前言
本系列的文章的宗旨是讓大家能夠?qū)懗鲎约旱木幾g器,解釋器或者腳本引擎,所以每到理論介紹到一個(gè)程度后,我都會來討論實(shí)踐問題.理論方面,編譯原理的教材已經(jīng)是夠多了,而實(shí)踐的問題卻很少討論.
前幾節(jié)文章只討論到了詞法分析和LL文法分析,關(guān)鍵的LR文法分析這里卻還沒有講,我們先不要管復(fù)雜的LR文法和算法,讓我們使用LL算法來實(shí)際做一些東西后再說.本文將介紹一個(gè)在JAVA上廣泛使用的LL算法分析工具Javacc.(這是我唯一能找到的使用LL算法的語法分析器構(gòu)造工具).這一節(jié)的文章并非只針對JAVA開發(fā)者,如果你是C/C++開發(fā)者,那么也請你來看看這個(gè)JAVA下的優(yōu)秀工具,或許你將來也用得著它.
Lex和yacc這兩個(gè)工具是經(jīng)典的詞法分析和語法分析工具,但是它們都是基于C語言下面的工具,而使用JAVA的朋友們就用不上了.但是JAVA下已經(jīng)有了lex和yacc的替代品javacc(
Java Compiler Compiler )
.同時(shí)javacc也是使用LL算法的工具,我們也可以實(shí)踐一下前面學(xué)的LL算法.
首先聲明我不是一個(gè)JAVA專家,我也是剛剛才接觸JAVA.Java里面或許有很多類似javacc一樣的工具,但是據(jù)我所知,javacc還是最廣泛,最標(biāo)準(zhǔn)的JAVA下的詞法語法分析器.
Javacc的獲取
同lex和yacc一樣,javacc也是一個(gè)免費(fèi)可以獲取的通用工具,它可以在很多JAVA相關(guān)的工具下載網(wǎng)站下載,當(dāng)然,javacc所占的磁盤空間比起lex和yacc更大一些,里面有標(biāo)準(zhǔn)的文檔和examples.相對lex和yacc來說,javacc做得更人性化,更容易一些.如果你實(shí)在找不到j(luò)avacc,還是可以聯(lián)系我,我這里有.現(xiàn)在最新的就是javacc 3.2版本.
Javacc的原理
Javacc可以同時(shí)完成對text的詞法分析和語法分析的工作,使用起來相當(dāng)方便.同樣,它和lex和yacc一樣,先輸入一個(gè)按照它規(guī)定的格式的文件,然后javacc根據(jù)你輸入的文件來生成相應(yīng)的詞法分析于語法分析程序.同時(shí),新版本的Javacc除了常規(guī)的詞法分析和語法分析以外,還提供JJTree等工具來幫助我們建立語法樹.總之,Javacc在很多地方做得都比lex和yacc要人性化,這個(gè)在后面的輸入文件格式中也能體現(xiàn)出來.
Javacc的輸入文件
Javacc的輸入文件格式做得比較簡單.每個(gè)非終結(jié)符產(chǎn)生式對應(yīng)一個(gè)Class中的函數(shù),函數(shù)中可以嵌入相應(yīng)的識別出該終結(jié)符文法時(shí)候的處理代碼(也叫動(dòng)作).這個(gè)與YACC中是一致的.
Javacc的輸入文件中,有一系列的系統(tǒng)參數(shù),比如其中l(wèi)ookahead可以設(shè)置成大于1的整數(shù),那么就是說,它可以為我們生成LL(k)算法(k>=1),而不是簡單的遞歸下降那樣的LL(1)算法了.要知道,LL(2)文法比起前面討論的LL(1)文法判斷每個(gè)非終結(jié)符時(shí)候需要看前面兩個(gè)記號而不是一個(gè),那么對于文法形式的限制就更少.不過LL(2)的算法當(dāng)然也比LL(1)算法慢了不少.作為一般的計(jì)算機(jī)程序設(shè)計(jì)語言,LL(1)算法已經(jīng)是足夠了.就算不是LL(1)算法,我們也可以通過前面講的左提公因式把它變成一個(gè)LL(1)文法來處理.不過既然javacc都把lookahead選擇做出來了,那么在某些特定的情況下,我們可以直接調(diào)整一個(gè)lookahead的參數(shù)就可以,而不必糾正我們的文法.
下面我們來看看Javacc中自帶的example中的例子.
例5.1
這個(gè)例子可以在javacc-3.2/doc/examples/SimpleExamples/Simple1.jj看到
PARSER_BEGIN(Simple1)
public class Simple1 {
public static void main(String args[]) throws ParseException {
??? Simple1 parser = new Simple1(System.in);
??? parser.Input();
? }
}
PARSER_END(Simple1)
void Input() :
{}
{
? MatchedBraces() ("\n"|"\r")* <EOF>
}
void MatchedBraces() :
{}
{
"{" [ MatchedBraces() ] "}"
}
設(shè)置好javacc的bin目錄后,在命令提示符下輸入
javacc Simple1.jj
然后
javacc
就會為你生成下面幾個(gè)
java
源代碼文件
Simple1.java
Simple1TokenManager.java
Simple1Constants.java
SimpleCharStream.java
Token.java
TokenMgrError.java
其中Simple1就是你的語法分析器的對象,它的構(gòu)造函數(shù)參數(shù)就是要分析的輸入流,這里的是System.in.
class Simple1就定義在標(biāo)記
PARSER_BEGIN(Simple1)
PARSER_END(Simple1)之間.
但是必須清楚的是,PARSER_BEGIN和PARSER_END中的名字必須是詞法分析器的名字(這里是Simple1).
PARSER_END下面的定義就是文法非終結(jié)符號的定義了.
Simple1的文法基本就是:
Input ->
MatchedBraces ("\n"|"\r")* <EOF>
MatchedBraces ->
“
{
“
MatchedBraces
“
}
”
從它的定義我們可以看到
,
每個(gè)非終結(jié)符號對于一個(gè)過程
.
比如
Input
的過程
void Input() :
{}
{
? MatchedBraces() ("\n"|"\r")* <EOF>
}
在定義
void Input
后面記住需要加上一個(gè)冒號
”:”,
然后接下來是兩個(gè)塊
{}
的定義
.
第一個(gè)
{}
中的代碼是定義數(shù)據(jù)
,
初試化數(shù)據(jù)的代碼
.
第二個(gè)
{}
中的部分就是真正定義
Input
的產(chǎn)生式了
.
每個(gè)產(chǎn)生式之間用
”|”
符號連接
.
注意
:
這里的產(chǎn)生式并非需要嚴(yán)格
BNF
范式文法
,
它的文法既可以是
BNF,
同時(shí)還可以是混合了正則表達(dá)式中的定義方法
.
比如上面的
Input ->
MatchedBraces ("\n"|"\r")* <EOF>
中
(“\n”|”\r”)*
就是個(gè)正則表達(dá)式
,
表示的是
\n
或者
\r
的
0
個(gè)到無限個(gè)的重復(fù)的記號
.
而
<EOF>
是
javacc
系統(tǒng)定義的記號
(TOKEN),
表示文件結(jié)束符號
.
除了
<EOF>,
無論是系統(tǒng)定義的
TOKEN,
還是自定義的
TOKEN,
里面的
TOKEN
都是以
<token’s name>
的方式表示
.
每個(gè)非終結(jié)符號
(Input
和
MatchedBraces)
都會在
javacc
生成的
Simple1.java
中形成
Class Simple1
的成員函數(shù)
.
當(dāng)你在外部調(diào)用
Simple1
的
Input,
那么語法分析器就會開始進(jìn)行語法分析了
.
例
5.2
在
javacc
提供的
example
里面沒有
.javacc
提供的
example
里面提供的例子中
SimpleExamples
過于簡單
,
而其它例子又過于龐大
.
下面我以我們最常見的數(shù)學(xué)四則混合運(yùn)算的文法來構(gòu)造一個(gè)
javacc
的文法識別器
.
這個(gè)例子是我自己寫的
,
十分簡單
,.
其中還包括了文法識別同時(shí)嵌入的構(gòu)建語法樹
Parse-Tree
的代碼
.
不過由于篇幅的原因
,
我并沒有給出全部的代碼
,
這里只給了
javacc
輸入部分相關(guān)的代碼
.
而
Parse-tree
就是一個(gè)普通的
4
叉樹
,3
個(gè)
child,1
個(gè)
next(
平行結(jié)點(diǎn)
),
相信大家在學(xué)習(xí)數(shù)據(jù)結(jié)構(gòu)的時(shí)候應(yīng)該都是學(xué)過的
.
所以這里就省略過去了
.
在大家看這些輸入代碼之前
,
我先給出它所使用的文法定義
,
好讓大家有個(gè)清楚的框架
.
Expression
-> Term{ Addop Term }
Addop -> "+" | "-"
Term -> Factor { Mulop Factor }
Mulop -> "*" | "/"
Factor -> ID | NUM | "("Expression")"
這里的文法可能和BNF范式有點(diǎn)不同.{}的意思就是0次到無限次重復(fù),它跟我們在學(xué)習(xí)正則表達(dá)式的時(shí)候的”*”符號相同,所以，在Javacc中的文法表示的時(shí)候，{…}部分的就是用(…)*來表示.
為了讓詞法分析做得更簡單
,
我們通常都不會在文法分析的時(shí)候
,
使用
”(”,”)“
等字符號串來表示終結(jié)符號
,
而需要轉(zhuǎn)而使用
LPAREN
,
RPAREN
這樣的整型符號來表示
.
PARSER_BEGIN(Grammar)
public class Grammar implements NodeType {
? public ParseTreeNode GetParseTree(InputStream in) throws ParseException
? {
?
???? Grammar parser =new Grammar(in);
?
???? return parser.Expression();
? }
?
}
PARSER_END(Grammar)
SKIP :
{
? " " | "\t" | "\n" | "\r"
}
TOKEN :
{
? < ID: ["a"-"z","A"-"Z","_"] ( ["a"-"z","A"-"Z","_","0"-"9"] )* >
|? < NUM: ( ["0"-"9"] )+ >
| ?< PLUS:?? "+" >
| ?< MINUS:? "-" >
| ?< TIMERS: "*" >
| ?< OVER:?? "/" >
| ?< LPAREN: "(" >
| ?< RPAREN: ")" >
}
ParseTreeNode Expression() :
{
???????? ParseTreeNode ParseTree = null;
???????? ParseTreeNode node;
}
{????????????????
?( node=Simple_Expression()
?{
???
if(ParseTree == null)
???
???????? ParseTree =node;
???
else
???
{
???????
???????? ParseTreeNode t;
???????
?? t= ParseTree;
???????
???????? while(t.next != null)
????????
???????? t=t.next;
???
?????????? t.next = node;
???
}
?}
)*
? { return ParseTree;}
? <EOF>
}
ParseTreeNode Simple_Expression() :
{
???????? ParseTreeNode node;
???????? ParseTreeNode t;
???????? int op;
}
{
? node=Term(){}
? (
? op=addop() t=Term()
{
????????
???????? ParseTreeNode newNode = new ParseTreeNode();
????????
???????? newNode.nodetype = op;
????????
???????? newNode.child[0] = node;
????????
???????? newNode.child[1] = t;
????????
???????? switch(op)