编译原理实验：使用C/C++语言编写C-语言的词法分析器
文章目录
- 实验目的
- 实验任务
- 实验内容
- 实验步骤
- 分析c-的词法规则
- 算法基本思想
- Step1 find token：
- Step2：DFA状态图构建
- Step3：使用while+switch双循环将DFA代码化
- 主程序流程
- 各程序模块之间层次关系
- 主要变量说明
- 实验结果
- 源码
实验目的
学习和掌握词法分析程序手工构造状态图及其代码实现方法。
实验任务
（1）阅读已有编译器的经典词法分析源程序；
（2）用C或C++语言编写一门语言的词法分析器
实验内容
（1）阅读已有编译器的经典词法分析源程序。
选择一个编译器，如：TINY，其它编译器也可（需自备源代码）。阅读词法分析源程序，理解词法分析程序的手工构造方法——状态图代码化。尤其要求对相关函数与重要变量的作用与功能进行稍微详细的描述。若能加上学习心得则更好。TINY语言请参考《编译原理及实践》第2.5节（见压缩包里附带的文档）。
（2）确定今后其他实验中要设计编译器的语言，如TINY语言，又如更复杂的C－语言（其定义在《编译原理及实践》附录A中）。也可选择其它语言，不过要有该语言的详细定义（可仿照C－语言）。一旦选定，不能更改，因为要在以后继续实现编译器的其它部分。鼓励自己定义一门语言。
（3）根据该语言的关键词和识别的词法单元以及注释等，确定关键字表，画出所有词法单元和注释对应的DFA图。
（4）仿照前面学习的词法分析器，编写选定语言的词法分析器。
（5）准备2~3个测试用例，要求包含正例和反例，测试编译结果。
实验步骤
分析c-的词法规则
算法基本思想
Step1 find token：
完整的词法分析器，应该先分清楚记号：在定义某一种语言的时候，会给出其需要使用的记号。Tiny语言的记号分为三类：8个保留字、10个特殊标号、其他记号：数和标识符。
Step2：DFA状态图构建
根据记号，可以构建DFA图，其注意事项如下：
①可以分别为不同种类的符号各自画出DFA图，最后合成一个DFA图；
②对于不同的DFA可能有多个接受状态，其返回值也不同。将多个状态图合并时，同时将接受状态合并为一个最终的接受状态；每个记号可以根据最后一个输入符号的不同，返回不同的词素，用来在最终状态中区分各种词素。
③需要注意语法惯例：如，{}为注释，之间不能有嵌套；最长子串原则；以及后续接识别记号。
④对空白符的处理：制表符、空格、回车被当做空白符处理。其处理过程在初始状态，如果输入的符号为空白符，那么当前状态仍为初始状态。即不将空白符当做一个词法单元处理。
⑤对保留字的处理：不单独为保留字设置DFA状态图，创建枚举类型来保留关键字；读取由字符构成的ID，该ID识别结束后，在枚举类型中查找是否是保留字，如果是保留字，则做特殊处理。
⑥两种获取下一个字符的方式：第一种是直接消耗掉输入符号，如果在识别一个记号的过程中，读到某一个符号就能确定该记号读取完毕，那么该符号是可以被直接消耗掉的；第二种是不消耗输入符号，如果在识别一个记号的过程中，读到某一个输入符号能确定该记号读取完毕，但是该符号并不属于该记号时，该符号不能被消耗。Tiny在区别这两种方式的方法是在DFA中添加[other]边，如果是通过[other]边到达接受符号，那么表示该[other]符号需要被回吐。
构造DFA图：
专用符号的状态转换图：
我们将由一个符号构成的专用符号：+ - * ; , ( ) [ ] { }合并为一条边，只要在初始状态中当前符号为以上符号，那么直接可以转向接收状态。
由两个符号构成的专用符号：”<=” 、“ >=” 、“ ==” 、“ !=”需要特殊处理。在输入前一个符号后进入一个中转状态（表示已接收到前一个符号），再检测接下来的输入符号。如果输入符号是特殊符号中的第二个符号，表示接受到了由两个符号组成的特殊符号，存储这个特殊符号，跳转到接受状态；如果输入符号为其他符号，那么说明我们接受到了由一个符号构成的特殊符号，需要将当前符号回吐，再跳转到接收状态。
特殊的符号’/’，该符号同时作为除的表示以及注释的开端，
INNUM、INID状态分别表示以及接受了一个以上的数字或者字母。如果接收到非数字或非字母的数字即跳转到接受状态，并且将最后一个输入的字符回吐。
注释是不会到达接受状态，因为注释不需要做词法分析，读到完整的注释之后返回初始状态即可
注释与除号第一个符号相同，在输入符号为/的情况下，下一个输入符号为时才表示注释开始。如果为其他符号，则表示/为除号。注释结束时，输入符号为，下一个输入符号为/时表示注释结束，下一个输入符号为其他符号时，则表示还在注释中。
Step3：使用while+switch双循环将DFA代码化
词法识别主要用到的函数是getToken，每执行一次，返回一个词法单元。
外层while循环为：当前状态不为接受状态时，每次循环获取一个字符；直到到达接受状态，说明一个词法单元识别完毕。将该词法单元存储，并打印出来。
内层switch循环为：判断当前状态，依据当前输入的符号进行状态的切换，同时选择该符号是否被存储、该字符是否被回吐以及在接受状态下设定当前词法单元的类型。
主程序流程
各程序模块之间层次关系
- getNextChar
每次从文件中读入字符（长度为bufsize）存入缓冲区，每次返回缓冲区中的一个符号；
读取符号位置使用linepos标记，当linepos不小于bufsize的时候即缓冲区中符号读取完毕时，从文件中读取一行字符存入缓冲区，将linepos置为0。如果没有读取成功说明到达文件结尾EOF设置为true。
int getNextChar(void){
if(!(linepos < bufsize)){/*行缓冲区用完了*/
行标增加
从source文件中读取长度为BUFLINE-1的字符串存到行缓冲区符串*/
If(读取成功)
将bufsize设置为缓冲区字符长度
从buf最开始读取
返回当前字符，并且列号+1
}
else{
没有读取成功，说明文件结束
}
}
else{
返回当前字符
}
}
-
unGetnextChar
如果文件没有结束，那么直接将linepos减去1就可以重新读取该字符以实现回吐的目的。 -
ReserveLookup
根据getToken返回的字符，在保留字数组中进行查找。如果找到，说明该词素为保留字，返回保留字的类型。否则返回ID表示该词素的类型为ID； -
getToken：
使用while+switch方法，每调用一次getToken返回一个词素；每执行一趟while表示一次状态的跳转，其中还包括了对词素的存取等等。
设置开始状态state = START
设置是否存储标记save
While(当前状态不是接受状态)
C = 下一个字符；
save设置为保存
Switch(state){
Case START:
根据输入符号，判断跳转状态，C是否被储存、是否回吐
break;
Case INLCOM：
根据输入符号，判断状态跳转，C是否被储存、是否回吐
break;
.................
Case DONE：
Default:
}
将C加入到词法单元字符串中
if(state == Done){
获取到了一个词法
If(currentToken==ID)
检查词法类型是否为保留字
}
}
5.printToken
为了方便查看测试样例，打印输出每一次识别的词素，根据getToken中返回的词法单元，对每个词法单元进行打印。
主要变量说明
| 符号 | 词法类型 | 符号 | 词法类型 | 符号 | 词法类型 |
|---|---|---|---|---|---|
| + | PLUS | / | OVER | = | EQ |
| - | MINUS | < | LT | ; | SEMI |
| * | TIMES | > | GT | , | COMMA |
| ( | LPAREN | ) | RPAREN | [ | LBRK |
| ] | RBRK | { | LBRACE | } | RBRACE |
| <= | LTE | >= | GTE | == | EEQ |
| != | NEQ | 标识符 | ID | 数字 | NUM |
总状态图：
实验结果
结果分析：
1行为注释，没有被词法分析器分析
3-4行为C-语言的保留字，都被识别
6-10行为C-语言的特殊符号，都被识别
5行为被空格分割的标识符和数字，6行为被空格分割的标识符和标识符，分别被识别。
源码
#include
#include
#include
#include
#define TRUE 1
#define FALSE 0
#define MAXRESERVED 6 //关键字最大程度
#define MAXTOKENLEN 40 //标识符最大长度
/* allocate global variables */
int lineno = 0;
FILE * source; //读入文件
FILE * listing; //output file
//FILE * code;
/* allocate and set tracing flags */
int EchoSource = TRUE;
int TraceScan = TRUE;
int TraceParse = FALSE;
int TraceAnalyze = FALSE;
int TraceCode = FALSE;
int Error = FALSE;
typedef enum //枚举类型，保存词素类型
/* book-keeping tokens */
{ENDFILE,ERROR,
/* reserved words */
IF,ELSE,INT,RETURN,VOID,WHILE,
/* multicharacter tokens */
ID,NUM,
/* special symbols */
/*[]{} >= <= != == = < > + - * / () ; , */
LBRK,RBRK,LBRACE,RBRACE,GTE,LTE,NEQ,EQ,ASSIGN,LT,GT,PLUS,MINUS,TIMES,OVER,LPAREN,RPAREN,SEMI,COMMA
} TokenType;
typedef enum //枚举类型，保存状态
{ START,INRCOM,INLCOM,INCOMMENT,INNUM,INID,DONE,INLTE,INGTE,INEEQ,INNEQ}
StateType;
char tokenString[MAXTOKENLEN+1]; //保存标识符
#define BUFLEN 256
static char lineBuf[BUFLEN]; /*读取一行字符保存 */
static int linepos = 0; /* 指示缓存中第几个字符 */
static int bufsize = 0; /* 当前缓存中字符串长度 */
static int EOF_flag = FALSE; /* 错误标识 */
static struct //关键字字结构，方便查询
{ char* str;
TokenType tok;
} reservedWords[MAXRESERVED]
= {{"if",IF},{"int",INT},{"else",ELSE},{"return",RETURN},
{"void",VOID},{"while",WHILE}};
/* getNextChar fetches the next non-blank character
from lineBuf, reading in a new line if lineBuf is
exhausted */
static int getNextChar(void)//获取缓存中下一个字符
{ if (!(linepos < bufsize))
{ lineno++;
if (fgets(lineBuf,BUFLEN-1,source))
{ if (EchoSource) fprintf(listing,"%4d: %s",lineno,lineBuf);
bufsize = strlen(lineBuf);
linepos = 0;
return lineBuf[linepos++];
}
else
{ EOF_flag = TRUE;
return EOF;
}
}
else return lineBuf[linepos++];
}
/* ungetNextChar backtracks one character
in lineBuf */
static void ungetNextChar(void)//将当前符号回吐
{ if (!EOF_flag) linepos-- ;}
/* lookup an identifier to see if it is a reserved word */
/* uses linear search */
static TokenType reservedLookup (char * s)// 查看标识符是否为关键字
{ int i;
for (i=0;i=\n"); break;
case LT: fprintf(listing,"<\n"); break;
case GT: fprintf(listing,">\n"); break;
case NEQ: fprintf(listing,"!=\n"); break;
case ASSIGN: fprintf(listing,"=\n"); break;
case LPAREN: fprintf(listing,"(\n"); break;
case RPAREN: fprintf(listing,")\n"); break;
case SEMI: fprintf(listing,";\n"); break;
case PLUS: fprintf(listing,"+\n"); break;
case MINUS: fprintf(listing,"-\n"); break;
case TIMES: fprintf(listing,"*\n"); break;
case OVER: fprintf(listing,"/\n"); break;
case ENDFILE: fprintf(listing,"EOF\n"); break;
case NUM:
fprintf(listing,
"NUM, val= %s\n",tokenString);
break;
case ID:
fprintf(listing,
"ID, name= %s\n",tokenString);
break;
case ERROR:
fprintf(listing,
"ERROR: %s\n",tokenString);
break;
default: /* should never happen */
fprintf(listing,"Unknown token: %d\n",token);
}
}
TokenType getToken(void)
{
int tokenStringIndex=0;
TokenType currentToken; // 声明一个当前状态
StateType state=START; // 初始化当前状态为START
int save; //是否保存到tokenString
while(state!=DONE)
{
int c=getNextChar();
save=TRUE;
switch(state)
{
case START:{
if(isdigit(c))
state=INNUM;
else if(isalpha(c))
state=INID;
else if((c==' ') || (c=='\t') || (c=='\n'))
save=FALSE;
else if(c=='=')
state=INEEQ;
else if(c=='<')
state=INLTE;
else if(c=='>')
state=INGTE;
else if(c=='!')
state=INNEQ;
else if(c=='/')
state=INLCOM;
else
{
state=DONE;
switch(c)
{
case EOF:
save=FALSE;
currentToken=ENDFILE;
break;
case '+':
currentToken=PLUS;
break;
case '-':
currentToken=MINUS;
break;
case '*':
currentToken=TIMES;
break;
case '(':
currentToken=LPAREN;
break;
case ')':
currentToken=RPAREN;
break;
case '[':
currentToken=LBRK;
break;
case ']':
currentToken=RBRK;
break;
case '{':
currentToken=LBRACE;
break;
case '}':
currentToken=RBRACE;
break;
case ';':
currentToken=SEMI;
break;
case ',':
currentToken=COMMA;
break;
default:
currentToken=ERROR;
break;
}
}
break;
}
case INLCOM:{
if(c=='*')
{
tokenStringIndex=0;
save=FALSE;
state=INCOMMENT;
}
else if(c==EOF)
{
state=DONE;
currentToken=ENDFILE;
}
else
{
currentToken=OVER;
state=DONE;
}
break;
}
case INCOMMENT:{
save=FALSE;
if(c=='*')
state=INRCOM;
else if(c==EOF)
{
state=DONE;
currentToken=ENDFILE;
linepos--;
}
break;
}
case INRCOM:{
save=FALSE;
if(c=='/')
state=START;
else if(c==EOF)
{
state=DONE;
currentToken=ENDFILE;
}
else
state=INCOMMENT;
break;
}
case INNUM:{
if(!isdigit(c))
{
ungetNextChar();
save=FALSE;
state=DONE;
currentToken=NUM;
}
break;
}
case INID:{
if(!isalpha(c))
{
ungetNextChar();
save =FALSE;
state=DONE;
currentToken=ID;
}
break;
}
case INEEQ:{
if(c=='=')
{
state=DONE;
currentToken=EQ;
}
else
{
ungetNextChar();
save =FALSE;
state=DONE;
currentToken=ASSIGN;
}
break;
}
case INLTE:{
if(c=='=')
{
state=DONE;
currentToken=LTE;
}
else
{
ungetNextChar();
save =FALSE;
state=DONE;
currentToken=LT;
}
break;
}
case INGTE:{
if(c=='=')
{
state=DONE;
currentToken=GTE;
}
else
{
ungetNextChar();
save =FALSE;
state=DONE;
currentToken=GT;
}
break;
}
case INNEQ:{
if(c=='=')
{
state=DONE;
currentToken=NEQ;
}
else
{
ungetNextChar();
save =FALSE;
state=DONE;
currentToken=ERROR;
}
break;
}
case DONE:{
break;
}
default:{
fprintf(listing,"Scanner Bug:state=%d\n",state);
state=DONE;
currentToken=ERROR;
break;
}
}
if((save) && (tokenStringIndex<=MAXTOKENLEN))
tokenString[tokenStringIndex++]=(char)c;
if(state==DONE)
{
tokenString[tokenStringIndex]='\0';
if(currentToken==ID)
currentToken=reservedLookup(tokenString);
}
}
if(TraceScan){
fprintf(listing, "\t%d: ", lineno);
printToken(currentToken, tokenString);
}
return currentToken;
}
int main(int argc, char * argv[]){
char pgm[120]; /* source code file name */
/*if (argc != 2)
{ fprintf(stderr,"usage: %s \n",argv[0]);
exit(1);
}
strcpy(pgm,argv[1]) ;
if (strchr (pgm, '.') == NULL)
strcat(pgm,".c-");*/
//source = fopen(pgm,"r");
source = fopen("test.c-","r");
if (source==NULL)
{ fprintf(stderr,"File %s not found\n",pgm);
exit(1);
}
listing = stdout; /* send listing to screen */
fprintf(listing,"\nC- COMPILATION: %s\n",pgm);
while(getToken()!=ENDFILE);
fclose(source);
return 0;
}