Yacc 与 Lex 快速入门

素颜马尾好姑娘i 2022-07-10 23:54 158阅读 0赞

<table style="width: 100%;"> 
 <tbody> 
  <tr> 
   <td> <p><em>Lex 与 Yacc 介绍</em> </p> <p>级别： 初级</p> <p><a href="http://www.ibm.com/developerworks/cn/linux/sdk/lex/#author" rel="nofollow">Ashish Bansal</a> (<a href="mailto:abansal@ieee.org?subject=Yacc%20%E4%B8%8E%20Lex%20%E5%BF%AB%E9%80%9F%E5%85%A5%E9%97%A8&amp;cc=abansal@ieee.org" rel="nofollow">abansal@ieee.org</a> ), 软件工程师, Sapient 公司</p> <p>&nbsp;</p> </td> 
   <td><br> </td> 
  </tr> 
 </tbody> 
</table>

<table style="width: 100%;"> 
 <tbody> 
  <tr> 
   <td><img src="http://www.ibm.com/i/c.gif" alt="" width="10" height="1"> </td> 
   <td> <p>2000 年 11 月 01 日</p> <p>&nbsp;</p> <p>文章转自：http://www.ibm.com/developerworks/cn/linux/sdk/lex/</p> 
    <blockquote>
      Lex 和 Yacc 是 UNIX 两个非常重要的、功能强大的工具。事实上，如果你熟练掌握 Lex 和 Yacc 的话，它们的强大功能使创建 FORTRAN 和 C 的编译器如同儿戏。Ashish Bansal 为您详细的讨论了编写自己的语言和编译器所用到的这两种工具，包括常规表达式、声明、匹配模式、变量、Yacc 语法和解析器代码。最后，他解释了怎样把 Lex 和 Yacc 结合起来。 
    </blockquote> <p>Lex 代表 Lexical Analyzar。Yacc 代表 Yet Another Compiler Compiler。 让我们从 Lex 开始吧。</p> <p><a rel="nofollow"><span>Lex</span> </a> </p> <p> Lex 是一种生成扫描器的工具。扫描器是一种识别文本中的词汇模式的程序。 这些词汇模式（或者常规表达式）在一种特殊的句子结构中定义，这个我们一会儿就要讨论。</p> <p> 一种匹配的常规表达式可能会包含相关的动作。这一动作可能还包括返回一个标记。 当 Lex 接收到文件或文本形式的输入时，它试图将文本与常规表达式进行匹配。 它一次读入一个输入字符，直到找到一个匹配的模式。 如果能够找到一个匹配的模式，Lex 就执行相关的动作（可能包括返回一个标记）。 另一方面，如果没有可以匹配的常规表达式，将会停止进一步的处理，Lex 将显示一个错误消息。</p> <p>Lex 和 C 是强耦合的。一个 <em>.lex</em> 文件（Lex 文件具有 <em>.lex</em> 的扩展名）通过 lex 公用程序来传递，并生成 C 的输出文件。这些文件被编译为词法分析器的可执行版本。 </p> <br> 
    <table style="width: 100%;"> 
     <tbody> 
      <tr> 
       <td><img src="http://www.ibm.com/i/v14/rules/blue_rule.gif" alt="" width="100%" height="1"> <br> <img src="http://www.ibm.com/i/c.gif" alt="" width="8" height="6"> </td> 
      </tr> 
     </tbody> 
    </table> 
    <table> 
     <tbody> 
      <tr> 
       <td><img src="http://www.ibm.com/i/c.gif" alt="" width="100%" height="4"> <br> 
        <table> 
         <tbody> 
          <tr> 
           <td><img src="http://www.ibm.com/i/v14/icons/u_bold.gif" alt="" width="16" height="16"> <br> </td> 
           <td align="right"><a href="http://www.ibm.com/developerworks/cn/linux/sdk/lex/#main" rel="nofollow"><strong>回页首</strong> </a> </td> 
          </tr> 
         </tbody> 
        </table> </td> 
      </tr> 
     </tbody> 
    </table> <br> <br> <p><a rel="nofollow"><span>Lex 的常规表达式</span> </a> </p> <p> 常规表达式是一种使用元语言的模式描述。表达式由符号组成。符号一般是字符和数字，但是 Lex 中还有一些具有特殊含义的其他标记。 下面两个表格定义了 Lex 中使用的一些标记并给出了几个典型的例子。</p> <p><a rel="nofollow"><span>用 Lex 定义常规表达式</span> </a> </p> <p>&nbsp;</p> 
    <table style="width: 590px;"> 
     <tbody> 
      <tr> 
       <td> <strong>字符</strong> </td> 
       <td> <strong>含义</strong> </td> 
      </tr> 
      <tr> 
       <td> <strong>A-Z, 0-9, a-z</strong> </td> 
       <td>构成了部分模式的字符和数字。</td> 
      </tr> 
      <tr> 
       <td> <strong>.</strong> </td> 
       <td>匹配任意字符，除了 /n。</td> 
      </tr> 
      <tr> 
       <td> <strong>-</strong> </td> 
       <td>用来指定范围。例如：A-Z 指从 A 到 Z 之间的所有字符。</td> 
      </tr> 
      <tr> 
       <td> <strong>[ ]</strong> </td> 
       <td>一个字符集合。匹配括号内的 <em>任意</em> 字符。如果第一个字符是 <strong>^</strong> 那么它表示否定模式。例如: [abC] 匹配 a, b, 和 C中的任何一个。 </td> 
      </tr> 
      <tr> 
       <td> <strong>*</strong> </td> 
       <td> 匹配 <em>0个</em> 或者多个上述的模式。 </td> 
      </tr> 
      <tr> 
       <td> <strong>+</strong> </td> 
       <td>匹配 <em>1个</em> 或者多个上述模式。 </td> 
      </tr> 
      <tr> 
       <td> <strong>?</strong> </td> 
       <td>匹配 <em>0个或1个</em> 上述模式。 </td> 
      </tr> 
      <tr> 
       <td> <strong>$</strong> </td> 
       <td> 作为模式的最后一个字符匹配一行的结尾。</td> 
      </tr> 
      <tr> 
       <td> <strong>{ }</strong> </td> 
       <td>指出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。</td> 
      </tr> 
      <tr> 
       <td> <strong>/</strong> </td> 
       <td> 用来转义元字符。同样用来覆盖字符在此表中定义的特殊意义，只取字符的本意。</td> 
      </tr> 
      <tr> 
       <td> <strong>^</strong> </td> 
       <td>否定。</td> 
      </tr> 
      <tr> 
       <td> <strong>|</strong> </td> 
       <td>表达式间的逻辑或。</td> 
      </tr> 
      <tr> 
       <td> <strong>"&lt;一些符号&gt;"</strong> </td> 
       <td>字符的字面含义。元字符具有。</td> 
      </tr> 
      <tr> 
       <td> <strong>/</strong> </td> 
       <td> 向前匹配。如果在匹配的模版中的“/”后跟有后续表达式，只匹配模版中“/”前 面的部分。如：如果输入 A01，那么在模版 A0/1 中的 A0 是匹配的。</td> 
      </tr> 
      <tr> 
       <td> <strong>( )</strong> </td> 
       <td>将一系列常规表达式分组。</td> 
      </tr> 
     </tbody> 
    </table> <p><a rel="nofollow"><span>常规表达式举例</span> </a> </p> <p>&nbsp;</p> 
    <table style="width: 590px;"> 
     <tbody> 
      <tr> 
       <td> <strong>常规表达式</strong> </td> 
       <td> <strong>含义</strong> </td> 
      </tr> 
      <tr> 
       <td> joke[rs] </td> 
       <td>匹配 jokes 或 joker。</td> 
      </tr> 
      <tr> 
       <td> A{1,2}shis+ </td> 
       <td>匹配 AAshis, Ashis, AAshi, Ashi。</td> 
      </tr> 
      <tr> 
       <td> (A[b-e])+ </td> 
       <td>匹配在 A 出现位置后跟随的从 b 到 e 的所有字符中的 0 个或 1个。</td> 
      </tr> 
     </tbody> 
    </table> <p>Lex 中的标记声明类似 C 中的变量名。每个标记都有一个相关的表达式。 （下表中给出了标记和表达式的例子。） 使用这个表中的例子，我们就可以编一个字数统计的程序了。 我们的第一个任务就是说明如何声明标记。</p> <p><a rel="nofollow"><span>标记声明举例</span> </a> </p> <p>&nbsp;</p> 
    <table style="width: 590px;"> 
     <tbody> 
      <tr> 
       <td> <strong>标记</strong> </td> 
       <td> <strong>相关表达式</strong> </td> 
       <td> <strong>含义</strong> </td> 
      </tr> 
      <tr> 
       <td>数字(number)</td> 
       <td>([0-9])+</td> 
       <td>1个或多个数字</td> 
      </tr> 
      <tr> 
       <td>字符(chars)</td> 
       <td>[A-Za-z]</td> 
       <td>任意字符</td> 
      </tr> 
      <tr> 
       <td>空格(blank)</td> 
       <td>" "</td> 
       <td>一个空格</td> 
      </tr> 
      <tr> 
       <td>字(word)</td> 
       <td>(chars)+</td> 
       <td>1个或多个 <em>chars</em> </td> 
      </tr> 
      <tr> 
       <td>变量(variable)</td> 
       <td>(字符)+(数字)*(字符)*(数字)*</td> 
       <td></td> 
      </tr> 
     </tbody> 
    </table> <br> 
    <table style="width: 100%;"> 
     <tbody> 
      <tr> 
       <td><img src="http://www.ibm.com/i/v14/rules/blue_rule.gif" alt="" width="100%" height="1"> <br> <img src="http://www.ibm.com/i/c.gif" alt="" width="8" height="6"> </td> 
      </tr> 
     </tbody> 
    </table> 
    <table> 
     <tbody> 
      <tr> 
       <td><img src="http://www.ibm.com/i/c.gif" alt="" width="100%" height="4"> <br> 
        <table> 
         <tbody> 
          <tr> 
           <td><img src="http://www.ibm.com/i/v14/icons/u_bold.gif" alt="" width="16" height="16"> <br> </td> 
           <td align="right"><a href="http://www.ibm.com/developerworks/cn/linux/sdk/lex/#main" rel="nofollow"><strong>回页首</strong> </a> </td> 
          </tr> 
         </tbody> 
        </table> </td> 
      </tr> 
     </tbody> 
    </table> <br> <br> <p><a rel="nofollow"><span>Lex 编程</span> </a> </p> <p> Lex 编程可以分为三步：</p> 
    <ol> 
     <li>以 Lex 可以理解的格式指定模式相关的动作。</li> 
     <li>在这一文件上运行 Lex，生成扫描器的 C 代码。</li> 
     <li>编译和链接 C 代码，生成可执行的扫描器。</li> 
    </ol> <p>注意: 如果扫描器是用 Yacc 开发的解析器的一部分，只需要进行第一步和第二步。 关于这一特殊问题的帮助请阅读 <a href="http://www.ibm.com/developerworks/cn/linux/sdk/lex/#9" rel="nofollow">Yacc</a> 和 <a href="http://www.ibm.com/developerworks/cn/linux/sdk/lex/#15" rel="nofollow">将 Lex 和 Yacc 结合起来</a> 部分。 </p> <p>现在让我们来看一看 Lex 可以理解的程序格式。一个 Lex 程序分为三个段：第一段是 C 和 Lex 的全局声明，第二段包括模式（C 代码），第三段是补充的 C 函数。 例如, 第三段中一般都有 main() 函数。这些段以%%来分界。 那么，回到字数统计的 Lex 程序，让我们看一下程序不同段的构成。</p> <br> 
    <table style="width: 100%;"> 
     <tbody> 
      <tr> 
       <td><img src="http://www.ibm.com/i/v14/rules/blue_rule.gif" alt="" width="100%" height="1"> <br> <img src="http://www.ibm.com/i/c.gif" alt="" width="8" height="6"> </td> 
      </tr> 
     </tbody> 
    </table> 
    <table> 
     <tbody> 
      <tr> 
       <td><img src="http://www.ibm.com/i/c.gif" alt="" width="100%" height="4"> <br> 
        <table> 
         <tbody> 
          <tr> 
           <td><img src="http://www.ibm.com/i/v14/icons/u_bold.gif" alt="" width="16" height="16"> <br> </td> 
           <td align="right"><a href="http://www.ibm.com/developerworks/cn/linux/sdk/lex/#main" rel="nofollow"><strong>回页首</strong> </a> </td> 
          </tr> 
         </tbody> 
        </table> </td> 
      </tr> 
     </tbody> 
    </table> <br> <br> <p><a rel="nofollow"><span>C 和 Lex 的全局声明</span> </a> </p> <p> 这一段中我们可以增加 C 变量声明。这里我们将为字数统计程序声明一个整型变量，来保存程序统计出来的字数。 我们还将进行 Lex 的标记声明。</p> <br> <a rel="nofollow"><strong>字数统计程序的声明</strong> </a> <br> 
    <table style="width: 100%;"> 
     <tbody> 
      <tr> 
       <td> <pre>       %{
          <br>
        int wordCount = 0;<br>
        %}<br>
        chars [A-za-z/_/'/./"]<br>
        numbers ([0-9])+<br>
        delim [" "/n/t]<br>
        whitespace {delim}+<br>
        words {chars}+<br>
        %%<br>
</pre> </td> 
      </tr> 
     </tbody> 
    </table> <br> <p>两个百分号标记指出了 Lex 程序中这一段的结束和三段中第二段的开始。</p> <br> 
    <table style="width: 100%;"> 
     <tbody> 
      <tr> 
       <td><img src="http://www.ibm.com/i/v14/rules/blue_rule.gif" alt="" width="100%" height="1"> <br> <img src="http://www.ibm.com/i/c.gif" alt="" width="8" height="6"> </td> 
      </tr> 
     </tbody> 
    </table> 
    <table> 
     <tbody> 
      <tr> 
       <td><img src="http://www.ibm.com/i/c.gif" alt="" width="100%" height="4"> <br> 
        <table> 
         <tbody> 
          <tr> 
           <td><img src="http://www.ibm.com/i/v14/icons/u_bold.gif" alt="" width="16" height="16"> <br> </td> 
           <td align="right"><a href="http://www.ibm.com/developerworks/cn/linux/sdk/lex/#main" rel="nofollow"><strong>回页首</strong> </a> </td> 
          </tr> 
         </tbody> 
        </table> </td> 
      </tr> 
     </tbody> 
    </table> <br> <br> <p><a rel="nofollow"><span>Lex 的模式匹配规则</span> </a> </p> <p> 让我们看一下 Lex 描述我们所要匹配的标记的规则。（我们将使用 C 来定义标记匹配后的动作。） 继续看我们的字数统计程序，下面是标记匹配的规则。</p> <br> <a rel="nofollow"><strong>字数统计程序中的 Lex 规则</strong> </a> <br> 
    <table style="width: 100%;"> 
     <tbody> 
      <tr> 
       <td> <pre>       {words} { wordCount++; /*<br>
        increase the word count by one*/ }<br>
        {whitespace} { /* do<br>
        nothing*/ }<br>
        {numbers} { /* one may<br>
        want to add some processing here*/ }<br>
        %%<br>
</pre> </td> 
      </tr> 
     </tbody> 
    </table> <br> <br> 
    <table style="width: 100%;"> 
     <tbody> 
      <tr> 
       <td><img src="http://www.ibm.com/i/v14/rules/blue_rule.gif" alt="" width="100%" height="1"> <br> <img src="http://www.ibm.com/i/c.gif" alt="" width="8" height="6"> </td> 
      </tr> 
     </tbody> 
    </table> 
    <table> 
     <tbody> 
      <tr> 
       <td><img src="http://www.ibm.com/i/c.gif" alt="" width="100%" height="4"> <br> 
        <table> 
         <tbody> 
          <tr> 
           <td><img src="http://www.ibm.com/i/v14/icons/u_bold.gif" alt="" width="16" height="16"> <br> </td> 
           <td align="right"><a href="http://www.ibm.com/developerworks/cn/linux/sdk/lex/#main" rel="nofollow"><strong>回页首</strong> </a> </td> 
          </tr> 
         </tbody> 
        </table> </td> 
      </tr> 
     </tbody> 
    </table> <br> <br> <p><a rel="nofollow"><span>C 代码</span> </a> </p> <p> Lex 编程的第三段，也就是最后一段覆盖了 C 的函数声明（有时是主函数）。注意这一段必须包括 yywrap() 函数。 Lex 有一套可供使用的函数和变量。 其中之一就是 yywrap。 一般来说，yywrap() 的定义如下例。我们将在 <a href="http://www.ibm.com/developerworks/cn/linux/sdk/lex/#8" rel="nofollow">高级 Lex</a> 中探讨这一问题。 </p> <br> <a rel="nofollow"><strong>字数统计程序的 C 代码段</strong> </a> <br> 
    <table style="width: 100%;"> 
     <tbody> 
      <tr> 
       <td> <pre>       void main()<br>
        {
          <br>
        yylex(); /* start the<br>
        analysis*/<br>
        printf(" No of words:<br>
        %d/n", wordCount);<br>
        }<br>
        int yywrap()<br>
        {
          <br>
        return 1;<br>
        }<br>
</pre> </td> 
      </tr> 
     </tbody> 
    </table> <br> <p>上一节我们讨论了 Lex 编程的基本元素，它将帮助你编写简单的词法分析程序。 在 <a href="http://www.ibm.com/developerworks/cn/linux/sdk/lex/#8" rel="nofollow">高级 Lex</a> 这一节中我们将讨论 Lex 提供的函数，这样你就能编写更加复杂的程序了。 </p> <br> 
    <table style="width: 100%;"> 
     <tbody> 
      <tr> 
       <td><img src="http://www.ibm.com/i/v14/rules/blue_rule.gif" alt="" width="100%" height="1"> <br> <img src="http://www.ibm.com/i/c.gif" alt="" width="8" height="6"> </td> 
      </tr> 
     </tbody> 
    </table> 
    <table> 
     <tbody> 
      <tr> 
       <td><img src="http://www.ibm.com/i/c.gif" alt="" width="100%" height="4"> <br> 
        <table> 
         <tbody> 
          <tr> 
           <td><img src="http://www.ibm.com/i/v14/icons/u_bold.gif" alt="" width="16" height="16"> <br> </td> 
           <td align="right"><a href="http://www.ibm.com/developerworks/cn/linux/sdk/lex/#main" rel="nofollow"><strong>回页首</strong> </a> </td> 
          </tr> 
         </tbody> 
        </table> </td> 
      </tr> 
     </tbody> 
    </table> <br> <br> <p><a rel="nofollow"><span>将它们全部结合起来</span> </a> </p> <p> <em>.lex</em> 文件是 Lex 的扫描器。它在 Lex 程序中如下表示： </p> 
    <table style="width: 100%;"> 
     <tbody> 
      <tr> 
       <td> <pre>   $ lex &lt;file name.lex&gt;<br>
</pre> </td> 
      </tr> 
     </tbody> 
    </table> <br> <p>这生成了 lex.yy.c 文件，它可以用 C 编译器来进行编译。它还可以用解析器来生成可执行程序，或者在链接步骤中通过选项 �ll 包含 Lex 库。</p> <p>这里是一些 Lex 的标志： </p> 
    <ul> 
     <li> <em>-c</em> 表示 C 动作，它是缺省的。 </li> 
     <li> <em>-t</em> 写入 lex.yy.c 程序来代替标准输出。 </li> 
     <li> <em>-v</em> 提供一个两行的统计汇总。 </li> 
     <li> <em>-n</em> 不打印 -v 的汇总。 </li> 
    </ul> <br> 
    <table style="width: 100%;"> 
     <tbody> 
      <tr> 
       <td><img src="http://www.ibm.com/i/v14/rules/blue_rule.gif" alt="" width="100%" height="1"> <br> <img src="http://www.ibm.com/i/c.gif" alt="" width="8" height="6"> </td> 
      </tr> 
     </tbody> 
    </table> 
    <table> 
     <tbody> 
      <tr> 
       <td><img src="http://www.ibm.com/i/c.gif" alt="" width="100%" height="4"> <br> 
        <table> 
         <tbody> 
          <tr> 
           <td><img src="http://www.ibm.com/i/v14/icons/u_bold.gif" alt="" width="16" height="16"> <br> </td> 
           <td align="right"><a href="http://www.ibm.com/developerworks/cn/linux/sdk/lex/#main" rel="nofollow"><strong>回页首</strong> </a> </td> 
          </tr> 
         </tbody> 
        </table> </td> 
      </tr> 
     </tbody> 
    </table> <br> <br> <p><a rel="nofollow"><span>高级 Lex</span> </a> </p> <p> Lex 有几个函数和变量提供了不同的信息，可以用来编译实现复杂函数的程序。 下表中列出了一些变量和函数，以及它们的使用。 详尽的列表请参考 Lex 或 Flex 手册（见后文的 <a href="http://www.ibm.com/developerworks/cn/linux/sdk/lex/#resources" rel="nofollow">资源</a> ）。 </p> <p><a rel="nofollow"><span>Lex 变量</span> </a> </p> <p>&nbsp;</p> 
    <table style="width: 590px;"> 
     <tbody> 
      <tr> 
       <td>yyin</td> 
       <td>FILE* 类型。 它指向 lexer 正在解析的当前文件。</td> 
      </tr> 
      <tr> 
       <td>yyout</td> 
       <td>FILE* 类型。 它指向记录 lexer 输出的位置。 缺省情况下，yyin 和 yyout 都指向标准输入和输出。</td> 
      </tr> 
      <tr> 
       <td>yytext</td> 
       <td> 匹配模式的文本存储在这一变量中（char*）。</td> 
      </tr> 
      <tr> 
       <td>yyleng</td> 
       <td>给出匹配模式的长度。</td> 
      </tr> 
      <tr> 
       <td>yylineno</td> 
       <td>提供当前的行数信息。 （lexer不一定支持。）</td> 
      </tr> 
     </tbody> 
    </table> <p><a rel="nofollow"><span>Lex 函数</span> </a> </p> <p>&nbsp;</p> 
    <table style="width: 590px;"> 
     <tbody> 
      <tr> 
       <td>yylex()</td> 
       <td>这一函数开始分析。 它由 Lex 自动生成。</td> 
      </tr> 
      <tr> 
       <td>yywrap()</td> 
       <td>这一函数在文件（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，这就能够解析多个文件。 方法是使用 yyin 文件指针（见上表）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。</td> 
      </tr> 
      <tr> 
       <td>yyless(int n)</td> 
       <td>这一函数可以用来送回除了前�n? 个字符外的所有读出标记。</td> 
      </tr> 
      <tr> 
       <td>yymore()</td> 
       <td>这一函数告诉 Lexer 将下一个标记附加到当前标记后。</td> 
      </tr> 
     </tbody> 
    </table> <p>对 Lex 的讨论就到这里。下面我们来讨论 Yacc...</p> <br> 
    <table style="width: 100%;"> 
     <tbody> 
      <tr> 
       <td><img src="http://www.ibm.com/i/v14/rules/blue_rule.gif" alt="" width="100%" height="1"> <br> <img src="http://www.ibm.com/i/c.gif" alt="" width="8" height="6"> </td> 
      </tr> 
     </tbody> 
    </table> 
    <table> 
     <tbody> 
      <tr> 
       <td><img src="http://www.ibm.com/i/c.gif" alt="" width="100%" height="4"> <br> 
        <table> 
         <tbody> 
          <tr> 
           <td><img src="http://www.ibm.com/i/v14/icons/u_bold.gif" alt="" width="16" height="16"> <br> </td> 
           <td align="right"><a href="http://www.ibm.com/developerworks/cn/linux/sdk/lex/#main" rel="nofollow"><strong>回页首</strong> </a> </td> 
          </tr> 
         </tbody> 
        </table> </td> 
      </tr> 
     </tbody> 
    </table> <br> <br> <p><a rel="nofollow"><span>Yacc</span> </a> </p> <p> Yacc 代表 Yet Another Compiler Compiler。 Yacc 的 GNU 版叫做 Bison。它是一种工具，将任何一种编程语言的所有语法翻译成针对此种语言的 Yacc 语 法解析器。它用巴科斯范式(BNF, Backus Naur Form)来书写。按照惯例，Yacc 文件有 .y 后缀。编译行如下调用 Yacc 编译器：</p> 
    <table style="width: 100%;"> 
     <tbody> 
      <tr> 
       <td> <pre>       $ yacc &lt;options&gt;<br>
        &lt;filename ending with .y&gt;<br>
</pre> </td> 
      </tr> 
     </tbody> 
    </table> <br> <p>在进一步阐述以前，让我们复习一下什么是语法。在上一节中，我们看到 Lex 从输入序列中识别标记。 如果你在查看标记序列，你可能想在这一序列出现时执行某一动作。 这种情况下有效序列的规范称为语法。Yacc 语法文件包括这一语法规范。 它还包含了序列匹配时你想要做的事。</p> <p>为了更加说清这一概念，让我们以英语为例。 这一套标记可能是：名词, 动词, 形容词等等。为了使用这些标记造一个语法正确的句子，你的结构必须符合一定的规则。 一个简单的句子可能是名词+动词或者名词+动词+名词。(如 I care. See spot run.)</p> <p>所以在我们这里，标记本身来自语言（Lex），并且标记序列允许用 Yacc 来指定这些标记(标记序列也叫语法)。</p> 
    <table style="width: 40%;"> 
     <tbody> 
      <tr> 
       <td><img src="http://www.ibm.com/i/c.gif" alt="" width="10" height="1"> </td> 
       <td> 
        <table style="width: 100%;"> 
         <tbody> 
          <tr> 
           <td> <a rel="nofollow"><strong>终端和非终端符号</strong> </a> <br> <p> <strong>终端符号</strong> : 代表一类在语法结构上等效的标记。 终端符号有三种类型： </p> <p> <em>命名标记</em> : 这些由 <em>%token</em> 标识符来定义。 按照惯例，它们都是大写。 </p> <p> <em>字符标记</em> : 字符常量的写法与 C 相同。例如, -- 就是一个字符标记。 </p> <p> <em>字符串标记</em> : 写法与 C 的字符串常量相同。例如，"&lt;&lt;" 就是一个字符串标记。 </p> <p>lexer 返回命名标记。</p> <p> <strong>非终端符号</strong> : 是一组非终端符号和终端符号组成的符号。 按照惯例，它们都是小写。 在例子中，file 是一个非终端标记而 NAME 是一个终端标记。 </p> </td> 
          </tr> 
         </tbody> 
        </table> </td> 
      </tr> 
     </tbody> 
    </table> <p>用 Yacc 来创建一个编译器包括四个步骤：</p> 
    <ol> 
     <li>通过在语法文件上运行 Yacc 生成一个解析器。</li> 
     <li>说明语法： 
      <ul> 
       <li>编写一个 .y 的语法文件（同时说明 C 在这里要进行的动作）。</li> 
       <li>编写一个词法分析器来处理输入并将标记传递给解析器。 这可以使用 Lex 来完成。</li> 
       <li>编写一个函数，通过调用 yyparse() 来开始解析。</li> 
       <li>编写错误处理例程（如 yyerror()）。</li> 
      </ul> </li> 
     <li>编译 Yacc 生成的代码以及其他相关的源文件。</li> 
     <li>将目标文件链接到适当的可执行解析器库。</li> 
    </ol> <br> 
    <table style="width: 100%;"> 
     <tbody> 
      <tr> 
       <td><img src="http://www.ibm.com/i/v14/rules/blue_rule.gif" alt="" width="100%" height="1"> <br> <img src="http://www.ibm.com/i/c.gif" alt="" width="8" height="6"> </td> 
      </tr> 
     </tbody> 
    </table> 
    <table> 
     <tbody> 
      <tr> 
       <td><img src="http://www.ibm.com/i/c.gif" alt="" width="100%" height="4"> <br> 
        <table> 
         <tbody> 
          <tr> 
           <td><img src="http://www.ibm.com/i/v14/icons/u_bold.gif" alt="" width="16" height="16"> <br> </td> 
           <td align="right"><a href="http://www.ibm.com/developerworks/cn/linux/sdk/lex/#main" rel="nofollow"><strong>回页首</strong> </a> </td> 
          </tr> 
         </tbody> 
        </table> </td> 
      </tr> 
     </tbody> 
    </table> <br> <br> <p><a rel="nofollow"><span>用 Yacc 编写语法</span> </a> </p> <p> 如同 Lex 一样, 一个 Yacc 程序也用双百分号分为三段。 它们是：声明、语法规则和 C 代码。 我们将解析一个格式为 姓名 = 年龄 的文件作为例子，来说明语法规则。 我们假设文件有多个姓名和年龄，它们以空格分隔。 在看 Yacc 程序的每一段时，我们将为我们的例子编写一个语法文件。</p> <br> 
    <table style="width: 100%;"> 
     <tbody> 
      <tr> 
       <td><img src="http://www.ibm.com/i/v14/rules/blue_rule.gif" alt="" width="100%" height="1"> <br> <img src="http://www.ibm.com/i/c.gif" alt="" width="8" height="6"> </td> 
      </tr> 
     </tbody> 
    </table> 
    <table> 
     <tbody> 
      <tr> 
       <td><img src="http://www.ibm.com/i/c.gif" alt="" width="100%" height="4"> <br> 
        <table> 
         <tbody> 
          <tr> 
           <td><img src="http://www.ibm.com/i/v14/icons/u_bold.gif" alt="" width="16" height="16"> <br> </td> 
           <td align="right"><a href="http://www.ibm.com/developerworks/cn/linux/sdk/lex/#main" rel="nofollow"><strong>回页首</strong> </a> </td> 
          </tr> 
         </tbody> 
        </table> </td> 
      </tr> 
     </tbody> 
    </table> <br> <br> <p><a rel="nofollow"><span>C 与 Yacc 的声明</span> </a> </p> <p> C 声明可能会定义动作中使用的类型和变量，以及宏。 还可以包含头文件。每个 Yacc 声明段声明了终端符号和非终端符号（标记）的名称，还可能描述操作符优先级和针对不同符号的数据类型。 lexer (Lex) 一般返回这些标记。所有这些标记都必须在 Yacc 声明中进行说明。</p> <p>在文件解析的例子中我们感兴趣的是这些标记：name, equal sign, 和 age。Name 是一个完全由字符组成的值。 Age 是数字。于是声明段就会像这样：</p> <br> <a rel="nofollow"><strong>文件解析例子的声明</strong> </a> <br> 
    <table style="width: 100%;"> 
     <tbody> 
      <tr> 
       <td> <pre>       %<br>
        #typedef char* string; /*<br>
        to specify token types as char* */<br>
        #define YYSTYPE string /*<br>
        a Yacc variable which has the value of returned token */<br>
        %}<br>
        %token NAME EQ AGE<br>
        %%<br>
</pre> </td> 
      </tr> 
     </tbody> 
    </table> <br> <p>你可能会觉得 YYSTYPE 有点奇怪。但是类似 Lex, Yacc 也有一套变量和函数可供用户来进行功能扩展。 YYSTYPE 定义了用来将值从 lexer 拷贝到解析器或者 Yacc 的 yylval （另一个 Yacc 变量）的类型。 默认的类型是 int。 由于字符串可以从 lexer 拷贝，类型被重定义为 char*。 关于 Yacc 变量的详细讨论，请参考 Yacc 手册（见 <a href="http://www.ibm.com/developerworks/cn/linux/sdk/lex/#resources" rel="nofollow">资源</a> ）。 </p> <br> 
    <table style="width: 100%;"> 
     <tbody> 
      <tr> 
       <td><img src="http://www.ibm.com/i/v14/rules/blue_rule.gif" alt="" width="100%" height="1"> <br> <img src="http://www.ibm.com/i/c.gif" alt="" width="8" height="6"> </td> 
      </tr> 
     </tbody> 
    </table> 
    <table> 
     <tbody> 
      <tr> 
       <td><img src="http://www.ibm.com/i/c.gif" alt="" width="100%" height="4"> <br> 
        <table> 
         <tbody> 
          <tr> 
           <td><img src="http://www.ibm.com/i/v14/icons/u_bold.gif" alt="" width="16" height="16"> <br> </td> 
           <td align="right"><a href="http://www.ibm.com/developerworks/cn/linux/sdk/lex/#main" rel="nofollow"><strong>回页首</strong> </a> </td> 
          </tr> 
         </tbody> 
        </table> </td> 
      </tr> 
     </tbody> 
    </table> <br> <br> <p><a rel="nofollow"><span>Yacc 语法规则</span> </a> </p> <p> Yacc 语法规则具有以下一般格式：</p> 
    <table style="width: 100%;"> 
     <tbody> 
      <tr> 
       <td> <pre>       result: components { /*<br>
        action to be taken in C */ }<br>
        ;<br>
</pre> </td> 
      </tr> 
     </tbody> 
    </table> <br> <p>在这个例子中，result 是规则描述的非终端符号。Components 是根据规则放在一起的不同的终端和非终端符号。 如果匹配特定序列的话 Components 后面可以跟随要执行的动作。 考虑如下的例子：</p> 
    <table style="width: 100%;"> 
     <tbody> 
      <tr> 
       <td> <pre>       param : NAME EQ NAME {
          <br>
        printf("/tName:%s/tValue(name):%s/n", $1,$3);}<br>
            | NAME EQ VALUE{
          <br>
            printf("/tName:%s/tValue(value):%s/n",$1,$3);}<br>
        ;<br>
</pre> </td> 
      </tr> 
     </tbody> 
    </table> <br> <p>如果上例中序列 NAME EQ NAME 被匹配，将执行相应的 { } 括号中的动作。 这里另一个有用的就是 $1 和 $3 的使用, 它们引用了标记 NAME 和 NAME（或者第二行的 VALUE）的值。 lexer 通过 Yacc 的变量 yylval 返回这些值。标记 NAME 的 Lex 代码是这样的：</p> 
    <table style="width: 100%;"> 
     <tbody> 
      <tr> 
       <td> <pre>       char [A-Za-z]<br>
        name {char}+<br>
        %%<br>
        {name} { yylval = strdup(yytext);<br>
        return NAME; }<br>
</pre> </td> 
      </tr> 
     </tbody> 
    </table> <br> <p>文件解析例子的规则段是这样的：</p> <br> <a rel="nofollow"><strong>文件解析的语法</strong> </a> <br> 
    <table style="width: 100%;"> 
     <tbody> 
      <tr> 
       <td> <pre>       file : record file<br>
        | record<br>
        ;<br>
        record: NAME EQ AGE {
          <br>
        printf("%s is now %s years old!!!", $1, $3);}<br>
        ;<br>
        %%<br>
</pre> </td> 
      </tr> 
     </tbody> 
    </table> <br> <br> 
    <table style="width: 100%;"> 
     <tbody> 
      <tr> 
       <td><img src="http://www.ibm.com/i/v14/rules/blue_rule.gif" alt="" width="100%" height="1"> <br> <img src="http://www.ibm.com/i/c.gif" alt="" width="8" height="6"> </td> 
      </tr> 
     </tbody> 
    </table> 
    <table> 
     <tbody> 
      <tr> 
       <td><img src="http://www.ibm.com/i/c.gif" alt="" width="100%" height="4"> <br> 
        <table> 
         <tbody> 
          <tr> 
           <td><img src="http://www.ibm.com/i/v14/icons/u_bold.gif" alt="" width="16" height="16"> <br> </td> 
           <td align="right"><a href="http://www.ibm.com/developerworks/cn/linux/sdk/lex/#main" rel="nofollow"><strong>回页首</strong> </a> </td> 
          </tr> 
         </tbody> 
        </table> </td> 
      </tr> 
     </tbody> 
    </table> <br> <br> <p><a rel="nofollow"><span>附加 C 代码</span> </a> </p> <p> 现在让我们看一下语法文件的最后一段，附加 C 代码。 （这一段是可选的，如果有人想要略过它的话：）一个函数如 main() 调用 yyparse() 函数（Yacc 中 Lex 的 yylex() 等效函数）。 一般来说，Yacc 最好提供 yyerror(char msg) 函数的代码。 当解析器遇到错误时调用 yyerror(char msg)。错误消息作为参数来传递。 一个简单的 yyerror( char* ) 可能是这样的：</p> 
    <table style="width: 100%;"> 
     <tbody> 
      <tr> 
       <td> <pre>       int yyerror(char* msg)<br>
        {
          <br>
        printf("Error: %s<br>
        encountered at line number:%d/n", msg, yylineno);<br>
        }<br>
</pre> </td> 
      </tr> 
     </tbody> 
    </table> <br> <p>yylineno 提供了行数信息。</p> <p>这一段还包括文件解析例子的主函数：</p> <br> <a rel="nofollow"><strong>附加 C 代码</strong> </a> <br> 
    <table style="width: 100%;"> 
     <tbody> 
      <tr> 
       <td> <pre>       void main()<br>
        {
          <br>
            yyparse();<br>
        }<br>
        int yyerror(char* msg)<br>
        {
          <br>
        printf("Error: %s<br>
        encountered /n", msg);<br>
</pre> </td> 
      </tr> 
     </tbody> 
    </table> <br> <p>要生成代码，可能用到以下命令：</p> 
    <table style="width: 100%;"> 
     <tbody> 
      <tr> 
       <td> <pre>       $ yacc _d &lt;filename.y&gt;<br>
</pre> </td> 
      </tr> 
     </tbody> 
    </table> <br> <p>这生成了输出文件 y.tab.h 和 y.tab.c，它们可以用 UNIX 上的任何标准 C 编译器来编译（如 gcc）。</p> <br> 
    <table style="width: 100%;"> 
     <tbody> 
      <tr> 
       <td><img src="http://www.ibm.com/i/v14/rules/blue_rule.gif" alt="" width="100%" height="1"> <br> <img src="http://www.ibm.com/i/c.gif" alt="" width="8" height="6"> </td> 
      </tr> 
     </tbody> 
    </table> 
    <table> 
     <tbody> 
      <tr> 
       <td><img src="http://www.ibm.com/i/c.gif" alt="" width="100%" height="4"> <br> 
        <table> 
         <tbody> 
          <tr> 
           <td><img src="http://www.ibm.com/i/v14/icons/u_bold.gif" alt="" width="16" height="16"> <br> </td> 
           <td align="right"><a href="http://www.ibm.com/developerworks/cn/linux/sdk/lex/#main" rel="nofollow"><strong>回页首</strong> </a> </td> 
          </tr> 
         </tbody> 
        </table> </td> 
      </tr> 
     </tbody> 
    </table> <br> <br> <p><a rel="nofollow"><span>命令行的其他常用选项</span> </a> </p> 
    <ul> 
     <li> <em>'-d' ,'--defines'</em> : 编写额外的输出文件，它们包含这些宏定义：语法中定义的标记类型名称，语义的取值类型 <em>YYSTYPE</em> , 以及一些外部变量声明。如果解析器输出文件名叫 'name.c', 那么 '-d' 文件就叫做 'name.h'。 如果你想将 <em>yylex</em> 定义放到独立的源文件中，你需要 'name.h', 因为 <em>yylex</em> 必须能够引用标记类型代码和 <em>yylval</em> 变量。 </li> 
     <li> <em>'-b file-prefix' ,'--file-prefix=prefix'</em> : 指定一个所有Yacc输出文件名都可以使用的前缀。选择一个名字，就如输入文件名叫 'prefix.c'. </li> 
     <li> <em>'-o outfile' ,'--output-file=outfile'</em> : 指定解析器文件的输出文件名。其他输出文件根据 '-d' 选项描述的输出文件来命名。 </li> 
    </ul> <p>Yacc 库通常在编译步骤中自动被包括。但是它也能被显式的包括，以便在编译步骤中指定 <em>�ly</em> 选项。这种情况下的编译命令行是： </p> 
    <table style="width: 100%;"> 
     <tbody> 
      <tr> 
       <td> <pre>       $ cc &lt;source file<br>
        names&gt; -ly<br>
</pre> </td> 
      </tr> 
     </tbody> 
    </table> <br> <br> 
    <table style="width: 100%;"> 
     <tbody> 
      <tr> 
       <td><img src="http://www.ibm.com/i/v14/rules/blue_rule.gif" alt="" width="100%" height="1"> <br> <img src="http://www.ibm.com/i/c.gif" alt="" width="8" height="6"> </td> 
      </tr> 
     </tbody> 
    </table> 
    <table> 
     <tbody> 
      <tr> 
       <td><img src="http://www.ibm.com/i/c.gif" alt="" width="100%" height="4"> <br> 
        <table> 
         <tbody> 
          <tr> 
           <td><img src="http://www.ibm.com/i/v14/icons/u_bold.gif" alt="" width="16" height="16"> <br> </td> 
           <td align="right"><a href="http://www.ibm.com/developerworks/cn/linux/sdk/lex/#main" rel="nofollow"><strong>回页首</strong> </a> </td> 
          </tr> 
         </tbody> 
        </table> </td> 
      </tr> 
     </tbody> 
    </table> <br> <br> <p><a rel="nofollow"><span>将 Lex 与 Yacc 结合起来</span> </a> </p> <p> 到目前为止我们已经分别讨论了 Lex 和 Yacc。现在让我们来看一下他们是怎样结合使用的。</p> <p>一个程序通常在每次返回一个标记时都要调用 <em>yylex()</em> 函数。只有在文件结束或者出现错误标记时才会终止。 </p> <p>一个由 Yacc 生成的解析器调用 <em>yylex()</em> 函数来获得标记。 <em>yylex()</em> 可以由 Lex 来生成或完全由自己来编写。 对于由 Lex 生成的 lexer 来说，要和 Yacc 结合使用，每当 Lex 中匹配一个模式时都必须返回一个标记。 因此 Lex 中匹配模式时的动作一般格式为： </p> 
    <table style="width: 100%;"> 
     <tbody> 
      <tr> 
       <td> <pre>       {pattern} { /* do smthg*/<br>
        return TOKEN_NAME; }<br>
</pre> </td> 
      </tr> 
     </tbody> 
    </table> <br> <p>于是 Yacc 就会获得返回的标记。当 Yacc 编译一个带有 _d 标记的 <em>.y</em> 文件时，会生成一个头文件，它对每个标记都有 <em>#define</em> 的定义。 如果 Lex 和 Yacc 一起使用的话，头文件必须在相应的 Lex 文件 <em>.lex</em> 中的 C 声明段中包括。 </p> <p>让我们回到名字和年龄的文件解析例子中，看一看 Lex 和 Yacc 文件的代码。</p> <br> <a rel="nofollow"><strong>Name.y - 语法文件</strong> </a> <br> 
    <table style="width: 100%;"> 
     <tbody> 
      <tr> 
       <td> <pre>       %<br>
        typedef char* string;<br>
        #define YYSTYPE string<br>
        %}<br>
        %token NAME EQ AGE<br>
        %%<br>
        file : record file<br>
        | record<br>
        ;<br>
        record : NAME EQ AGE {
          <br>
        printf("%s is %s years old!!!/n", $1, $3); }<br>
        ;<br>
        %%<br>
        int main()<br>
        {
          <br>
        yyparse();<br>
        return 0;<br>
        }<br>
        int yyerror(char *msg)<br>
        {
          <br>
        printf("Error<br>
        encountered: %s /n", msg);<br>
        }<br>
</pre> </td> 
      </tr> 
     </tbody> 
    </table> <br> <br> <br> <a rel="nofollow"><strong>Name.lex - Lex 的解析器文件</strong> </a> <br> 
    <table style="width: 100%;"> 
     <tbody> 
      <tr> 
       <td> <pre>       %{
          <br>
        #include "y.tab.h"<br>
        <br>
        #include &lt;stdio.h&gt;<br>
        #include &lt;string.h&gt;<br>
        extern char* yylval;<br>
        %}<br>
        char [A-Za-z]<br>
        num [0-9]<br>
        eq [=]<br>
        name {char}+<br>
        age {num}+<br>
        %%<br>
        {name} { yylval = strdup(yytext);<br>
        return NAME; }<br>
        {eq} { return EQ; }<br>
        {age} { yylval = strdup(yytext);<br>
        return AGE; }<br>
        %%<br>
        int yywrap()<br>
        {
          <br>
        return 1;<br>
        }<br>
</pre> </td> 
      </tr> 
     </tbody> 
    </table> <br> <p>作为一个参考，我们列出了 <em>y.tab.h</em> , Yacc 生成的头文件。 </p> <br> <a rel="nofollow"><strong>y.tab.h - Yacc 生成的头文件</strong> </a> <br> 
    <table style="width: 100%;"> 
     <tbody> 
      <tr> 
       <td> <pre>       # define NAME 257<br>
        # define EQ 258<br>
        # define AGE 259<br>
</pre> </td> 
      </tr> 
     </tbody> 
    </table> <br> <p>我们对于 Lex 和 Yacc的讨论到此为止。今天你想要编译什么语言呢？</p> <br> <br> <p><a rel="nofollow"><span>参考资料 </span> </a> </p> 
    <ul> 
     <li>您可以参阅本文在 developerWorks 全球站点上的 <a href="http://www.ibm.com/developerworks/library/l-lex.html?S_TACT=105AGX52&amp;S_CMP=cn-a-l" rel="nofollow">英文原文</a> . <br> </li> 
     <li> <a href="http://www.amazon.com/exec/obidos/ASIN/1565920007/qid=966761542/sr=1-1/102-9713829-1677713" rel="nofollow">Lex and Yacc</a> , Levine, Mason 和 Branson, O�Reilly 及其合作公司，2nd Ed。 <br> </li> 
     <li> <a href="http://www.amazon.com/exec/obidos/ASIN/0132373971/qid=966761701/sr=1-2/102-9713829-1677713" rel="nofollow">Program Development in UNIX</a> , J. T. Shen, Prentice-Hall India。 <br> </li> 
     <li> <a href="http://www.amazon.com/exec/obidos/ASIN/0201100886/o/qid=966761739/sr=2-1/102-9713829-1677713" rel="nofollow">Compilers: Principles, Techniques and Tools</a> , Ahoo, Sethi 和 Ullman, Addison-Wesley Pub. Co., 1985，11。 <br> </li> 
     <li> <a href="http://tinf2.vub.ac.be/%7Edvermeir/courses/compilers/" rel="nofollow">Lex and Yacc and compiler writing</a> 指导。 <br> </li> 
     <li>Java 版的 Lex 指导, 叫做 <a href="http://bmrc.berkeley.edu/courseware/cs164/fall99/assignment/a1/tutorial.html" rel="nofollow">Jlex</a> 。 <br> </li> 
     <li>使用 Lex 和 Yacc 的 <a href="http://www.cs.man.ac.uk/%7Epjj/cs2111/ex5_hint.html" rel="nofollow">formalizing a grammar</a> 实例。 </li> 
    </ul> <br> <br> <p><a rel="nofollow"><span>关于作者</span> </a> </p> 
    <table style="width: 100%;"> 
     <tbody> 
      <tr> 
       <td colspan="3"><img src="http://www.ibm.com/i/c.gif" alt="" width="100%" height="5"> </td> 
      </tr> 
      <tr> 
       <td></td> 
       <td><img src="http://www.ibm.com/i/c.gif" alt="" width="4" height="5"> </td> 
       <td> <p> Ashish Bansal 具有印度瓦腊纳西 Banaras Hindu 大学技术学院的电子与通信工程学士学位。 他目前是 Sapient 公司的软件工程师。他的Email是 <a href="mailto:abansal@ieee.org?cc=abansal@ieee.org" rel="nofollow">abansal@sapient.com</a> 。 </p> </td> 
      </tr> 
     </tbody> 
    </table> </td> 
  </tr> 
 </tbody> 
</table>