lex yacc系列(一)初步识lex
来源:互联网 发布:淘宝发布宝贝显示下架 编辑:程序博客网 时间:2024/05/18 00:31
一.介绍
Lex(Lexical Analyzar 词法分析生成器),Yacc(Yet Another Compiler Compiler编译器代码生成器)是Unix下十分重要的词法分析,语法分析的工具。经常用于语言分析,公式编译等广泛领域。遗憾的是网上中文资料介绍不是过于简单,就是跳跃太大,入门参考意义并不大。本文通过循序渐进的例子,从0开始了解掌握Lex和Yacc的用法。
二.lex简单示例
先看一个简单的例子(本文都在window下vc.net + parser generator 2环境下完成,配置方法见http://blog.csdn.net/chenxiaohua/archive/2008/01/16/2046129.aspx)
文件名exfirst.l,内容如下:
- %{
- /**
- * (C) Copyright 2008
- * @version v1.0
- * @author 陈利
- * @brief 分析输入的单词,简单的示例
- *
- * history:
- * <p>
- chenli 2008-12-10 1.0 create this moudle;
- </p>
- */
- #include "stdio.h"
- %}
- %%
- [/n] ;
- [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",yytext);
- . printf("Unknown : %c/n",yytext[0]);
- %%
- int main(void)
- {
- int n = yylex();
- return n;
- }
- int yywrap(void)
- {
- return 1;
- }
在源程序目录执行命令alex exfirst.l
生成文件exfirst.c
用vc.net建立一个win32控制台工程01,然后将源代码exfirst.l和exfirst.c添加到工程中
打开"01"工程属性对话框,如下图:
如图进行设置,然后编译,得到了可执行程序。
执行程序,在控制台上输入如下内容:
444 + 55 ii 555.67 ok
然后回车,得到如下的输出结果
Int : 444
Unknown :
Op : +
Unknown :
Int : 55
Unknown :
Var : ii
Unknown :
Float : 555.67
Unknown :
Var : ok
通过如上的示例,总结一下lex的用法和开发步骤。
1.根据需要编写lex文件
2.用alex转换得到.c文件
3.用.c文件编译得到可执行程序。
4.运行测试可执行程序.
上面的程序默认从标准输入得到解析内容,所以运行的时候,可以采用重定向符,从制定文件读取数据,命令如下:
01 < test.txt
上面的命令将使程序从test.txt中读取文本,然后进行解析,并打印解析结果。
对lex有了初步认识之后,现在继续看另外一个示例:
用vc.net新建一个win32控制台空项目"011"。
创建一个文本文件
文件名simple.l,内容如下:
- %{
- /**
- * (C) Copyright 2008
- * @version v1.0
- * @author 陈利
- * @brief 分析输入的单词,简单的示例
- *
- * history:
- * <p>
- chenli 2008-12-10 1.0 create this moudle;
- </p>
- */
- #include "stdio.h"
- int linenum;
- %}
- %%
- 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",yytext);
- . printf("Unknown : %c/n",yytext[0]);
- %%
- showtitle()
- {
- printf("----- Lex Example -----/n");
- }
- int main()
- {
- linenum=1;
- yylex(); /* 进行分析 */
- printf("/nLine Count: %d/n",linenum);
- return 0;
- }
- int yywrap()
- {
- return 1;
- }
然后执行命令alex simple.l,得到simple.c
如"01"工程,将simple.l和simple.c加入到"011"工程中
在项目属性中:
"配置属性"=>"连接器"=>"输入"=>"附加依赖项"中输入"yld.lib"
"配置属性"=>"自定义生成步骤"=>"命令行" 输入"alex simple.l"
"配置属性"=>"自定义生成步骤"=>"输出" 输入"simple.c"
然后就可以编译得到可执行程序011.exe了。
测试
编辑测试文件test.txt,内容如下
444 + 55 ii 555.67
int
float
double
long
在命令行输入011 < test.txt
输出结果:
Int : 444
Unknown :
Op : +
Unknown :
Int : 55
Unknown :
Var : ii
Unknown :
Float : 555.67
Var : int
Var : float
Var : double
Var : long
Line Count: 5
有了前面两个示例,打架对lex编程应该轻车路熟了。
三.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。
(1)定义部分
定义部分起始于 %{ 符号,终止于 %} 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;
%}
(2) 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处理。需要注意的是,lex将识别出来的单
词存放在yytext[]字符数据中,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",yytext);
. printf("Unknown : %c/n",yytext[0]);
%%
A.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。 |
[] | 表示一个字符集合。匹配括号内的任意字符。如果第一个字符是^那么它表示否定模式。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。 |
{ } | 表示一个模式可能出现的次数。 例如: A{1,3} 表示 A 可能出现1次或3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}|{Digit})* |
| | 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 [/*]。 |
/ | 向前匹配。如果在匹配的模式中的"/"后跟有后续表达式,只匹配模版中"/"前面的部分。如:模式为 ABC/D 输入 ABCD,时ABC会匹配ABC/D,而D会匹配相应的模式。输入ABCE的话,ABCE就不会去匹配ABC/D。 |
B.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,读至第五个字符时,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会选择最长的字符
匹配规则。
如果将规则
AAAA {printf("THREE/n");};
改为
AAAAA {printf("THREE/n");};
./parser < file1.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
的则被忽略的。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。
C.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("Unknown : %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。
(3) 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(); /* 进行Lex分析 */
printf("/nLine Count: %d/n",linenum);
return 0;
}
int yywrap()
{
return 1;
}
三.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,默认为标准输入
yyout FILE * lex解析后的输出文件,默认为标准输出
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。
四.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。
- lex yacc系列(一)初步识lex
- Lex Yacc (一) 入门
- 初步学习lex和yacc
- Lex/Yacc 初识Lex
- Yacc Lex
- lex & yacc
- lex&yacc
- Lex Yacc
- lex &yacc
- yacc & lex
- lex&yacc
- YACC & LEX
- lex yacc
- yacc&lex
- lex && yacc
- Lex & Yacc
- LEX, YACC
- lex yacc
- 警告信息 warning C4018: “<”: 有符号/无符号不匹配
- LTO,DLT,AIT技术概念
- 搞定了Boost,gtkmm,glade
- 一个有趣的程序
- cin用法介绍(特别是学习了cin.clear和cin.sync)
- lex yacc系列(一)初步识lex
- 使用 Rational AppScan 保证 Web 应用的安全性
- 自动高度的TextBox
- Cookies中中文乱码问题解决
- 报表与列的对应关系
- k9f1g08 2K page nand flash驱动调试——转载自:作者shuiii
- window_open详解
- windows net basic command
- 关闭窗口和隐藏窗口