(一)、寫在前面
lex是構建詞法分析程序的工具。詞法分析程序把隨機輸入流標記化,即將他拆分成詞法標記。然後,可以進一步處理這種被標記化的輸出,通常是由yacc來處理的,或者他就成爲“最終產品”。
當編寫lex規範的時候,可以創建lex匹配輸入所用的一套模式。每次匹配一個模式的時候,lex程序就調用我們提供的C代碼來處理匹配的文本。採用這種方式,lex程序將輸入拆分成成爲標記的字符串。lex本身不產生可執行程序。相反,他把lex規範轉化成包含C例程yylex()的文件。程序調用yylex()來運行詞法分析程序。
(二)、正則表達式
1:正則表達式字符
正則表達式被廣泛應用於UNIX環境,並且lex可以使用豐富的正則表達式語言。
正則表達式是一種使用”元(meta)”語言的模式描述。元語言用於描述特定模式。形成正則表達式的字符爲:
符號 | 含義 |
---|---|
. | 匹配除換行符(“\n”)以外的任何單個字符 |
* | 匹配前面表達式的零個或多個拷貝 |
[] | 匹配括號中任意字符的字符類 |
^ | 作爲正則表達式的第一個字符匹配行的開頭,也用於方括號中的否定 |
$ | 作爲正則表達式的最後一個字符匹配行的結尾 |
{} | 當括號中包含一個或兩個數字的時候,指示前面的模式被允許匹配多少次 |
\ | 用於轉義字符 |
+ | 匹配前面的正則表達式的一次或多次出現 |
? | 匹配前面的正則表達式的零次或一次出現 |
“…” | 引號中的每個字符解釋爲字面意義 |
/ | 只有在後面跟有指定的正則表達式的時候才匹配前面的正則表達式 |
() | 將一系列正則表達式組合成一個新的正則表達式 |
2:lex的正則例子程序
下面我們編寫一個小數的lex規範:
首先我們先來看一下表示小數的正則表達式:
-?(([0-9]+)|([0-9]*\.[0-9]+)([eE][-+]?[0-9]+)?)
現在我們來看一下lex的實現:
名稱:xs.lex
%%
[\n\t ] ;
-?(([0-9]+)|([0-9]*\.[0-9]+)([eE][-+]?[0-9]+)?) { printf("number\n"); }
. ECHO;
%%
main()
{
yylex();
}
int yywrap()
{
return 0;
}
我們使用下面的命令編譯程序:
lex xs.lex
gcc lex.yy.c -o xs
./xs //運行程序
下面我們來看一下運行效果:
(三)、實例:單詞計數程序
下面我們通過一個實例來進一步瞭解lex。
lex規範由二部分組成:定義段,規則段和用戶子例程段。第一部分處理lex用在詞法分析程序中的選項,並且一半建立詞法分析程序運行的執行環境。
單詞計數示例的定義段如下:
%{
unsigned int charCount = 0,wordCount = 0,lineCount = 0;
%}
word [^ \t\n]+
eol \n
由”%{“和”%}”括住的部分是C代碼,他們將被逐字地拷貝到詞法分析程序中。這些C代碼一開始就被放入到輸出代碼中。
最後的兩行是定義。lex提供了一種簡單的替換機制,從而使定義長的或複雜的模式變得很容易。我們這裏添加了兩個定義,第一個定義提供了單詞描述:除了空格,製表符和換行符以外的字符的非空組合。第二個定義描述行結束字符,即換行。
規則段包含指定詞法分析程序的模式和動作。下面是示例中的單詞計數的規則段:
%%
{word} { wordCount++; charCount+=yyleng; }
{eol} { charCount++; lineCount++; }
. { charCount++; }
規則段以”%%”開始。在模式中,lex使用substitution代替大括號{}中的名字。在詞法分析程序識別了完整的單詞之後,我們的示例增加單詞和字符的數目。
大括號中封閉的多個語句組成的動作生成一個C語言複合語句。
值得重複的是,lex總是嘗試匹配了能最長的字符串。因此,詞法分析程序將把字符串”well-being”作爲一個單詞。
示例中也使用了lex的內部變量yyleng,他包含詞法分析程序識別的字符串長度。如果匹配了well-being,yyleng就爲10。
lex規範的第三部分和最後部分是用戶子例程段。他通過”%%”和前面的段分開。用戶子例程段包含任何有效的C代碼。他被逐字拷貝到生成的詞法分析程序中。
%%
int main()
{
yylex();
printf("%d %d %d",lineCount,wordCount,charCount);
return 0;
}
int yywrap()
{
return 0;
}
首先,它調用詞法分析程序的入口點yylex(),然後調用printf()打印這次運行的結果。
下面我們來看一下該示例的整體程序:
%{
unsigned int charCount = 0,wordCount = 0,lineCount = 0;
%}
word [^ \t\n]+
eol \n
%%
{word} { wordCount++; charCount+=yyleng; }
{eol} { charCount++; lineCount++; }
. { charCount++; }
%%
int main()
{
yylex();
printf("%d %d %d",lineCount,wordCount,charCount);
return 0;
}
int yywrap()
{
return 0;
}
要注意,我們的示例沒有任何花哨的操作:他既不接受命令行參數,也不打開任何文件,指示使用lex默認讀取標準輸入。當然,我們可以爲lex 重新連接輸入流。
我們來看一下:
%%
int main(argc,argv)
int argc;
char **argv;
{
if(argc > 1){
FILE *file;
file = fopen(argv[1],"r");
if(!file){
fprintf(stderr,"could not open %s\n",argv[1]);
exit(1);
}
yyin = file;
}
yylex();
printf("%d %d %d\n",lineCount,wordCount,charCount);
return 0;
}
int yywrap()
{
// 0 - 輸入未完成 1 - 輸入已完成
return 1;
}
lex詞法分析程序從標準IO文件yyin中讀取輸入,所以當需要的時候,只需要改變yyin。yyin的默認值是stdin。
編譯, 運行一下我們的程序,我們來看一下運行效果:
當yylex()到達輸入文件的尾端的時候,它調用yywrap(),該函數返回數值0或1.如果值爲1,那麼程序完成而且沒有輸入。換句話說,如果值爲0,那麼詞法分析程序假設yywrap()已經打開了他要讀取的另一個文件,而且繼續讀取yyin。默認的yywrap()總是返回1 。通常是自定義一個yywrap()函數。
下面我們來實現一個處理多個文件的lex程序:
%{
/*
* 多文件的單詞計數程序
*
*/
unsigned long charCount = 0,wordCount = 0,lineCount = 0;
#undef yywrap /* 默認情況下有時是一個宏 */
%}
word [^ \t\n]+
eol \n
%%
{word} { wordCount++; charCount += yyleng; }
{eol} { charCount++; lineCount++; }
. charCount++;
%%
char **fileList;
unsigned currentFile = 0;
unsigned nFiles;
unsigned long totalCC = 0;
unsigned long totalWC = 0;
unsigned long totalLC = 0;
int main(int argc,char *argv[])
{
FILE *file;
fileList = argv + 1;
nFiles = argc - 1;
if(argc == 2){
/*
* 因爲不需要打印摘要行,所以處理單個文件的情況
* 與處理多個文件的情況不同
*
*/
currentFile = 1;
file = fopen(argv[1],"r");
if(!file){
fprintf(stderr,"could not open %s\n",argv[1]);
exit(1);
}
yyin = file;
}
if(argc > 2)
yywrap(); /* 打開第一個文件 */
yylex();
/*
* 處理零個或一個文件與處理多個文件的又一個不同之處
*/
if(argc > 2){
printf("%8lu %8lu %8lu %s\n",lineCount,wordCount,charCount,fileList[currentFile-1]);
totalCC += charCount;
totalWC += wordCount;
totalLC += lineCount;
printf("%8lu %8lu %8lu total\n",totalLC,totalWC,totalCC);
}else{
printf("%8lu %8lu %8lu\n",lineCount,wordCount,charCount);
}
return 0;
}
/*
* 詞法分析程序調用yywrap處理EOF。(比如,在本例中
* 我們連接到一個新文件)
*/
int yywrap()
{
FILE *file;
if((currentFile != 0) && (nFiles > 1) && (currentFile < nFiles))
{
/*
* 打印出前一個文件的統計信息
*/
printf("%8lu %8lu %8lu %s\n",lineCount,wordCount,charCount,fileList[currentFile-1]);
totalCC += charCount;
totalWC += wordCount;
totalLC += lineCount;
charCount = wordCount = lineCount = 0;
fclose(yyin); /* 處理完這個文件 */
}
while(fileList[currentFile] != (char *)0){
file = fopen(fileList[currentFile++],"r");
if(file != NULL){
yyin = file;
break;
}
fprintf(stderr,"could not open %s\n",fileList[currentFile-1]);
}
return (file ? 0 : 1); /* 0表示還有更多的輸入 */
}
示例使用yywrap()執行連續的處理。每次詞法分析程序調用yywrap()的時候,都嘗試從命令行中打開下一個文件名並將打開的文件賦給yyin,如果存在另一個文件就返回0,如果沒有就返回1.
下面我們來看一下運行的效果:
(四):寫在後面
後面我們將繼續進行lex的學習,將會有更多的例子程序來使我們更加深入的理解和使用lex。加油。