编译原理：构造LR(0)分析表

前言

本文旨在用通俗的方式讲解如何手工构造LR(0)分析表，不涉及如何解决冲突问题

冲突问题解决见：SLR、LR(1) 分析

在阅读本文前你应该对 LR文法、移入/规约分析 有基本的了解。

1. 基本名词解释

---

1.1 项目

定义：在右部的某个地方加点的产生式。比如：

E -> A·bC
E -> Ab·C
... ...

这个概念的定义并不重要，因为你看了定义可能也不知道它的意义何在。那为什么要这么定义一个项目呢？为了符号化，看起来更直观。

比起你一大段一大段的文字，有时还不如简单的一个符号直观

因为在构造分析表前我们需要构造对应的状态自动机，那么如果我们能一眼看出某个项目对应什么状态那效率不就更高。举个例子：

E -> ·AbC

你一眼可以看出：当前刚刚开始分析这个文法，因为 · 在产生式的开始处。除此之外，你还能看出当遇到一个非终结符 A 时，这个项目将会进入下一个状态（项目）：

E -> A·bC

换句话说：一个项目对应着LR分析过程中的某个状态。

根据点位置的不同，项目可以分为两大类：

• 待约项目：点不在末尾（等待规约）

E -> ·AbC
E -> A·bC
E -> Ab·C

• 规约项目：点在末尾

E -> AbC·

其中有两个特殊的项目：

• 初始项目：特殊的待约项目，点在开始符号右部产生式的开始（初始态，表示文法刚开始分析）

现有文法：
	S -> E
	E -> AbC
那么
	S -> ·E
为初始项目，表示当前文法 S 开始分析；
而	
	E -> ·AbC
不能称为初始项目，只能称为待约项目。
因为 E 不是开始符号，此项目开始分析
时并不能表示 “文法 S 开始分析”

• 接收项目：特殊的规约项目，点在开始符号右部产生式的末尾（结束态，表示文法分析完毕）

现有文法：
	S -> E
	E -> AbC
那么
	S -> E·
为接受项目，表示当前文法 S 分析完毕；
而	
	E -> AbC·
不能称为接受项目，只能称为规约项目。
因为 E 不是开始符号，此项目分析结束
后并不能表示 “文法 S 分析完毕”

---

1.2 项目集闭包

定义：某个项目与其所有等价项目的所构成的集合。显然：一个项目集闭包对应 LR自动机 的一个状态。
其求解方法为：
当 · 的后面的字符为

• 非终结符时，将后面的非终结符用对应的产生式进行展开，并且其点位于开始处
• 终结符时，结束。

【例】 现有文法：

S -> E
E -> Ab
A -> a

那么对于初始项目：

S -> ·E

由于 · 后的 E 是非终结符，那么用对应的产生式 “E -> Ab” 将其展开得：

E -> ·Ab

同理将 A 展开：

A -> ·b

由于 b 时终结符，结束。也就是说：

S -> ·E
E -> ·Ab
A -> ·a

为一个项目集闭包，他们之间都是等价项目（即对应同一状态）。

---

【附加】标识项目

该定义是为了后续表达的方便，我自己定义的

定义：用来唯一标识一个项目集闭包的项目。
因为在构造 LR 自动机的构建过程中很容易出现重复的情况。
那么用什么来标识呢？举个两个例子：
【例1】现有文法

S -> A
A -> a

它的初始项目集闭包为

(0) S -> ·A
(1) A -> ·a

那么用 (0) 来标识上述项目集闭包，因为 (1) 是由它推出来的。

【例2】现有文法

S -> A | B | c
A -> a
B -> b

初始项目集闭包为

(0) S -> ·A
(1) S -> ·B
(2) S -> ·c
(3) A -> ·a
(4) B -> ·b

那么它用 (0) (1) (2) 共同来标识，因为其他项目都是通过他们推导出来的，少一个就会不完整，多一个会有冗余。
可以认为：如果两个项目集闭包的标识项目一样，则认为这两个项目集闭包是一样的。

---

1.3 项目集规范族

定义：一个文法的所有项目集闭包所构成的集合。换句话说，项目集规范族是 一个LR自动机 的所有状态 的集合。
求解它无非就是求解多个项目集闭包，这并不难，难点在于容易漏掉。

一些教程采用先列出所有项目，在进行分类，我觉得这种方法比较麻烦，我采用另外一种方法：确定初始项目集闭包，依次推出其他所有项目集闭包

---

1.4 增广文法

给文法增加一个新的开始符号 S’ 替换掉源开始符号，并加入 S’ -> S。

为了书写方便，我用 T 作为 S’

为什么要这么做？这是为了确保只有一个接收项目集闭包。

如此可以提高分析效率

比如现有文法

S -> E | e

那么你会发现会有两个接收项目：

1. S -> E·
2. S -> e·

这就导致了有两个接收状态，因此引入增广文法，将上述文法改写为

T -> S
S -> E | e

那么现在的接收项目集闭包只有一个

T -> S·

---

下面以一个例题来讲解如何构造 LR 分析表

文法如下：
(0)	S -> BB
(1)	B -> aB
(2)	B -> b

2. 构造LR自动机

---

2.1 增广文法

将上述文法改写为

(0) T -> S
(1)	S -> BB
(2)	B -> aB
(3)	B -> b

2.2 构造 初始项目集闭包

首先，根据 (0) 产生式 （开始符号的产生式） 得出第一个初始项目

T -> ·S

根据此构造它的项目集闭包：

T -> ·S
S -> ·BB
B -> ·aB
B -> ·b

2.3 根据初始项目集闭包构建其余所有项目

算法：

• 找出每个项目集闭包的下一字符（也就是 · 之后的字符，无论是终结符还是非终结符）集合，看通过每一个字符后，该项目集闭包能到达哪一个项目集闭包，直到该项目集闭包中的所有下一字符都被遍历过；
• 如果下一字符集合为空，则跳过
• 重复上述直到所有项目集闭包都被遍历过。

为什么要记录 · 后的字符？先看一个定义：后继项目

B -> ·aB 的后继项目为 B -> a·B
直观地说，某个项目的后继项目就是
将该项目中的 · 后移一位得到的项目

那么我们记录一个项目集的所有下一字符，就能知道当此项目（状态）遇到某个字符时，它应该进入哪一个项目（状态）。

2.3.1 分析 A₀

现在我们有初始项目集闭包，它对应初始状态，记作 A₀（后续状态以此类推）

A0 
(0) T -> ·S
(1) S -> ·BB
(2) B -> ·aB
(3) B -> ·b

则它的下一字符集为

{S, B, a, b}

• 通过字符 S
  遍历 A₀ 中的所有项目，可以发现只有 A₀(0) 满足
  
  对应的后继项目为

  T -> S·
  

  由于它为接收项目，没有等价项目，因此 A₁ 只有一个项目

  A1
  (0) T -> S·
  

  因此
  

  红色的项目表示它是此项目集闭包的标识项目

• 通过字符 B
  只有 A₀(1) 满足，对应的后继项目为

  S -> B·B
  

  由于 · 之后是非终结符，因此有等价项目，所以下一状态 A₂ 为

  A2
  (0) S -> B·B
  (1) B -> ·aB
  (2) B -> ·b
  

  故有
  

• 通过字符 a
  只有 A₀(2) 满足，它的后继项目为

  B -> a·B
  

  同理得出下一状态 A₃ 为

  A3
  (0) B -> a·B
  (1) B -> ·aB
  (2) B -> ·b
  

  故有
  

虽然 A₂ 与 A₃ 的 (1) (2) 一样，但是标识项目不同，所以 A₂ 与 A₃ 是不一样的状态

• 通过字符 b
  只有 A₀(3) 满足，对应的后继项目为

  B -> b·
  

  因此下一状态 A₄ 为

  A4
  (0) B -> b·
  

  故有
  

现在 A₀ 的下一字符集被遍历完了，所以 A₀ 分析结束，进入 A₁

2.3.2 分析 A₁

A1
(0) T -> S·

显然它的下一字符集为空，故跳过

2.3.3 分析 A₂

A2
(0) S -> B·B
(1) B -> ·aB
(2) B -> ·b

其下一字符集为

{B, a, b}

下面只针对有必要的地方给出解释，其余直接看图自行分析

• 通过 B
  
• 通过 a
  只有 A₁(1) 满足，其后继项目为

  B -> a·B
  

  你会发现这与 A₃ 的标识项目一样，因此不产生新状态，此时进入的下一状态为 A₃
• 通过 b
  与 “通过 a” 同理，因此有
  

2.3.4 分析 A₃

A3
(0) B -> a·B
(1) B -> ·aB
(2) B -> ·b

其中需要注意的是 通过字符 a 到达的是它自己 (A₃)

剩下的状态的下一字符集都为空，故上图为最终结果

---

3. 构建 LR(0) 分析表

如何使用 LR(0) 分析表进行分析不在本文讨论范围，本文只讨论如何构建。
在此之前，你应知道如何使用 LR(0) 分析表进行语法分析。

LR(0)分析表分为两部分：

• action 表：针对终结符
• goto 表：针对非终结符

其中在 action 表中，有以下元素

• sn：表示 移入当前终结符，并进入n状态

比如 s1 表示移入当前终结符，进入 1 状态

• rn：表示 用 文法的 (n) 式来进行当前项目的规约

比如 r0 表示用 (0) 来进行规约

• acc：表示 接收成功 (accept)
• 空：表示 分析失败

在 goto 表中，它表示当某状态遇到非终结符时应进入哪一状态，因此它的元素只记录状态编号，空的地方表示分析失败

那么现在根据之前的分析开始构建分析表

• 文法

  (0) T -> S
  (1)	S -> BB
  (2)	B -> aB
  (3)	B -> b
  

• 自动机
  

---

3.1 构建 goto 表

goto表只与 自动机中的输入字符中的非终结符 （也就是箭头上的非终结符） 有关

{ B, S }

据自动机分析可知：

A0 --S--> A1
表示 A0 遇见 S 进入 A1
其余类推...

A0 --B--> A2
A2 --B--> A5
A3 --B--> A6

并且共有7个状态，因此有

在表中，状态我只用数字表示（“A₀” 用 “0” 表示）

state	B	S
0	2	1
1
2	5
3	6
4
5
6

---

3.2 构建 action 表

action 表只与 自动机中的输入字符中的终结符 （也就是箭头上的终结符）有关

{ a, b, $ }

• 加入 ‘$’ 字符
• $ 表示结束字符，也就是说遇见 ‘$’ 说明当前输入中没有字符了

前面我们知道项目分两大类为：待约项目、规约项目，在 action 中满足：

• 对于待约项目使用移入动作
  在之前的自动机中，待约项目有

  A₀、A₂、A₃

  其中有

  A0 --a--> A3
  

  所以对应的 action 表为

  state	a	b	$
  0	s3

  表示 A₀ 遇见字符 a 时，将字符 a 移入栈内，并进入 A₃ 状态；遇见其他字符说明分析失败。
  其余以此类推… …

• 对于规约项目使用规约动作
  一般规约项目，对于任何终结符都是采用对应的产生式进行规约，对于 接受项目，只有遇到 $ 时表示 acc，其余都表示分析失败。
  在之前的自动机中，待约项目有

  A₁、A₄、A₅、A₆

  其中你会发现待约项目没有出边（没有出去的箭头，只有指向它自己的箭头）

  当然有时有的项目中既有待约项目也有规约项目，这就属于冲突，不在本文讨论范围

  • 对于 A1

  A1
  (0) T -> S·
  

  由于它是接受项目，因此

  state	a	b	$
  1			acc

  表示 A₁ 遇见 $ 时分析成功，遇见其他字符都分析失败。

  • 对于 A4

  A4
  (0) B -> b·
  

  在之前的文法中

  (0) T -> S
  (1)	S -> BB
  (2)	B -> aB
  (3)	B -> b
  

  A₄ (B->b) 是 文法 (3) 式， 由于它是待约项目，因此

  state	a	b	$
  4	r3	r3	r3

  表示 A₄ 遇见 a、b、$ 时用 文法的 (3) 产生式来进行规约。
  其余以此类推… …

最后的 action 表为

state	a	b	$
0	s3	s4
1			acc
2	s3	s4
3	s3	s4
4	r3	r3	r3
5	r1	r1	r1
6	r2	r2	r2

最后

如果你发现本文出现任何错误，欢迎指正。