編譯原理-詞法分析（lexical analysis）初識

這學期開始上計算機專業最難（據說是公認的）的一門課程——編譯原理。還好，老師很有經驗並且教得很用心。用的教材是《編譯原理及實踐》，寒假時上了豆瓣看了一下評論，據說是英文原版比中譯版讀起來還要通順易懂，於是就借來英文版《Compiler Construction：Principle and Practice》，還真的不是那麼難讀懂，給我入門剛剛好。=) 

可是，第一節課老師纔跟大家說“這本教材翻譯得有點難懂，有能力的同學儘量讀英文版。”噢，其他同學們其實早就買了中譯版，老師這才如此建議...

---------------------------------------正文---------------------------------- 

按照第二章“Scanning”其實就是“詞法分析 lexical analysis”的樣例，需要將以下程序作爲樣例輸入，進行詞法分析獲得一個個的Token及其可能的對應類別，例如保留字、特殊符號、數值、標識符等等。 

樣例輸入 sample.tny (.tny是教材中使用的稱爲Tiny語言的後綴）：

 

{ Sample program
  in TINY language -
  computes factorial
}
read x; { input an integer }
if 0 < x then { don't compute if x <= 0 }
  fact := 1;
  repeat
    fact := fact * x;
    x := x - 1
  until x = 0;
  write fact  { output factorial of x }
end

 教材中要求的輸出結果如下：

當時還沒認真學習到用有限自動機（DFA）等等概念，自己先照着教材的樣例輸出用自己的傻瓜化辦法實現一下，“追求”的目標是樣例輸出要和教材的一樣（當然不能打印每一個句子啦）。下面是我的做法。 

★ 以下是在程序實現代碼中使用Java的正則表達式功能，並對Tiny源程序代碼做了一定的前提條件所完成的 Tiny 語言，其實就是模仿教材中的最終輸出文件解析出每一個 Token。 

思路：

默認每個Token之間都以空格“ ”隔開，因此可用Java中的正則表達式將每一行依此規律拆分爲一個個Token，然後再對每一個Token進行類別匹配（也用到正則表達式），最後按類別打印輸出。以下實現但是不能夠處理多行註釋的問題。

sample1.tny

  樣例輸出如下：

 

代碼實現：

package lexical_analysis;

import java.io.BufferedReader;
import java.io.FileReader;
import java.util.regex.Pattern;

/**
 * 假設 Tiny 源程序每個 Token 都用“空格”分開，因此可以簡單地實現：
 * 每次讀取源程序的一整行，使用Java中的正則表達式以“空格”提取出來，
 * 再對比“詞彙表”以確定每一個 Token 的類別、屬性(Attribute)。
 *
 * @author liguihao
 */
public class SimpleLexicalAnalyser {

    // 保留字
    private String [] reservedWords = new String[] {"read", "if",
                                                    "then", "repeat",
                                                    "until", "write", "end"};
    // 數學運算符
    private String [] arithmeticSymbols = new String[] {"+", "-", "*", "/",
                                                        "%", ":=", "=", "<",
                                                        ">", "<=", ">="};
    // 源程序文件輸入流
    private BufferedReader sourceFile;
    // 代碼行數
    private int lineCount = 0;


    public SimpleLexicalAnalyser(String sourceFilePath) throws Exception {

        // 創建並加載源程序文件輸入流
        this.sourceFile = new BufferedReader(new FileReader(sourceFilePath));
    }

    /**
     * 逐行掃描源程序代碼
     * @throws Exception
     */
    public void scan() throws Exception {
        String sourceLine = "";
        String[] tokens;

        while((sourceLine = this.sourceFile.readLine()) != null) {
            lineCount++;
            System.out.printf("%d: %s\n", lineCount, sourceLine);
            // 獲取每一行的Token集合
            tokens = this.getTokens(sourceLine);

            int size = tokens.length;
            for(int i = 0; i < size; i++) {

                if(isArithmeticSymbol(tokens[i])) {     // 數學運算符
                    System.out.println("    " + lineCount + ": " + tokens[i]);
                } else if(isReservedWord(tokens[i])) {  // 保留字
                    System.out.println("    " + lineCount + ": " + "reserved word: " + tokens[i]);
                } else if(";".equals(tokens[i])) {      // 行結束符,即分號
                    System.out.println("    " + lineCount + ": " + tokens[i]);
                }  else if(isID(tokens[i])) {           // 自定義標識符ID
                    System.out.println("    " + lineCount + ": " + "ID, name= " + tokens[i]);
                } else if(isNum(tokens[i])) {           // 數值NUM
                    System.out.println("    " + lineCount + ": " + "NUM, val= " + tokens[i]);
                } else if("{".equals(tokens[i])) {      // 行註釋符，即左大括號{
                    break;      // 直接跳過行註釋
                }

                // 源程序文件結束符
                if("end".equals(tokens[i])) {
                    lineCount++;
                    System.out.printf("%2d: %s\n", lineCount, "EOF");
                    break;
                }
            }
        }
    }

    /**
     * 用“空格Space”正則表達式將每一行源代碼拆分成單個Token的集合
     */
    public String[] getTokens(String sourceLine) {
        Pattern pattern = Pattern.compile(" ");
        return pattern.split(sourceLine);
    }

    /**
     * 判斷是否爲“保留字”
     * @param token
     * @return
     */
    private boolean isReservedWord(String token) {
        int size = this.reservedWords.length;
        for(int i = 0; i < size; i++) {
            if(token.equals(reservedWords[i])) {
                return true;
            }
        }
        return false;
    }

    /**
     * 判斷是否爲“數學運算符”
     * @param token
     * @return
     */
    private boolean isArithmeticSymbol(String token) {
        int size = this.arithmeticSymbols.length;
        for(int i = 0; i < size; i++) {
            if(token.equals(arithmeticSymbols[i])) {
                return true;
            }
        }
        return false;
    }

    /**
     * 判斷是否爲“數值NUM”
     * @param token
     * @return
     */
    private boolean isNum(String token) {
        boolean flag = Pattern.matches("[a-zA-Z]+?", token);
        return flag;
    }

    /**
     * 判斷是否爲“ID”
     * @param token
     * @return
     */
    private boolean isID(String token) {
        boolean flag = Pattern.matches("\\d+?", token);
        return flag;
    }

    /**
     * “詞法分析程序”的啓動入口
     * @param args
     */
    public static void main(String[] args) throws Exception {

        String sourceFilePath = "sample1.tny";
        SimpleLexicalAnalyser lexicalAnalyser = new SimpleLexicalAnalyser(sourceFilePath);
        lexicalAnalyser.scan();
    }
}