第一节、lex和yacc是什么？
lex 代表 lexical analyzar（词法分析器），yacc 代表 yet another compiler compiler（编译器代码生成器）。lex和yacc在UNIX下分别叫flex和bison. 可以搜索到很多介绍flex&bison的文章，但这类文章对初学者来说不太容易看懂。
我们举个简单的例子来理解lex和yacc：在linux下，有很多系统配置文件，一些linux下的软件也有配置文件，那么程序是如何读取配置文件中的信息的呢？先用到lex词法分析器，读取配置文件中的关键词（后面说到的token标记其实可看做关键词）；然后把关键词递交给yacc，yacc对一些关键词进行匹配，看是否符合一定的语法逻辑，如果符合就进行相应动作。
上面举的例子是分析配置文件内容的，当然可分析其他文件内容，或者制作编译器等。
第二节、一个简单的lex程序。
1、程序代码。
来看一个简单的lex程序，代码见下面，这段lex程序的目的是：输入几行字符串，输出行数，单词数和字符的个数。
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
|
|
/*******************************************
* Name : test.l
* Date : Mar. 11, 2014
* Blog : http://www.cnblogs.com/lucasysfeng/
* Description : 一个简单的lex例子,输入几行字符串，
* 输出行数，单词数和字符的个数。
*******************************************/
/* 第一段 */
%{
int chars = 0;
int words = 0;
int lines = 0;
%}
/* 第二段 */
%%
[a-zA-Z]+ { words++; chars += strlen(yytext); }
\n { chars++; lines++; }
. { chars++; }
%%
/* 第三段 */
main(int argc, char **argv)
{
yylex();
printf("%8d%8d%8d\n", lines, words, chars);
}
|
程序中yytext是lex变量，匹配模式的文本存储在这一变量中。yylex()这一函数开始分析，它由lex自动生成。关于lex变量和函数后续再介绍，这里只是通过简单的lex程序来认识lex.
2、按照下面过程编译运行。
#flex test.l
#gcc lex.yy.c –lfl
#./a.out
然后输入一段文字，按ctrl+d结束输入，则会输出行数，单词数和字符的个数。
见下图：
3、分析上面的lex程序。
（1）%%把文件分为3段，第一段是c和lex的全局声明，第二段是规则段，第三段是c代码。
（2）第一段的c代码要用%{和%}括起来，第三段的c代码不用。
（3）第二段规则段，[a-zA-Z]+ \n . 是正则表达式，{}内的是c编写的动作。
4、编译时不加-lfl选项。
上面编译时用gcc lex.yy.c –lfl，那么如何直接用gcc lex.yy.c进行编译呢？答案是加上yywrap函数（具体原因见lex的库和函数分析），代码如下。
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
|
|
/*******************************************
* Name : test.l
* Date : Mar. 11, 2014
* Blog : http://www.cnblogs.com/lucasysfeng/
* Description : 一个简单的lex例子,输入几行字符串，
* 输出行数，单词数和字符的个数。
* 加yywrap函数。
*******************************************/
%{
int chars = 0;
int words = 0;
int lines = 0;
%}
%%
[a-zA-Z]+ { words++; chars += strlen(yytext); }
\n { chars++; lines++; }
. { chars++; }
%%
main(int argc, char **argv)
{
yylex();
printf("%8d%8d%8d\n", lines, words, chars);
}
int yywrap()
{
return 1;
}
|
第三节、lex进阶。
修改第二节程序，将正则表达式放在全局声明中，使逻辑更清晰。
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
|
|
/*******************************************
* Name : test.l
* Date : Mar. 11, 2014
* Blog : http://www.cnblogs.com/lucasysfeng/
* Description : 一个简单的lex例子,输入几行字符串，
* 输出行数，单词数和字符的个数。
* 正则表达式放在全局声明中。
*******************************************/
int chars = 0;
int words = 0;
int lines = 0;
%}
mywords [a-zA-Z]+
mylines \n
mychars .
%%
{mywords} { words++; chars += strlen(yytext); }
{mylines} { chars++; lines++; }
{mychars} { chars++; }
%%
main(int argc, char **argv)
{
yylex();
printf("%8d%8d%8d\n", lines, words, chars);
}
|
编译运行同第二节。
第四节、lex再进阶—循环扫描。
下面给出一个lex程序，这个程序在扫描到 + 或 - 时做一个特殊输出。当调用yylex()函数时，若扫描到return对应的标记时，yylex返回，且值就为return后的值；若没扫描到return对应的标记，yylex继续执行，不返回。下次调用自动从前一次的扫描位置处开始。
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
|
|
/*******************************************
* Name : test.l
* Date : Mar. 11, 2014
* Blog : http://www.cnblogs.com/lucasysfeng/
* Description : lex进阶，循环扫描。
*******************************************/
%{
enum yytokentype
{
ADD = 259,
SUB = 260,
};
%}
myadd "+"
mysub "-"
myother .
%%
{myadd} { return ADD; }
{mysub} { return SUB; }
{myother} { printf("Mystery character\n"); }
%%
main(int argc, char **argv)
{
int tok;
while (tok = yylex())
{
if (tok == ADD || tok == SUB)
{
printf("meet + or -\n");
}
else
{
printf("this else statement will not be printed, \
because if yylex return,the retrun value must be ADD or SUB.");
}
}
}
|
编译和运行见下图：
第五节、yacc语法。
1、yacc语法规则部分和BNF类同，先来看BNF巴克斯范式。
（1）<> 内包含的内容为必选项；
（2）[] 内的包含的内容为可选项；
（3）{ } 内包含的为可重复0至无数次的项；
（4） | 表示在其左右两边任选一项，相当于"OR"的意思；
（5）::= 是“被定义为”的意思；
（6）双引号“”内的内容代表这些字符本身；而double _quote用来表示双引号。
（7）BNF范式举例，下面的例子用来定义java中的for语句：
FOR_STATEMENT ::=
"for" "(" ( variable_declaration |
( expression ";" ) | ";" )
[ expression ] ";"
[ expression ]
")" statement
2、yacc语法。
注：components是根据规则放在一起的终端和非终端符号，后面是{}括起来的执行的动作。
3、语法例子。
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);}
;
|
yacc文件第一段中定义的token，lex文件对目标进行扫描并返回这些token。yacc文件对规则冒号右边componets进行匹配，如果符合一定语法规则就执行相应动作。
1
2
3
4
5
6
7
8
9
10
11
|
|
simple_sentence: subject verb object
| subject verb object prep_phrase ;
subject: NOUN
| PRONOUN
| ADJECTIVE subject ;
verb: VERB
| ADVERB VERB
| verb VERB ;
object: NOUN
| ADJECTIVE object ;
prep_phrase: PREPOSITION NOUN ;
|
分析：|表示左右两边任选一项，如| subject verb object prep_phrase ;中|的左边为空，所以该句表示匹配空或者subject verb object prep_phrase ;而上面还有一句subject verb object ，所以
simple_sentence: subject verb object
| subject verb object prep_phrase ;
的意思是匹配subject verb object 或 subject verb object prep_phrase ;
第六节、lex和yacc结合使用。
1、lex程序。
当匹配a b c not时分别返回相应的token.
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
|
|
/*******************************************
* Name : test.l
* Date : Mar. 11, 2014
* Blog : http://www.cnblogs.com/lucasysfeng/
* Description : lex和yacc结合使用。
*******************************************/
%{
#include "test.tab.h"
#include <stdio.h>
#include <stdlib.h>
%}
%%
a { return A_STATE; }
b { return B_STATE; }
c { return C_STATE; }
not { return NOT; }
%%
|
2、yacc程序。
当扫描到A_STATE B_STATE时打印1，当扫描到A_STATE B_STATE c_state_not_token时打印2，当扫描到NOT时打印3.
其中，A_STATE B_STATE NOT是token，c_state_not_token 是非终端符号，此处定义为
c_state_not_token : C_STATE {}.
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
|
|
/*******************************************
* Name : test.y
* Date : Mar. 11, 2014
* Blog : http://www.cnblogs.com/lucasysfeng/
* Description : lex和yacc结合使用。
*******************************************/
%{
#include <stdio.h>
#include <stdlib.h>
%}
%token A_STATE B_STATE C_STATE NOT
%%
program :
A_STATE B_STATE
{
printf("1");
}
c_state_not_token
{
printf("2");
}
| NOT
{
printf("3");
}
c_state_not_token : C_STATE {}
%%
yyerror(const char *s)
{
fprintf(stderr, "error: %s\n", s);
}
int main()
{
yyparse();
return 0;
}
|
3、编译和运行。
lex和yacc在UNIX下分别叫flex和bison.
第七节、lex和yacc结合使用进阶。
1、我们希望用lex和yacc结合完成下面文件解析。
我们对文本test.txt进行分析，test.txt中的内容如下：
ZhangSan=23
LiSi=34
WangWu=43
扫描test.txt文本后，我们希望输出：
ZhangSan is 23 years old!!!
LiSi is 34 years old!!!
WangWu is 43 years old!!!
2、利用lex扫描test.txt文本，返回token.
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
|
|
/*******************************************
* Name : test.l
* Date : Mar. 11, 2014
* Blog : http://www.cnblogs.com/lucasysfeng/
* Description : lex和yacc结合使用进阶。
*******************************************/
%{
#include "test.tab.h"
#include <stdio.h>
#include <string.h>
%}
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;
}
|
3、yacc根据lex返回的token，判断这些token是否符合一定的语法，符合则进行相应动作。
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
|
|
/*******************************************
* Name : test.y
* Date : Mar. 11, 2014
* Blog : http://www.cnblogs.com/lucasysfeng/
* Description : lex和yacc结合使用进阶。
*******************************************/
%{
#include <stdio.h>
#include <stdlib.h>
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()
{
extern FILE* yyin;
if (!(yyin = fopen("test.txt", "r")))
{
perror("cannot open parsefile:");
return -1;
}
yyparse();
fclose(yyin);
return 0;
}
int yyerror(char *msg)
{
printf("Error encountered: %s \n", msg);
}
|
4、编译运行。
补充：lex变量和和函数。
