编译原理实战课---词法分析

本节课主要涉及词法分析，将一段话使用分词器tokenizer 进行分词，关键是怎么分词？分词的规则是啥？一般我们会联想到正则文法进行匹配？ 如果正则满足不了呢？等等一系列的问题。

在分词过程中我们需要有一个数学模型-有限自动机（Finite-state Automaton，FSA），或者叫做有限状态自动机（Finite-state Machine，FSM），什么是状态机呢？

状态机是有限状态自动机的简称，是现实事物运行规则抽象而成的一个数学模型。

说白了就是一张状态转换图，这里会涉及到四个概念：

1. 状态，比如开 闭等

2. 事件 执行某个操作触发的条件或者指令

3. 动作，事件发生后的要执行的动作

4. 变换transition 从一个状态变化未另一个状态

状态转换.jpg

上图是对数字字面量和标识符的状态转移过程; 进入初始状态(单线圈标识临时状态)，遇到数字进入1，如果接下里还是数字继续处于1状态，如果接下来是空格，这代表此状态结束进入初始状态，此时前面的数字部分就是一个单独的token; 同理初始遇到的是一个字母，则进入2状态，接下来一个字符是数字或者字母则继续呆在2状态，除非遇到空白字符或者其他标识符导致异常出现

词法分析的过程，其实就是对一个字符串进行模式匹配的过程

词法分析器

1. 生成词法分析器

词法分析器生成工具 lex（及 GNU 版本的 flex）能够基于规则自动生成词法分析器。

2. DFA & NFA

DFA 它是“Deterministic Finite Automaton”的缩写，即确定的有限自动机。它的特点是：该状态机在任何一个状态，基于输入的字符，都能做一个确定的状态转换。前面例子中的有限自动机，都属于 DFA。

NFA，它是“Nondeterministic Finite Automaton”的缩写，即不确定的有限自动机。它的特点是：该状态机中存在某些状态，针对某些输入，不能做一个确定的转换。

3. 任何一个正则表达式都可以转化为DFA或者NFA

语法分析

掌握语法分析阶段的核心需要两个基本功：

第一，必须能够阅读和书写语法规则，也就是掌握上下文无关文法；

第二，必须要掌握递归下降算法。两种算法思路：一种是自顶向下的语法分析，另一种则是自底向上的语法分析。