LEX/FLEX词法分析器
CONTENTS :
[TOC]
本文的内容如下。
lex语法格式
在linux上安装和使用flex
flex实例
编译和使用flex源代码
Lex/Flex词法分析器
Lex是LEXical compiler的缩写，在Unix环境中是非常有名的工具，主要功能是生成词法分析器scanner的c源代码，描述规则采用正则表达式regular expression。 记述字句解析器的文件*.l在lex编译后，生成lex.yy.c的文件，c编译器编译后生成字句解析器。 词法分析器简单地说，其任务是将输入的各种符号转换成相应的标识符(token )，从而所转换的标识符容易在后级处理。 —— [百度百科]
安装和使用Flex
在使用apt包管理器的linux系统上，可以轻松安装和使用flex。 在终端上输入以下代码以安装flex。
$ sudo apt-get install flex
flex代码的源文件通常是扩展名. l。
. l文件使用以下命令进行编译： 如果文件名为scanner.l :
$ flex scanner.l
编译后，将在源代码所在的目录中生成lex.yy.c。 这就是能够执行上述scanner.l功能的c语言代码。 gcc编译允许生成词法分析程序
void yywrap () { return 1； }
$ gcc lex.yy.c -o scanner
然后，将需要分析的文件(以input.txt为例)作为参数传递给scanner以执行分析。
$ ./scanner input.txt
Lex语法格式
flex的语法分为三个部分：
{definitions}
%%
{rules}
%%
{user subroutines}
定义：
LABEL REGULAR_EXPRESSION
LABEL是此处类字符串的名称，REGULAR_EXPRESSION是与此字符串匹配的正则表达式。 正则表达式的语法主要如下。
符号
意思是
或者
[]
括号内的文字取其一
-
a-z表示ascii代码在a-z中包含a.z字符
转义(flex无法识别非字母字符) )。
*
0或多个字符
？
0或1个字符
一个或多个字符
^
其他剩下的文字
同调
n除此之外的所有字符都等效于^n
示例：
1. INT [1-9][0-9]*|[0] /*整数类型，由0-9组成的字符串*/
2. FLOAT [0-9]*[.][0-9] ([eE][ -]？ [0-9]*|[0]？ f？ /*浮点数格式*
3.LP((/*圆括号) /
注意：用%{ %}括起来的语句会完全写入编译的c语言文件中。
例如
` %{
#包含
int num_id=0；
() '
rules:
规则的部分语法如下。
{标签1 } |
{LABLE2} |
.
{
/*TODO*/
}
TODO部分是告诉编译器在匹配字符串后程序需要做什么。
例如匹配整数后，打印这个整数。
{INT} {
printf(pickupaninteger，value is %d )，atoi ) yytext )；
printf(pickupaninteger，value is %s )，yytext )；
}
其中atoi ()函数将字符串转换为整数。
用户子
这里主要放置用户需要执行的c语言代码。 他们会直接添加到lex.yy.c文件的末尾。
此处常用于存储main函数，后面将详细介绍。
FLEX实例
下面的示例具体说明如何使用flex。 主要功能是扫描并匹配文件中的字符串，然后回显其类型和内容。 代码如下所示。
/* * * * * * * * * * * * * * * * * * * *
* scanner.l
* @author mist
* 2015-9-21 23:08
*****
***********/%{
#include "stdio.h"
#include "stdlib.h"
%}
INT_DEX [1-9][0-9]*|[0]
INT_HEX [0][Xx]([1-9][0-9]*|[0])
INT_OCT [0][0-7]
FLOAT [0-9]*[.][0-9]+([eE][+-]?[0-9]*|[0])?f?
SEMI [;]
COMMA [,]
ASSIGNOP [=]
RELOP [>]|[][=]|[
PLUS [+]
MINUS [-]
STAR [*]
DIV [/]
AND [&][&]
OR [|][|]
DOT [.]
NOT [!]
TYPE int|float
LP (
RP )
LB [
RB ]
LC {
RC }
STRUCT struct
RETURN return
IF if
ELSE else
WHILE while
SPACE [ nt]
ID [a-zA-Z_][a-zA-Z_0-9]*
/*end of definition*/
%%
{SEMI} {
printf("get semmi : %sn", yytext);
}
{COMMA} {
printf("get comma : %sn", yytext);
}
{ASSIGNOP} {
printf("get assignop : %sn", yytext);
}
{INT_DEX} |
{INT_HEX} |
{INT_OCT} {
printf("get an integer: %sn", yytext);
}
{FLOAT} {
printf("get a float: %sn", yytext);
}
{PLUS} |
{MINUS} |
{DIV} |
{STAR} {
printf("get an operator: %sn", yytext);
}
{RELOP} {
printf("get a relop: %sn", yytext);
}
{AND} |
{OR} |
{NOT} {
printf("get a logic operator: %sn", yytext);
}
{DOT} {
printf("get a dot: %sn", yytext);
}
{STRUCT} |
{RETURN} |
{IF} |
{ELSE} |
{WHILE} {
printf("get keyword: %sn", yytext);
}
{TYPE} {
printf("get type: %sn", yytext);
}
{LP} |
{RP} |
{LB} |
{RB} |
{LC} |
{RC} {
printf("get brackets : %sn", yytext);
}
{SPACE} |
. {
/*ABANDON THESE CHARACTORS*/
}
{ID} {
printf("get an ID: %sn", yytext);
}
%%
int yywrap() {
return 1;
}
int main(int argc, char** argv) {
if (argc > 1) {
if (!(yyin = fopen(argv[1], "r"))) {
perror(argv[1]);
return 1;
}
}
while (yylex());
return 0;
我们需要为生成的分析程序编写main函数。首先需要通过yyin来获取指向被分析文件的文件FILE指针，一般文件的路径通过控制台的第二个参数获得。分析部分的实体在函数yylex()中。
yywrap()用于判断是否已经扫描完了所有的文件。如果它在最后一个文件的末尾被调用，则返回值为1。此时程序将停止分析，可以用来扫描多个文件。
输入文本：
`int float {}()[] 0
0x0 0x123
123.5
.3e-10f
= >= || && ! ; ,
this_is_an_id
id123
if then else
`
输出：
get type: int
get type: float
get brackets : {
get brackets : }
get brackets : (
get brackets : )
get brackets : [
get brackets : ]
get an integer: 0
get an integer: 0x0
get an integer: 0x123
get a float: 123.5
get a float: .3e-10f
get assignop : =
get a relop: >=
get a logic operator: ||
get a logic operator: &&
get a logic operator: !
get semmi : ;
get comma : ,
get an ID: this_is_an_id
get an ID: id123
get keyword: if
get an ID: then
get keyword: else
另外附上词法要求：
INT /A sequence of digits without spaces1/
FLOAT /* A real number consisting of digits and one decimal point. The deci-
mal point must be surrounded by at least one digit2 */
ID /* A character string consisting of 52 upper- or lower-case alphabetic, 10
numeric and one underscore characters. Besides, an identifier must not start
with a digit3 */
SEMI ;
COMMA ,
ASSIGNOP =
RELOP > | < | >= | <= | == | !=
PLUS +
MINUS -
STAR *
DIV /
AND &&
OR ||
DOT .
NOT !
TYPE int | float
LP (
RP )
LB [
RB ]
LC {
RC }
STRUCT struct
RETURN return
IF if
ELSE else
WHILE while
1) 词法单元INT表示的是所有(无符号)整型常数。一个十进制整数由0~9十个数字组
成,数字与数字中间没有如空格之类的分隔符。除“0”之外,十进制整数的首位数字
不为0。例如,下面几个串都表示十进制整数:0、234、10000。为方便起见,你可以
假设(或者只接受)输入的整数都在32bits位之内。
2) 整型常数还可以以八进制或十六进制的形式出现。八进制整数由0~7八个数字组成并以
数字0开头,十六进制整数由0~9、A~F(或a~f)十六个数字组成并以0x或者0X开头。
例如,0237(表示十进制的159)、0xFF32(表示十进制的65330)。
3) 词法单元FLOAT表示的是所有(无符号)浮点型常数。一个浮点数由一串数字与一个
小数点组成,小数点的前后必须有数字出现。例如,下面几个串都是浮点数:0.7、
12.43、9.00。为方便起见,你可以假设(或者只接受)输入的浮点数都符合IEEE754单
精度标准(即都可以转换成C语言中的float类型)。
4) 浮点型常数还可以以指数形式(即科学记数法)表示。指数形式的浮点数必须包括基
数、指数符号和指数三个部分,且三部分依次出现。基数部分由一串数字(0~9)和一
个小数点组成,小数点可以出现在数字串的任何位置;指数符号为“E”或“e”;指
数部分由可带“+”或“”(也可不带)的一串数字(0~9)组成,“+”或“”(如
果有)必须出现在数字串之前。例如01.23E12(表示1.23 1012)、43.e-4(表示43.0
10-4)、.5E03(表示0.5 103)。
5) 词法单元ID表示的是除去保留字以外的所有标识符。标识符可以由大小写字母、数字
以及下划线组成,但必须以字母或者下划线开头。为方便起见,你可以假设(或者只
接受)标识符的长度小于32个字符。
6) 除了INT、FLOAT和ID这三个词法单元以外,其它产生式中箭头右边都表示具体的字
符串。例如,产生式TYPE int | float表示:输入文件中的字符串“int”和“float”都
将被识别为词法单元TYPE。
2.2
High-level Definitions
生成词法分析程序 可能会发生yywrap未定义的错误。yywrap必须由用户亲自编写，一般按如下形式即可： ↩