编译原理实战——使用Lex/Flex进行编写一个有一定词汇量的词法分析器

编译原理实战——使用Lex/Flex进行编写一个有一定词汇量的词法分析器

by steve yu 2019.9.30

参考文档：1.https://blog.csdn.net/mist14/article/details/48641349
2.https://wenku.baidu.com/view/1c6398903868011ca300a6c30c2259010202f3a4.html

1.Flex工具的概述

Flex工具是生成C语言的工具，我们在日常生活中，如果直接使用C语言进行编写词法分析器，会嵌套太多的if语句，或者switch语句，那么会使我们的代码出现混乱（可读性较差），于是，Flex工具，可以让我们直接使用正规式，进行词法分析。

2.Flex的安装与使用（CentOS 系统为例）

yum intsall flex -y

3.“.l”文件的概述

我们安装完flex工具，可以编写一个文件，这个文件可以通过flex编译成C程序，进行词法分析。

flex的语法被分为3个部分：

{definitions}
%%
{rules}
%%
{user subroutines}

defnitions

这部分由正则式组成，我们在正规式的编写中，有这样语法规则。

1. INT [1-9][0-9]*|[0]  /*整数类型，0或不以0开头的由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 \(    /*一个左圆括号*/

rules

rules规则部分语法如下：

{LABEL1} |
{LABLE2} |
...
{
/*TODO*/
}

TODO部分是告诉编译器在匹配到字符串后需要做什么。

{INT} {
    printf("Pick up an integer, value is %d", atoi(yytext));
    printf("Pick up an integer, value is %s", yytext);
}

user subroutines

此处主要是放置用户需要执行的c语言代码。他们会被原封不动地加入到lex.yy.c文件的末尾。

这里一般用来存放main函数，详细会在后面说明。

4.文档（这边以C程序的关键字为例）

数据类型关键字（12个）

char	1
double	2
enum	3
float	4
int	5
long	6
short	7
signed	8
struct	9
union	10
unsigned	11
void	12

控制语句关键字（12个）

for	13
do	14
while	15
break	16
continue	17
if	18
else	19
goto	20
switch	21
case	22
default	23
return	24

存储类型关键字(4个)

auto	25
extern	26
register	27
static	28

其他关键字

const	29
sizeof	30
typedef	31
volatile	32

*非关键字其他

INT_DEX	33	[1-9][0-9]*|[0]
INT_HEX	34	[0][Xx][1-9a-fA-F][0-9a-fA-F]*|[0]
INT_OCT	35	[0][1-7][0-7]*|[0]
SEMI	36	;
COMMA	37	,
QUO	38	'
DOUQUO	39	"
EQ	40	=
PLUS	41	+
MIN	42	-
MULTI	43	*
DIV	44	/
AND	45	&&
OR	46	||
SIAND	47	&
SIOR	48	|
LP	49	(
RP	50	)
LB	51	[
RB	52	]
LC	53	{
RC	54	}
SPACE	55	\n\r\t
ID	56	[a-zA-Z][a-zA-Z0-9]*
DOU	57	{INT_DEX}[.][0-9]+

由于中文是根据编码不同的二进制安全，所以等同非关键字即可处理。(应该全了，不全可以再提醒我补齐)

5.编写.l文件分析代码(这边手写l文件调试了一下午)

/**
analyse_c.l
@author steve yu
@date 2019/9/30
*/
%{
#include "stdio.h"
#include "stdlib.h"
%}

CHAR char
DOUBLE double
ENUM enum
FLOAT float
INT int
LONG long
SHORT short
SIGNED signed
STRUCT struct
UNION union
UNSIGNED unsigned
VOID void
FOR for
DO do
WHILE while
BREAK break
CONTINUE continue
IF if
ELSE else
GOTO goto
SWITCH switch
CASE case
DEFAULT default
RETURN return
AUTO auto
EXTERN extern
REGISTER register
STATIC static
CONST const
SIZEOF sizeof
TYPEDEF typedef
VOLATILE volatile
INT_DEX [1-9][0-9]*|[0]
INT_HEX [0][Xx][1-9a-fA-F][0-9a-fA-F]*|[0]
INT_OCT [0][1-7][0-7]*|[0]
SEMI ;
COMMA ,
QUO '
DOUQUO \"
EQ =
PLUS \+
MIN -
MULTI \*
DIV \/
AND &&
OR \|\|
SLAND &
SLOR \|
LP \(
RP \)
LB \[
RB \]
LC \{
RC \}
SPACE [ \n\r\t]
ID [a-zA-Z][a-zA-Z0-9]*
DOU {INT_DEX}[.][0-9]+

%%
{CHAR} {
  printf("%s  1\n",yytext);
}
{DOUBLE} {
  printf("%s  2\n",yytext);
}
{ENUM} {
  printf("%s  3\n",yytext);
}
{FLOAT} {
  printf("%s  4\n",yytext);
}
{INT} {
  printf("%s  5\n",yytext);
}
{LONG} {
  printf("%s  6\n",yytext);
}
{SHORT} {
  printf("%s  7\n",yytext);
}
{SIGNED} {
  printf("%s  8\n",yytext);
}
{STRUCT} {
  printf("%s  9\n",yytext);
}
{UNION} {
  printf("%s  10\n",yytext);
}
{UNSIGNED} {
  printf("%s  11\n",yytext);
}
{VOID} {
  printf("%s  12\n",yytext);
}
{FOR} {
  printf("%s  13\n",yytext);
}
{DO} {
  printf("%s  14\n",yytext);
}
{WHILE} {
  printf("%s  15\n",yytext);
}
{BREAK} {
  printf("%s  16\n",yytext);
}
{CONTINUE} {
  printf("%s  17\n",yytext);
}
{IF} {
  printf("%s  18\n",yytext);
}
{ELSE} {
  printf("%s  19\n",yytext);
}
{GOTO} {
  printf("%s  20\n",yytext);
}
{SWITCH} {
  printf("%s  21\n",yytext);
}
{CASE} {
  printf("%s  22\n",yytext);
}
{DEFAULT} {
  printf("%s  23\n",yytext);
}
{RETURN} {
  printf("%s  24\n",yytext);
}
{AUTO} {
  printf("%s  25\n",yytext);
}
{EXTERN} {
  printf("%s  26\n",yytext);
}
{REGISTER} {
  printf("%s  27\n",yytext);
}
{STATIC} {
  printf("%s  28\n",yytext);
}
{CONST} {
  printf("%s  29\n",yytext);
}
{SIZEOF} {
  printf("%s  30\n",yytext);
}
{TYPEDEF} {
  printf("%s  31\n",yytext);
}
{VOLATILE} {
  printf("%s  32\n",yytext);
}
{INT_DEX} {
  printf("%s  33\n",yytext);
}
{INT_HEX} {
  printf("%s  34\n",yytext);
}
{INT_OCT} {
  printf("%s  35\n",yytext);
}
{SEMI} {
  printf("%s  36\n",yytext);
}
{COMMA} {
  printf("%s  37\n",yytext);
}
{QUO} {
  printf("%s  38\n",yytext);
}
{DOUQUO} {
  printf("%s  39\n",yytext);
}
{EQ} {
  printf("%s  40\n",yytext);
}
{PLUS} {
  printf("%s  41\n",yytext);
}
{MIN} {
  printf("%s  42\n",yytext);
}
{MULTI} {
  printf("%s  43\n",yytext);
}
{DIV} {
  printf("%s  44\n",yytext);
}
{AND} {
  printf("%s  45\n",yytext);
}
{OR} {
  printf("%s  46\n",yytext);
}
{SLAND} {
  printf("%s  47\n",yytext);
}
{SLOR} {
  printf("%s  48\n",yytext);
}
{LP} {
  printf("%s  49\n",yytext);
}
{RP} {
  printf("%s  50\n",yytext);
}
{LB} {
  printf("%s  51\n",yytext);
}
{RB} {
  printf("%s  52\n",yytext);
}
{LC} {
  printf("%s  53\n",yytext);
}
{RC} {
  printf("%s  54\n",yytext);
}
{SPACE} {
}
{ID} {
  printf("%s  56\n",yytext);
}
{DOU} {
  printf("%s  57\n",yytext);
}
%%
/*necessary func*/
int yywrap(){
  return 1;
}
/*main func*/
int main(int argc,char** argv){
  if(argc>1){
    if(!(yyin=fopen(argv[1],"r"))){
      perror(argv[1]);
      return 1;
    }
  }
  while(yylex());
  return 0;
}

6.编译并测试

flex analyse.l
gcc lex.yy.c
./a.out test

在这个test文本文件代码如下

int main(){
 int a=0;
 if(a==6) a=a+1;
 else return -1;
 return 0;
}

分析结果如下

int  5
main  56
(  49
)  50
{  53
int  5
a  56
=  40
0  33
;  36
if  18
(  49
a  56
=  40
=  40
6  33
)  50
a  56
=  40
a  56
+  41
1  33
;  36
else  19
return  24
-  42
1  33
;  36
return  24
0  33
;  36
}  54