【编译原理之】Bison 源文件结构原理

0x00 What is BISON

BISON用于语法分析器的自动生成，这个工具可以在网上下载获得。 化点时间学习这个工具的用法，并用于SQL语言的分析，可以让我们把精力专注在语法规则上，而不是具体的分析函数编写上。对整个DBMS来说，使用自动化工具进行语言处理程序的自动生成，使得语言分析模块成为最可靠最方便维护的模块之一。

BISON源文件的结构

我们需要按照BISON的要求，书写BISON的源程序（gramma.y），然后由BISON把它翻译为C文件。因此，BISON是编译程序的翻译器。BISON的源文件通常由八个部分组成：

一. 自由定义部分:

%{%}

这部分被BISON原封不动地复制到输出的.C文件中。

二． 语法栈的联合(UNION)结构

语法分析程序使用一个堆栈来存放规约到的各个语法成分，堆栈用一个数组表示，这个数组的每个元素需要能够描述每一个语法成分，所以采用一个UNION：

%union{}

Union中的每一个项，都是一个语法规则的每一个非终结符；以整数四则表达式为例：

exp : exp ‘+’ exp     | exp ‘-‘ exp     | exp ‘*’ exp     | exp ‘/’ exp     | ‘(‘ exp ‘)’     | lt_integer;

lt_integer: LT_INTEGER;

有两个语法规则，对应了两个非终结符号: exp 是表达式， lt_integer表示整数常量（LT_INTEGER表示词法分析程序返回的一个确认为整数的单词）。 对应的，这个union可以书写为：

%{  par_exp_t*      exp;  int             lt_integer;};

其中par_exp_t用来描述被识别出的exp的信息，int存放被识别出的整数的值。上面的例子很简单，所以union只有两个字段；在DM的语法分析程序中，这个UNION大约有490个字段，也就是，大概有490个语法规则产生式。

三． 非终结符的类型声明

上面定义了分析栈的UNION类型, 还需要把字段名与语法非终结符号对应起来：

%type <</SPAN>字段名>  非终结符号

如上例，这部分应该写为：

%type exp%type lt_integer

看上去似乎有点多余，每一行都是一个简单的重复。但前面一个表示的是UNION中对应的字段名，后一个是语法符号；如果我们把UNION改为:

%{par_exp_t*  eeee;int          iiii;};

那么对应的类型声明需要改为：

%type <eeee> exp%type <iiii> lt_integer;

这种不一致的写法，事实上会造成混乱，所以在DM系统中，采用上面一致的写法。

四： 单词声明

语法分析的输入是连续的有确定意义的单词。下面需要声明分析程序支持的单词：

%token LT_INTEGER

对于SQL语法，关键字如：SELECT, FROM, WHERE等，都可以定义为单词:

%token KW_SELECT, KW_FROM%token KW_WHERE

五. 确定运算符的优先级

%left ‘-‘ ‘+’%left ‘*’ ‘/’%left ‘(‘ ‘)’

%left表示是左结合的，表示先规约左边的产生式，反应到表达式计算中：

1 + 2 + 3 别识别为：（（1 + 2） + 3), 而不是 (1 + (2 + 3))

优先级低的符号列在前面，高有限级的符号列在后面;同一行的表示优先级相同。所以上面的书写方式，　符合“先乘除，后加减，括号最优先”的原则。

除了%left以后，还有%right, %nonassoc等用来只是右结合，或者不结合等说明符号，可查看bison的详细说明。

六. 声明语法的开始符号

%start exp

这是告知bison, 这是语法最终需要规约的非终结符号。

七. 语法规则定义

这是语法分析程序的核心定义部分，用%%开始, 前面已经列出了关于表达式的语法规则：

%%exp : exp ‘+’ exp     | exp ‘-‘ exp     | exp ‘*’ exp     | exp ‘/’ exp     | ‘(‘ exp ‘)’     | lt_integer;

lt_integer: LT_INTEGER;

八． 自由添加的C源代码

在语法规则定义部分的后面，可以用%%开始，定义C的辅助代码。这部分代码将被原封不动地复制到输出的.C文件中。

给语法规则配上规约动作

规约动作是一段C代码，它的作用是每当分析器识别出一个语法符号时，调用该代码，完成一定的动作。通常，我们使用这段代码，来建立当前语法节点与子节点勾连动作。规约动作应该紧接在语法规则的后面。

如上例:语法分析器 <wbr>BISON

这里仅列出了其中的两个子规则, 其中A, B, C, D四个语句构成了第一个子规则的语句块:

A:

为识别出的exp 生成一个结构, 用指向它。$$是一个bison定义的特殊标记，其意义是当前语法栈的规约元素。如果没有规约动作代码，缺省情况下赋予$$为NULL。new_node是一个需要自己编写的函数,用于生成各个子节点，PAR_EXP是一个事先定义的常量。显然，对于不同的规则，需要定义不同的常量类型。象new_node这样的函数，一般放在.y文件的最后一个部分。

B:

用来区分是哪个子规则规约的，这里用tag = 1来表示两个子表达式‘+’运算

C:

保留第一个子表达式；$1表示这个产生式的第1个语法成分所在的语法栈中对应的值

D：

保留第二个子表达式；$3表示这个产生式的第3个语法成分所在的语法栈中对应的值；注意这里的’+’也占一个位置， 用$2，这里因为有tag=1，已经把相应的信息保存到$$中，所以不需要管它。

E:

这是一个比较特别的语句， 它把$$赋给了一个全局量。因为exp是个开始符号，当分析结束时，这个g_root就是语法树的根。

F:

因为 加了括号的表达式与原表达式等价，所以直接把$2赋给$$就可以了，不需要再生成par_exp节点。

最终的函数yyparse()

yyarse（）是bison生成的分析器的主函数。 调用yyarse()，如果一切顺利，那么上例中的g_root将指向一个完成的语法树。

出错处理

如果输入的字符串有语法错误，则分析器将停止分析，在退出yyparse()函数前，会调用一个yyerror(char*s)的函数，这个函数需要用户自己定义，以便能捕获一些用意义的信息，比如：语法错误出现的行号，附近的单词等。

0x01 参考

[http://pkmonster.blog.51cto.com/390780/79366]