编译原理-词法分析器

对于词法分析器的要求

概念

• 词法分析的任务：从左到右逐个字符地对源程序进行扫描，产生一个个单词符号
• 词法分析器：又称扫描器，执行词法分析的程序

词法分析器的功能和输出形式

• 功能：输入源程序，输出单词符号
• 关键字：程序语言定义的具有固定意义的标识符，例如Pascal中的begin、end、if、while
• 标识符：表示各种名字：如变量名、数组名和过程名
• 常数：整型、实型、布尔型、文字型。
• 运算符：+、-、*、/
• 界符：逗号、分号、括号
• 输出的单词符号：（单词种别， 单词符号的属性值）
  • 单词种别：单词种别通常用符号编码表示
    
• 词法分析器在编译器中的地位
  

词法分析器的设计

词法分析器的结构

• 输入缓冲区:输入源程序文本，输入串放在一个缓冲区中,
• 扫描缓冲区：
  
• 预处理子程序主要的工作:剔除无用的空白、空格、换行、回车等字符
• 扫描器：处理经过预处理子程序处理过的相对规整的字符串

单词符号的识别：超前搜索

• 关键字的识别：
  
• 标识符的识别：字母开头的字母数字串，后跟界符或算符
• 常数识别：识别出算术常数并将其转变为二进制内码表示，有些也要超前搜索
• 算符和界符的识别：把多个字符结合而成的算符和界符拼合成一个单一单词符合
• 几点限制-不必使用超前搜索：
  1.所有关键字都是保留字
  2.关键字作为特殊的标识符处理，都是用保留字表
  3.如果基本字、标识符、常量之间没有确定的运算符或界符做间隔，则必须使用一个空白符做间隔

状态转换图

• 节点：代表状态，用圆圈表示
  
• 箭弧：状态之间用箭弧连接，箭弧上的标记代表射出结状态下可能出现的输入字符或字符类
  有限个状态必须有初态和终态
• 状态转换图可用于识别一定的字符串：若存在一条从初态到某一终态的道路，且这条路上所有弧上的标记符连接成的字等于alfa，则称alfa为改状态转换图所识别。
  
  

正规表达式和有限自动机

正规式和正规集

• 正规式：正规集的名字，当我们一看到正规式的时候就能想起来正规式对应的正规集
• 正规集：真正的字集，可以理解为我们要研究的程序语言单词的集合就是正规集
• 正规式等价：若两个正规式所表示的正规集相同，则认为二者等价

确定有限自动机（DFA）

确定有限自动机是状态转换图的一种形式化表示

eg：

答案：B

我们考虑转换到状态1的条件：我们只有在接收到字符a的时候才会转换成状态1，而想要从状态1转换的状态3则必须要再接收一个字符a，考虑状态2，只有在接收到字符b的情况下才会转换到状态2，然后终态一定是以aa或bb结尾吗？我们看到终态还可以接收a|b转圈，所以一定不是以aa|bb结尾，但是要想从初态到终态，一定会经过1、2两个状态中的一个，所以一定会出现连续的aa|bb

ans:A
A:识别的是空串，从初态到终态可以一个字都不接收
B:识别的是空集

非确定有限自动机（NFA）

NFA和DFA统称为有限自动机

• 定义：
  下图是DFA和NFA的状态转换图
  
  

• DFA是NFA的区别
  
  DFA和NFA的转换：子集法

1. 将初态唯一化
2. 将弧上面的多个字符集|正规式变成单个字符
   
3. 将弧上的ε去掉、且做唯一化
   

这一步是将弧上的ε去掉，这样我们把这些识别字相同的状态放在一起了，这样直接放在一起还会有一个问题就是他们还有自己的识别状态

经过a弧：严格意义上经过一个a弧,强调个数,再对J做ε闭包

I 和 Ia的关系：I和Ia都是一个状态，I经过若干个弧（第一个弧是a后面的弧都是ε）可以到达Ia，实际意义就是I识别一个a字符到达Ia，
这一步进行的意义是将状态之间的转换，变为状态集之间的转换，这样就有可能消除映射不是单值部分映射的问题