本文对原文有一些修改(原文出处)
本文测试环境 Ubuntu 16.04 x86_64
文中源码下载
LexAndYacc.zip
Lex编程入门
Lex(Lexical Analyzar) 描述文件的结构介绍
Lex工具是一种词法分析程序生成器,它可以根据词法规则说明书的要求来生成单词识
别程序,由该程序识别出输入文本中的各个单词。 一般可以分为<定义部分><规则部
分><用户子程序部分>。其中规则部分是必须的,定义和用户子程序部分是任选的。
定义部分
定义部分起始于%{符号,终止符%}符号,其间可以是包括include语句、声明语句在内的C语句。这部分跟普通C程序开头没什么区别。
%{
#include <stdio.h>
int linenum;
%}
规则部分
规则部分起始于“%%”符号,终止于“%%”符号,其间则是词法规则。词法规则由模式和动作两部分组成。模式部分可以由任意的正则表达式组成,动作部分是由C语言语句组成,这些语句用来对所匹配的模式进行相应的处理。需要注意的是,lex将识别出来的单词存放在yytext[]字符数组中,因此该数组的内容就代表了所识别出来的单词的内容。类似yytext这些预定义的变量函数会随着后面内容展开一一介绍。动作部分如果有多行执行语句,也可以用{}括起来。
%%
title showTitle();
[\n] lineNum++;
[0-9]+ printf("Int :%s\n",yytext);
[0-9]*"."[0-9]+ printf("Float :%s\n",yytext);
[a-zA-Z][a-zA-Z0-9]* printf("Var :%s\n",yytext);
["+"|"-"|"*"|"/"|"%"] printf("Op :%s\n",yyyext);
. printf("Unknow :%c\n",yytext[0]);
%%
规则部分的正则表达式
规则部分是Lex描述文件中最为复杂的一部分,下面列出一些模式部分的正则表达式字符含义:
A-Z,0-9,a-z | 构成模式部分的字符和数字 |
---|---|
- | 指定范围。例如:a-z指从a到z之间的所有字符。 |
\ | 转义元字符。用来覆盖字符在此表达式中定义的特殊意义,只取字符的本身。 |
[] | 表示一个字符的集合。匹配括号内的任意字符,如果第一个字符是^,那么表示否定模式。例如:[abC]匹配a,b和C的任何一个。 |
^ | 表示否定 |
* | 匹配0个或者多个上述模式 |
+ | 匹配1个或者多个上述模式 |
? | 匹配0个或者1个上述模式 |
$ | 作为模式的最后一个字符时匹配一行的结尾 |
{} | 表示一个模式出现的次数。例如:A{1,3}表示A可能出现一次或者三次。[a-z]{5}表示长度为5的,由a-z组成的字符。此外,还可以表示预定义的变量。 |
. | 匹配任意字符,除了\n。 |
() | 将一系列常规表达式分组。如:{Letter}({Letter} |
| | 表达式间的逻辑或 |
“一些符号” | 字符的字面含义。元字符具有。如:”*” 相当于 [*]。 |
规则部分的优先级
规则部分具有优先级的概念,先举个简单的例子:
%{
#include <stdio.h>
%}
%%
[\n] ;
A {printf("ONE\n");};
AA {printf("TWO\n");};
AAAA {printf("THREE\n");};
%%
此时,如果输入内容:
[root@localhost liweitest]# cat file1.txt
AAAAAAA
[root@localhost liweitest]# ./parser < file1.txt
THREE
TWO
ONE
Lex分析词法时,是逐个字符进行读取,自上而下进行规则匹配的,读取到第一个A字符时,遍历后发现三个规则皆匹配成功,Lex会继续分析下去,读取第五个字符时,发现“AAAA”只有一个规则可用,即按行为进行处理,以此类推。可见Lex会选取最长的字符匹配规则。
如果将规则
AAAA {printf("THREE\n");};
改为
AAAAA {printf("THREE\n");};
./parser < flex1.txt输出结果为:
THREE
TWO
再来一个特殊的例子:
%%
title showtitle();
[a-zA-Z][a-zA-Z0-9]* printf("Var :%s\n",yytext);
%%
并输入title,Lex解析完后发现,仍然存在两个规则,这时Lex只会选择第一个规则,下面的则被忽略。这里就体现了Lex的顺序优先级。把这个例子稍微改一下:
%%
[a-zA-Z][a-zA-Z0-9]* printf("Var :%s\n",yytext);
title showtitle();
%%
Lex编译时会提示:warning, rule cannot be matched.这时处理title字符时,匹配
到第一个规则后,第二个规则就无效了。
再把刚才第一个例子修改下,加深下印象!
%{
#include <stdio.h>
%}
%%
[\n] ;
A {printf("ONE\n");};
AA {printf("TWO\n");};
AAAA {printf("THREE\n");};
AAAA {printf("Cannot be executed!");};
./parser < file1.txt 显示效果是一样的,最后一项规则肯定是会忽略掉的。
规则部分的使用变量
且看下面示例:
%{
#include <stdio.h>
int linenum;
%}
int [0-9]+
float [0-9]*"."[0-9]+
%%
{int} printf(“Int :%s\n”,yytext);
{float} printf("Float :%s\n",yytext);
. printf("Unknow :%c\n",yytext[0]);
%%
在%}和%%之间,加入了一些类似变量的东西,注意是没有;的,这表示int,float分
别代指特定的含义,在两个%%之间,可以通过{int}{float}进行直接引用,简化模
式定义。
用户子程序部分
最后一个%%后面的内容是用户子程序部分,可以包含用C语言编写的子程序,而这些子
程序可以用在前面的动作中,这样就可以达到简化编程的目的。这里需要注意的是,
当编译时不带-ll选项时,是必须加入main函数和yywrap(yywrap将下后面说明)。如:
%%
showtitle()
{
printf("----Lex Example ----\n");
}
int main()
{
linenum = 0;
yylex();
printf("\nLine Count:%d\n",linenum);
return 0;
}
int yywrap()
{
return 1;
}
Lex(Lexical Analyzar) 一些的内部变量和函数
内部预定义变量
yytext char * 当前匹配的字符串
yyleng int 当前匹配的字符串长度
yyin FILE * lex当前的解析文件,默认为标准输出
yyout FILE * lex解析后的输出文件,默认为标准输入
yylineno int 当前的行数信息
内部预定义宏
ECHO #define ECHO fwrite(yytext, yyleng, 1, yyout) 也是未匹配字符的默认动作
内部预定义的函数
int yylex(void) | 调用Lex进行词法分析 |
---|---|
int yywrap(void) | 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,这样可以解析多个文件。 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。 |
lex和flex都是解析Lex文件的工具,用法相近,flex意为fast lexical analyzer generator。
可以看成lex的升级版本。
相关更多内容就需要参考flex的man手册了,十分详尽。运行命令 info flex
可得到flex的详细使用说明。
关于Lex的一些综述
Lex其实就是词法分析器,通过配置文件*.l,依据正则表达式逐字符去顺序解析文件,
并动态更新内存的数据解析状态。不过Lex只有状态和状态转换能力。因为它没有堆栈,
它不适合用于剖析外壳结构。而yacc增加了一个堆栈,并且能够轻易处理像括号这样的
结构。Lex善长于模式匹配,如果有更多的运算要求就需要yacc了。