编译器的自动生成工具LEX和YACC的使用方法..doc

编译器的自动生成工具LEX和YACC的使用方法 词法分析程序产生器LEX的用法 1．1 Lex概述 Lex是一个词法分析器（扫描器）的自动产生系统，它的示意图如图1.1。Lex源程序是用一种面向问题的语言写成的。这个语言的核心是正规表达式，用它描述输入串的词法结构。在这个语言中用户还可以描述当某一个词形被识别出来时要完成的动作，例如在高级语言的词法分析器中，当识别出一个关键字时，它应该向语法分析器返回该关键字的内部编码。Lex并不是一个完整的语言，它只是某种高级语言（称为lex的宿主语言）的扩充，因此lex没有为描述动作设计新的语言，而是借助其宿主语言来描述动作。我们只介绍C作为lex的宿主语言时的使用方法，在Unix系统中， FORTRAN语言的一种改进形式Ratfor也可以做lex的宿主语言。 图1.1 Lex示意图??? Lex自动地表示把输入串词法结构的正规式及相应的动作转换成一个宿主语言的程序，即词法分析程序，它有一个固定的名字yylex，在这里yylex是一个C语言的程序。yylex将识别出输入串中的词形，并且在识别出某词形时完成指定的动作。?看一个简单的例子：写一个lex源程序，将输入串中的小写字母转换成相应的大写字母。程序如下： %% [a-z] printf(“%c”,yytext[0]+A-a)； 上述程序中的第一行%%是一个分界符，表示识别规则的开始。第二行就是识别规则。左边是识别小写字母的正规式。右边就是识别出小写字母时采取的动作:将小写字母转换成相应的大写字母。?Lex的工作原理是将源程序中的正规式转换成相应的确定有限自动机，而相应的动作则插入到yylex中适当的地方，控制流由该确定有限自动机的解释器掌握，对于不同的源程序，这个解释器是相同的。 1．2 lex源程序的格式 lex源程序的一般格式是： {辅助定义的部分}???? %% ???? {识别规则部分} %% ???? {用户子程序部分} 其中用花括号起来的各部分都不是必须有的。当没有“用户子程序部分”时，第二个%%也可以省去。第一个%%是必须的，因为它标志着识别规则部分的开始，最短的合法的lex源程序是： ?%% ??它的作用是将输入串照原样抄到输出文件中。??识别规则部分是Lex源程序的核心。它是一张表，左边一列是正规式，右边一列是相应的动作。下面是一条典型的识别规则： integer printf（found keywcrd INT）; 这条规则的意思是在输入串中寻找词形“integer”，每当与之匹配成功时，就打印出 “found keyword INT”这句话。 注意在识别规则中，正规式与动作之间必须用空格分隔开。动作部分如果只是一个简单的C表达式，则可以写在正规式右边同一行中，如果动作需要占两行以上，则须用花括号括起来，否则会出错。上例也可以写成： integer {printf（found keyword INT）;}? 下面先介绍识别规则部分的写法，再介绍其余部分。 1.3 Lex用的正规式 一个正规式表示一个字符串的集合。正规式由正文字符与正规式运算符组成。正文字符组成基本的正规式，表示某一个符号串；正规式运算符则将基本的正规式组合成为复杂的正规式，表示字符串的集合。 例如： ab 仅表示字符串ab，而 (a b)+ 表示字符串的集合： ｛ab，abab，ababab，…｝。 Lex中的正规式运算符有下列十六种： ???? “ \ [ ] ^ - ？ ? * + | （） / $ { } % 上述运算符需要作为正文字符出现在正规式中时，必须借助于双引号”或反斜线＼，具体用法是； xyz“++”或xyz＼+＼+ 表示字符串xyz++ 为避免死记上述十多个运算符，建议在使用非数字或字母字符时都用双引号或反斜线。要表示双引号本身可用＼”，要表示反外线用”＼”或\\ 前面说过，在识别规则中空格表示正规式的结束，因此要在正规式中引进空格必须借助双引号或反斜线，但出现在方括号[]之内的空格是例外。 几个特殊符号： ＼n是回车换行（newline） ＼t是tab ?\b是退格（back space） 下面按照运算符的功能分别介绍上述正规式运算符。 字符的集合 用方括号对可以表示字符的集合。正规式 ?[a b c] 与单个字符a或b或c匹配在方括号中大多数的运算符都不起作用，只有＼、- 和 ^ 例外。运算符 - 表示字符的范围，例如 ［a-z 0-9 ＜＞_ ] 表示由所有小写字母，所有数字、尖括号及下划线组成的字符集合。如果某字符集合中包括-在内，则必须把它写在第一个或最后一个位置上，如 [-+0-9] 与所有数字和正负号匹配。 在字符集合中，运算符^必须写在第一个位置即紧接在左方括号之后，它的作用是求方