
for(int j = 0;j < FIRSTVT[a][1].size();j++){
if(c == FIRSTVT[a][1][j]){
flag = 0;
}
}
if(flag){
FIRSTVT[a][1] += c;
}
}
}
void add_firstvt(char c, int a) //判断字符c是否在序号为a的firstvt中,没有则加入
{
bool flag = 1;
for (int i = 0; i < FIRSTVT[a][1].size(); i++)
{
if (c >= 'A' && c <= 'Z'){
continue;
}
if (c == FIRSTVT[a][1][i]){
flag = 0;
}
}
if (flag){
FIRSTVT[a][1] += c;
}
}
void add_lastvt(string b, int a) //判断字符串b是否在序号为a的lastvt中,没有则加入
{
for(int i = 0;i < b.size();i++){
bool flag = 1;
char c = b[i];
if(c >= 'A' && c <= 'Z'){
continue;
}
for(int j = 0;j < LASTVT[a][1].size();j++){
if(c == LASTVT[a][1][j]){
flag = 0;
}
}
if(flag){
LASTVT[a][1] += c;
}
}
}
void add_lastvt(char c, int a) //判断字符串c是否在序号为a的lastvt中,没有则加入
{
bool flag = 1;
for (int i = 0; i < LASTVT[a][1].size(); i++)
{
if (c >= 'A' && c <= 'Z'){
continue;
}
if (c == LASTVT[a][1][i]){
flag = 0;
}
}
if (flag){
LASTVT[a][1] += c;
}
}
string get_cur_firstvt(char c, int a) //获取当前字符的firstvt,并放入序号为a的firstvt中
{
string temp;
for (int i = 0; i < vi; i++)
{
if (c == V[i][0][0])
{
if (!(V[i][1][0] >= 'A' && V[i][1][0] <= 'Z'))
{
add_firstvt(V[i][1][0], a);
}
else
{
if (c != V[i][1][0])
{
temp = get_cur_firstvt(V[i][1][0], find_index(V[i][1][0]));
add_firstvt(temp, a);
}
if (V[i][1].length() > 2)
{
if (!(V[i][1][1] <= 'Z' && V[i][1][1] >= 'A'))
{
add_firstvt(V[i][1][1], a);
}
}
}
}
}
return FIRSTVT[a][1];
}
string get_cur_lastvt(char c, int a) //获取当前字符的lastvt,并放入序号为a的lastvt中
{
string temp;
for (int i = 0; i < vi; ++i)
{
int s = V[i][1].length();
if (c == V[i][0][0])
{
if (!(V[i][1][s - 1] <= 'Z' && V[i][1][s - 1] >= 'A'))
{
add_lastvt(V[i][1][s - 1], a);
}
else
{
if (c != V[i][1][s - 1])
{
temp = get_cur_lastvt(V[i][1][s - 1], find_index(V[i][1][0]));
add_lastvt(temp, a);
}
if (V[i][1].length() > 2)
{
if (!(V[i][1][s - 2] <= 'Z' && V[i][1][s - 2] >= 'A'))
{
add_lastvt(V[i][1][s - 2], a);
}
}
}
}
}
return LASTVT[a][1];
}
/*********End*********/
void get_firstvt() //获取所有文法的firstvt
{
for (int i = 0; i < t; i++)
{
get_cur_firstvt(FIRSTVT[i][0][0], i);
}
}
void get_lastvt() //获取所有文法的lastvt
{
for (int i = 0; i < t; i++)
{
get_cur_lastvt(LASTVT[i][0][0], i);
}
}
void print_firstvt(string t, string a) //打印非终极符为t的firstvt
{
cout << "FIRSTVT(" << t << ") = {";
for (int i = 0; i < a.length(); ++i)
{
if (i == a.length() - 1)
{
cout << "\"" << a[i] << "\"";
}
else
{
cout << "\"" << a[i] << "\"" << ", ";
}
}
cout << "}" << endl;
}
void print_lastvt(string t, string a) //打印非终结符为t的lastvt
{
cout << "LASTVT(" << t << ") = {";
for (int i = 0; i < a.length(); ++i)
{
if (i == a.length() - 1)
{
cout << "\"" << a[i] << "\"";
}
else
{
cout << "\"" << a[i] << "\"" << ", ";
}
}
cout << "}" << endl;
}
/********Beign********/
/*构造算符优先表*/
void init_table() //初始化算符优先关系表
{
table[0][0] = '\\';
for (int i = 0; i < vi; ++i)
{
for (int j = 0; j < V[i][1].length(); ++j)
{
bool flag = true;
for (int k = 0; k < s + 1; ++k)
{
if (table[k + 1][0] == V[i][1][j] || (V[i][1][j] <= 'Z' && V[i][1][j] >= 'A'))
{
flag = false;
}
}
if (flag)
{
table[s + 1][0] = V[i][1][j];
table[0][s + 1] = V[i][1][j];
s++;
}
}
}
for (int l = 1; l < s + 1; ++l)
{
for (int i = 1; i < s + 1; ++i)
{
table[l][i] = ' ';
}
}
}
void get_table() //生成算符优先关系表
{
for (int i = 0; i < vi; ++i)
{
for (int j = 0; j < V[i][1].length(); ++j)
{
//ab
if (!(V[i][1][j] <= 'Z' && V[i][1][j] >= 'A') && !(V[i][1][j + 1] <= 'Z' && V[i][1][j + 1] >= 'A') &&
j + 1 < V[i][1].length())
{
table[find_table_index(V[i][1][j])][find_table_index(V[i][1][j + 1])] = '=';
}
//aQb
if ((!(V[i][1][j] <= 'Z' && V[i][1][j] >= 'A')) && (V[i][1][j + 1] <= 'Z' && V[i][1][j + 1] >= 'A') &&
(!(V[i][1][j + 2] <= 'Z' && V[i][1][j + 2] >= 'A')) && j + 2 < V[i][1].length())
{
table[find_table_index(V[i][1][j])][find_table_index(V[i][1][j + 2])] = '=';
}
//aQ
if ((!(V[i][1][j] <= 'Z' && V[i][1][j] >= 'A')) && (V[i][1][j + 1] <= 'Z' && V[i][1][j + 1] >= 'A') &&
j + 1 < V[i][1].length())
{
for (int k = 0; k < FIRSTVT[find_index(V[i][1][j + 1])][1].length(); ++k)
{
table[find_table_index(V[i][1][j])][find_table_index(
FIRSTVT[find_index(V[i][1][j + 1])][1][k])] = '<';
}
}
//Qa
if ((V[i][1][j] <= 'Z' && V[i][1][j] >= 'A') && !(V[i][1][j + 1] <= 'Z' && V[i][1][j + 1] >= 'A') &&
j + 1 < V[i][1].length())
{
for (int k = 0; k < LASTVT[find_index(V[i][1][j])][1].length(); ++k)
{
table[find_table_index(LASTVT[find_index(V[i][1][j])][1][k])][find_table_index(
V[i][1][j + 1])] = '>';
}
}
}
}
}
/*********End*********/
void print_table() //打印算符优先关系表
{
for (int i = 0; i < s + 1; ++i)
{
for (int j = 0; j < s + 1; ++j)
{
cout << table[i][j] << " ";
}
cout << endl;
}
}
char get_relationship(char a, char b) //获取终结符a,b的优先关系
{
return table[find_table_index(a)][find_table_index(b)];
}
bool is_reduce() //判断是否可以规约
{
for (int i = 0; i < vi; ++i)
{
int count = 0;
int f = str_a.length() - 1;
for (int j = V[i][1].length() - 1; j >= 0 && f >= 0; j--, f--)
{
if (is_in(V[i][1].length(), str_a))
{
if (is_CHAR(str_a[f]) && is_CHAR(V[i][1][j]))
{
count++;
}
else if (str_a[f] == V[i][1][j])
{
count++;
}
}
else
{
continue;
}
}
if (count == V[i][1].length())
{
r = i;
return true;
}
}
return false;
}
void analyze_input_string() // 生成算符优先文法的分析过程
{
analysis_table[0][0] = "步骤";
analysis_table[0][1] = "下堆栈";
analysis_table[0][2] = "优先关系";
analysis_table[0][3] = "剩余输入串";
analysis_table[0][4] = "移进或规约";
str_b = str;
char relationship;
l = 1;
int x;
stringstream ss;
while (true)
{
ss << l;
int index = str_a.length() - 1;
analysis_table[l][0] = ss.str();
analysis_table[l][3] = str_b;
analysis_table[l][1] = str_a;
ss.clear();
ss.str("");
if (is_CHAR(str_a[index]))
{
for (int i = str_a.length() - 1; i >= 0; i--)
{
if (!is_CHAR(str_a[i]))
{
index = i;
break;
}
}
}
relationship = get_relationship(str_a[index], str_b[0]);
analysis_table[l][2] = relationship;
if (relationship == '=')
{
if (str_a[index] == '#' && str_b[0] == '#')
{
analysis_table[l][4] = "完成";
break;
}
else
{
analysis_table[l][4] = "移进";
str_a += str_b[0];
analysis_table[l + 1][1] = str_a;
init_string(str_b);
}
}
else if (relationship == '<')
{
analysis_table[l][4] = "移进";
str_a += str_b[0];
analysis_table[l + 1][1] = str_a;
init_string(str_b);
}
else if (relationship == '>')
{
if (is_reduce())
{
analysis_table[l][4] = "规约";
str_a[str_a.length() - V[r][1].length()] = V[r][0][0];
str_a.erase(str_a.length() - V[r][1].length() + 1, V[r][1].length() - 1);
}
else
{
cout << "输入串非法" << endl;
exit(-1);
}
}
l++;
}
}
void print_analyze_process() //打印算符优先文法的分析过程
{
cout << "算符优先分析过程" << endl;
cout << setw(12) << analysis_table[0][0] << setw(16) << analysis_table[0][1] << setw(16) << analysis_table[0][2]
<< setw(24)
<< analysis_table[0][3] << setw(20)
<< analysis_table[0][4] << endl;
for (int i = 1; i <= l; ++i)
{
cout.width(10);
cout << analysis_table[i][0];
cout.width(12);
cout << analysis_table[i][1];
cout.width(10);
cout << analysis_table[i][2];
cout.width(20);
cout << analysis_table[i][3];
cout << analysis_table[i][4];
cout << endl;
}
}
int main(int argv, char *arg[])
{
cout.setf(std::ios::left);
read_file("/data/workspace/myshixun/in.txt");
cout << "拆分后文法:" << endl;
for (int i = 0; i < vi; ++i)
{
cout << V[i][0] << "->" << V[i][1] << endl;
}
cout << "非终结符:" << endl;
get_start();
for (int j = 0; j < t; ++j)
{
cout << FIRSTVT[j][0] << endl;
}
cout << "FIRSTVT:" << endl;
get_firstvt();
for (int k = 0; k < t; ++k)
{
print_firstvt(FIRSTVT[k][0], FIRSTVT[k][1]);
}
cout << "LASTVT:" << endl;
get_lastvt();
for (int k = 0; k < t; ++k)
{
print_lastvt(LASTVT[k][0], LASTVT[k][1]);
}
cout << "算符优先关系表" << endl;
init_table();
get_table();
print_table();
cout << "请输入文法并以#结束:" << endl;
cin >> str;
analyze_input_string();
print_analyze_process();
return 0;
}