Yacc 與 Lex 快速入門

Lex 與 Yacc 介紹

Ashish Bansal
2000 年 11 月 01 日發布

WeiboGoogle+用電子郵件發送本頁面

? 5

Lex 代表 Lexical Analyzar。Yacc 代表 Yet Another Compiler Compiler。 讓我們從 Lex 開始吧。

Lex

Lex 是一種生成掃描器的工具。掃描器是一種識別文本中的詞匯模式的程序。 這些詞匯模式（或者常規表達式）在一種特殊的句子結構中定義，這個我們一會兒就要討論。

一種匹配的常規表達式可能會包含相關的動作。這一動作可能還包括返回一個標記。 當 Lex 接收到文件或文本形式的輸入時，它試圖將文本與常規表達式進行匹配。 它一次讀入一個輸入字符，直到找到一個匹配的模式。 如果能夠找到一個匹配的模式，Lex 就執行相關的動作（可能包括返回一個標記）。 另一方面，如果沒有可以匹配的常規表達式，將會停止進一步的處理，Lex 將顯示一個錯誤消息。

Lex 和 C 是強耦合的。一個?.lex?文件（Lex 文件具有?.lex?的擴展名）通過 lex 公用程序來傳遞，并生成 C 的輸出文件。這些文件被編譯為詞法分析器的可執行版本。

Lex 的常規表達式

常規表達式是一種使用元語言的模式描述。表達式由符號組成。符號一般是字符和數字，但是 Lex 中還有一些具有特殊含義的其他標記。 下面兩個表格定義了 Lex 中使用的一些標記并給出了幾個典型的例子。

用 Lex 定義常規表達式

字符 含義

A-Z, 0-9, a-z	構成了部分模式的字符和數字。
.	匹配任意字符，除了 \n。
-	用來指定范圍。例如：A-Z 指從 A 到 Z 之間的所有字符。
[ ]	一個字符集合。匹配括號內的?任意?字符。如果第一個字符是?^?那么它表示否定模式。例如: [abC] 匹配 a, b, 和 C中的任何一個。
*	匹配?0個或者多個上述的模式。
+	匹配?1個或者多個上述模式。
?	匹配?0個或1個上述模式。
$	作為模式的最后一個字符匹配一行的結尾。
{ }	指出一個模式可能出現的次數。 例如: A{1,3} 表示 A 可能出現1次或3次。
\	用來轉義元字符。同樣用來覆蓋字符在此表中定義的特殊意義，只取字符的本意。
^	否定。
|	表達式間的邏輯或。
"<一些符號>"	字符的字面含義。元字符具有。
/	向前匹配。如果在匹配的模版中的“/”后跟有后續表達式，只匹配模版中“/”前 面的部分。如：如果輸入 A01，那么在模版 A0/1 中的 A0 是匹配的。
( )	將一系列常規表達式分組。

常規表達式舉例

常規表達式 含義

joke[rs]	匹配 jokes 或 joker。
A{1,2}shis+	匹配 AAshis, Ashis, AAshi, Ashi。
(A[b-e])+	匹配在 A 出現位置后跟隨的從 b 到 e 的所有字符中的 0 個或 1個。

Lex 中的標記聲明類似 C 中的變量名。每個標記都有一個相關的表達式。 （下表中給出了標記和表達式的例子。） 使用這個表中的例子，我們就可以編一個字數統計的程序了。 我們的第一個任務就是說明如何聲明標記。

標記聲明舉例

標記 相關表達式 含義

數字(number)	([0-9])+	1個或多個數字
字符(chars)	[A-Za-z]	任意字符
空格(blank)	" "	一個空格
字(word)	(chars)+	1個或多個?chars
變量(variable)	(字符)+(數字)*(字符)*(數字)*	?

Lex 編程

Lex 編程可以分為三步：

以 Lex 可以理解的格式指定模式相關的動作。

在這一文件上運行 Lex，生成掃描器的 C 代碼。

編譯和鏈接 C 代碼，生成可執行的掃描器。

注意: 如果掃描器是用 Yacc 開發的解析器的一部分，只需要進行第一步和第二步。 關于這一特殊問題的幫助請閱讀?Yacc和?將 Lex 和 Yacc 結合起來部分。

現在讓我們來看一看 Lex 可以理解的程序格式。一個 Lex 程序分為三個段：第一段是 C 和 Lex 的全局聲明，第二段包括模式（C 代碼），第三段是補充的 C 函數。 例如, 第三段中一般都有 main() 函數。這些段以%%來分界。 那么，回到字數統計的 Lex 程序，讓我們看一下程序不同段的構成。

C 和 Lex 的全局聲明

這一段中我們可以增加 C 變量聲明。這里我們將為字數統計程序聲明一個整型變量，來保存程序統計出來的字數。 我們還將進行 Lex 的標記聲明。

字數統計程序的聲明

1 2 3 4 5 6 7 8 9

%{ ?int wordCount = 0; ?%} ?chars [A-za-z\_\'\.\"] ?numbers ([0-9])+ ?delim [" "\n\t] ?whitespace {delim}+ ?words {chars}+ ?%%

兩個百分號標記指出了 Lex 程序中這一段的結束和三段中第二段的開始。

Lex 的模式匹配規則

讓我們看一下 Lex 描述我們所要匹配的標記的規則。（我們將使用 C 來定義標記匹配后的動作。） 繼續看我們的字數統計程序，下面是標記匹配的規則。

字數統計程序中的 Lex 規則

1 2 3 4 5 6 7

{words} { wordCount++; /* ?increase the word count by one*/ } ?{whitespace} { /* do ?nothing*/ } ?{numbers} { /* one may ?want to add some processing here*/ } ?%%

C 代碼

Lex 編程的第三段，也就是最后一段覆蓋了 C 的函數聲明（有時是主函數）。注意這一段必須包括 yywrap() 函數。 Lex 有一套可供使用的函數和變量。 其中之一就是 yywrap。 一般來說，yywrap() 的定義如下例。我們將在?高級 Lex?中探討這一問題。

字數統計程序的 C 代碼段

1 2 3 4 5 6 7 8 9 10 11

void main() ?{ ?yylex(); /* start the ?analysis*/ ?printf(" No of words: ?%d\n", wordCount); ?} ?int yywrap() ?{ ?return 1; ?}

上一節我們討論了 Lex 編程的基本元素，它將幫助你編寫簡單的詞法分析程序。 在?高級 Lex?這一節中我們將討論 Lex 提供的函數，這樣你就能編寫更加復雜的程序了。

將它們全部結合起來

.lex文件是 Lex 的掃描器。它在 Lex 程序中如下表示：

1	$ lex <file name.lex>

這生成了 lex.yy.c 文件，它可以用 C 編譯器來進行編譯。它還可以用解析器來生成可執行程序，或者在鏈接步驟中通過選項 �ll 包含 Lex 庫。

這里是一些 Lex 的標志：

• -c表示 C 動作，它是缺省的。
• -t寫入 lex.yy.c 程序來代替標準輸出。
• -v提供一個兩行的統計匯總。
• -n不打印 -v 的匯總。

高級 Lex

Lex 有幾個函數和變量提供了不同的信息，可以用來編譯實現復雜函數的程序。 下表中列出了一些變量和函數，以及它們的使用。 詳盡的列表請參考 Lex 或 Flex 手冊（見后文的?資源）。

Lex 變量

yyin FILE* 類型。 它指向 lexer 正在解析的當前文件。

yyout	FILE* 類型。 它指向記錄 lexer 輸出的位置。 缺省情況下，yyin 和 yyout 都指向標準輸入和輸出。
yytext	匹配模式的文本存儲在這一變量中（char*）。
yyleng	給出匹配模式的長度。
yylineno	提供當前的行數信息。 （lexer不一定支持。）

Lex 函數

yylex() 這一函數開始分析。 它由 Lex 自動生成。

yywrap()	這一函數在文件（或輸入）的末尾調用。 如果函數的返回值是1，就停止解析。 因此它可以用來解析多個文件。 代碼可以寫在第三段，這就能夠解析多個文件。 方法是使用 yyin 文件指針（見上表）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 來表示解析的結束。
yyless(int n)	這一函數可以用來送回除了前�n? 個字符外的所有讀出標記。
yymore()	這一函數告訴 Lexer 將下一個標記附加到當前標記后。

對 Lex 的討論就到這里。下面我們來討論 Yacc...

Yacc

Yacc 代表 Yet Another Compiler Compiler。 Yacc 的 GNU 版叫做 Bison。它是一種工具，將任何一種編程語言的所有語法翻譯成針對此種語言的 Yacc 語 法解析器。它用巴科斯范式(BNF, Backus Naur Form)來書寫。按照慣例，Yacc 文件有 .y 后綴。編譯行如下調用 Yacc 編譯器：

1 2	$ yacc <options> ?<filename ending with .y>

在進一步闡述以前，讓我們復習一下什么是語法。在上一節中，我們看到 Lex 從輸入序列中識別標記。 如果你在查看標記序列，你可能想在這一序列出現時執行某一動作。 這種情況下有效序列的規范稱為語法。Yacc 語法文件包括這一語法規范。 它還包含了序列匹配時你想要做的事。

為了更加說清這一概念，讓我們以英語為例。 這一套標記可能是：名詞, 動詞, 形容詞等等。為了使用這些標記造一個語法正確的句子，你的結構必須符合一定的規則。 一個簡單的句子可能是名詞+動詞或者名詞+動詞+名詞。(如 I care. See spot run.)

所以在我們這里，標記本身來自語言（Lex），并且標記序列允許用 Yacc 來指定這些標記(標記序列也叫語法)。

終端和非終端符號

終端符號?: 代表一類在語法結構上等效的標記。 終端符號有三種類型：

命名標記: 這些由?%token?標識符來定義。 按照慣例，它們都是大寫。

字符標記?: 字符常量的寫法與 C 相同。例如, -- 就是一個字符標記。

字符串標記?: 寫法與 C 的字符串常量相同。例如，"<<" 就是一個字符串標記。

lexer 返回命名標記。

非終端符號?: 是一組非終端符號和終端符號組成的符號。 按照慣例，它們都是小寫。 在例子中，file 是一個非終端標記而 NAME 是一個終端標記。

用 Yacc 來創建一個編譯器包括四個步驟：

通過在語法文件上運行 Yacc 生成一個解析器。

說明語法：

• 編寫一個 .y 的語法文件（同時說明 C 在這里要進行的動作）。
• 編寫一個詞法分析器來處理輸入并將標記傳遞給解析器。 這可以使用 Lex 來完成。
• 編寫一個函數，通過調用 yyparse() 來開始解析。
• 編寫錯誤處理例程（如 yyerror()）。

編譯 Yacc 生成的代碼以及其他相關的源文件。

將目標文件鏈接到適當的可執行解析器庫。

用 Yacc 編寫語法

如同 Lex 一樣, 一個 Yacc 程序也用雙百分號分為三段。 它們是：聲明、語法規則和 C 代碼。 我們將解析一個格式為 姓名 = 年齡 的文件作為例子，來說明語法規則。 我們假設文件有多個姓名和年齡，它們以空格分隔。 在看 Yacc 程序的每一段時，我們將為我們的例子編寫一個語法文件。

C 與 Yacc 的聲明

C 聲明可能會定義動作中使用的類型和變量，以及宏。 還可以包含頭文件。每個 Yacc 聲明段聲明了終端符號和非終端符號（標記）的名稱，還可能描述操作符優先級和針對不同符號的數據類型。 lexer (Lex) 一般返回這些標記。所有這些標記都必須在 Yacc 聲明中進行說明。

在文件解析的例子中我們感興趣的是這些標記：name, equal sign, 和 age。Name 是一個完全由字符組成的值。 Age 是數字。于是聲明段就會像這樣：

文件解析例子的聲明

1 2 3 4 5 6 7 8

% ?#typedef char* string; /* ?to specify token types as char* */ ?#define YYSTYPE string /* ?a Yacc variable which has the value of returned token */ ?%} ?%token NAME EQ AGE ?%%

你可能會覺得 YYSTYPE 有點奇怪。但是類似 Lex, Yacc 也有一套變量和函數可供用戶來進行功能擴展。 YYSTYPE 定義了用來將值從 lexer 拷貝到解析器或者 Yacc 的 yylval （另一個 Yacc 變量）的類型。 默認的類型是 int。 由于字符串可以從 lexer 拷貝，類型被重定義為 char*。 關于 Yacc 變量的詳細討論，請參考 Yacc 手冊（見?資源）。

Yacc 語法規則

Yacc 語法規則具有以下一般格式：

1 2 3

result: components { /* ?action to be taken in C */ } ?;

在這個例子中，result 是規則描述的非終端符號。Components 是根據規則放在一起的不同的終端和非終端符號。 如果匹配特定序列的話 Components 后面可以跟隨要執行的動作。 考慮如下的例子：

1 2 3 4 5

param : NAME EQ NAME { ?printf("\tName:%s\tValue(name):%s\n", $1,$3);} ?????| NAME EQ VALUE{ ?????printf("\tName:%s\tValue(value):%s\n",$1,$3);} ?;

如果上例中序列 NAME EQ NAME 被匹配，將執行相應的 { } 括號中的動作。 這里另一個有用的就是 $1 和 $3 的使用, 它們引用了標記 NAME 和 NAME（或者第二行的 VALUE）的值。 lexer 通過 Yacc 的變量 yylval 返回這些值。標記 NAME 的 Lex 代碼是這樣的：

1 2 3 4 5

char [A-Za-z] ?name {char}+ ?%% ?{name} { yylval = strdup(yytext); ?return NAME; }

文件解析例子的規則段是這樣的：

文件解析的語法

1 2 3 4 5 6 7

file : record file ?| record ?; ?record: NAME EQ AGE { ?printf("%s is now %s years old!!!", $1, $3);} ?; ?%%

附加 C 代碼

現在讓我們看一下語法文件的最后一段，附加 C 代碼。 （這一段是可選的，如果有人想要略過它的話：）一個函數如 main() 調用 yyparse() 函數（Yacc 中 Lex 的 yylex() 等效函數）。 一般來說，Yacc 最好提供 yyerror(char msg) 函數的代碼。 當解析器遇到錯誤時調用 yyerror(char msg)。錯誤消息作為參數來傳遞。 一個簡單的 yyerror( char* ) 可能是這樣的：

1 2 3 4 5

int yyerror(char* msg) ?{ ?printf("Error: %s ?encountered at line number:%d\n", msg, yylineno); ?}

yylineno 提供了行數信息。

這一段還包括文件解析例子的主函數：

附加 C 代碼

1 2 3 4 5 6 7 8

void main() ?{ ?????yyparse(); ?} ?int yyerror(char* msg) ?{ ?printf("Error: %s ?encountered \n", msg);

要生成代碼，可能用到以下命令：

1	$ yacc _d <filename.y>

這生成了輸出文件 y.tab.h 和 y.tab.c，它們可以用 UNIX 上的任何標準 C 編譯器來編譯（如 gcc）。

命令行的其他常用選項

• '-d' ,'--defines'?: 編寫額外的輸出文件，它們包含這些宏定義：語法中定義的標記類型名稱，語義的取值類型?YYSTYPE, 以及一些外部變量聲明。如果解析器輸出文件名叫 'name.c', 那么 '-d' 文件就叫做 'name.h'。 如果你想將?yylex?定義放到獨立的源文件中，你需要 'name.h', 因為?yylex?必須能夠引用標記類型代碼和?yylval變量。
• '-b file-prefix' ,'--file-prefix=prefix'?: 指定一個所有Yacc輸出文件名都可以使用的前綴。選擇一個名字，就如輸入文件名叫 'prefix.c'.
• '-o outfile' ,'--output-file=outfile'?: 指定解析器文件的輸出文件名。其他輸出文件根據 '-d' 選項描述的輸出文件來命名。

Yacc 庫通常在編譯步驟中自動被包括。但是它也能被顯式的包括，以便在編譯步驟中指定?�ly選項。這種情況下的編譯命令行是：

1 2	$ cc <source file ?names> -ly

將 Lex 與 Yacc 結合起來

到目前為止我們已經分別討論了 Lex 和 Yacc。現在讓我們來看一下他們是怎樣結合使用的。

一個程序通常在每次返回一個標記時都要調用?yylex()?函數。只有在文件結束或者出現錯誤標記時才會終止。

一個由 Yacc 生成的解析器調用?yylex()?函數來獲得標記。?yylex()?可以由 Lex 來生成或完全由自己來編寫。 對于由 Lex 生成的 lexer 來說，要和 Yacc 結合使用，每當 Lex 中匹配一個模式時都必須返回一個標記。 因此 Lex 中匹配模式時的動作一般格式為：

1 2	{pattern} { /* do smthg*/ ?return TOKEN_NAME; }

于是 Yacc 就會獲得返回的標記。當 Yacc 編譯一個帶有 _d 標記的?.y文件時，會生成一個頭文件，它對每個標記都有?#define的定義。 如果 Lex 和 Yacc 一起使用的話，頭文件必須在相應的 Lex 文件?.lex中的 C 聲明段中包括。

讓我們回到名字和年齡的文件解析例子中，看一看 Lex 和 Yacc 文件的代碼。

Name.y - 語法文件

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23

% ?typedef char* string; ?#define YYSTYPE string ?%} ?%token NAME EQ AGE ?%% ?file : record file ?| record ?; ?record : NAME EQ AGE { ?printf("%s is %s years old!!!\n", $1, $3); } ?; ?%% ?int main() ?{ ?yyparse(); ?return 0; ?} ?int yyerror(char *msg) ?{ ?printf("Error ?encountered: %s \n", msg); ?}

Name.lex - Lex 的解析器文件

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23

%{ ?#include "y.tab.h" ?? ?#include <stdio.h> ?#include <string.h> ?extern char* yylval; ?%} ?char [A-Za-z] ?num [0-9] ?eq [=] ?name {char}+ ?age {num}+ ?%% ?{name} { yylval = strdup(yytext); ?return NAME; } ?{eq} { return EQ; } ?{age} { yylval = strdup(yytext); ?return AGE; } ?%% ?int yywrap() ?{ ?return 1; ?}

作為一個參考，我們列出了?y.tab.h, Yacc 生成的頭文件。

y.tab.h - Yacc 生成的頭文件

1 2 3

# define NAME 257 ?# define EQ 258 ?# define AGE 259

我們對于 Lex 和 Yacc的討論到此為止。今天你想要編譯什么語言呢？

相關主題

• 您可以參閱本文在 developerWorks 全球站點上的?英文原文.
• Lex and Yacc, Levine, Mason 和 Branson, O�Reilly 及其合作公司，2nd Ed。
• Program Development in UNIX, J. T. Shen, Prentice-Hall India。
• Compilers: Principles, Techniques and Tools, Ahoo, Sethi 和 Ullman, Addison-Wesley Pub. Co., 1985，11。
• Lex and Yacc and compiler writing指導。
• Java 版的 Lex 指導, 叫做?Jlex。
• 使用 Lex 和 Yacc 的?formalizing a grammar實例。

總結

以上是生活随笔為你收集整理的Yacc 与 Lex 快速入门的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。