使用自动化语法分析工具BISON

BISON 用于语法分析器的自动生成，这个工具可以在网上下载获得。 化点时间学习这个工具的用法，并用于 SQL 语言的分析，可以让我们把精力专注在语法规则上，而不是具体的分析函数编写上。对整个 DBMS 来说，使用自动化工具进行语言处理程序的自动生成，使得语言分析模块成为最可靠最方便维护的模块之一。

 

BISON 源文件的结构

 

我们需要按照 BISON 的要求，书写 BISON 的源程序（ gramma.y ），然后由 BISON 把它翻译为 C 文件。因此， BISON 是编译程序的翻译器。 BISON 的源文件通常由八个部分组成：

 

一．    自由定义部分 :

 

%{

/* 任何合法的 C 语句 */

%}

 

这部分被 BISON 原封不动地复制到输出的 .C 文件中。

 

二．语法栈的联合 (UNION) 结构

语法分析程序使用一个堆栈来存放规约到的各个语法成分，堆栈用一个数组表示，这个数组的每个元素需要能够描述每一个语法成分，所以采用一个 UNION ：

%union

{

/* 产生式 对应的语法成分 */

}

 

Union 中的每一个项，都是一个语法规则的每一个非终结符；以整数四则表达式为例：

exp : exp ‘+’ exp

     | exp ‘-‘ exp

     | exp ‘*’ exp

     | exp ‘/’ exp

     | ‘(‘ exp ‘)’

     | lt_integer

;

 

lt_integer: LT_INTEGER;

 

有两个语法规则，对应了两个非终结符号 : exp 是表达式， lt_integer 表示整数常量（ LT_INTEGER 表示词法分析程序返回的一个确认为整数的单词）。 对应的，这个 union 可以书写为：

%{

  par_exp_t*      exp;

  int             lt_integer;

};

 

其中 par_exp_t 用来描述被识别出的 exp 的信息， int 存放被识别出的整数的值。 上面的例子很简单，所以 union 只有两个字段；在 DM 的语法分析程序中，这个 UNION 大约有 490 个字段，也就是，大概有 490 个语法规则产生式。

 

三．非终结符的类型声明

上面定义了分析栈的 UNION 类型 , 还需要把字段名与语法非终结符号对应起来：

%type < 字段名 >  非终结符号

 

如上例，这部分应该写为：

%type <exp> exp

%type <lt_integer> lt_integer

 

看上去似乎有点多余，每一行都是一个简单的重复。但前面一个表示的是 UNION 中对应的字段名，后一个是语法符号；如果我们把 UNION 改为 :

%{

par_exp_t*  eeee;

int          iiii;

};

那么对应的类型声明需要改为：

%type <eeee> exp

%type <iiii> lt_integer;

 

这种不一致的写法，事实上会造成混乱，所以在 DM 系统中，采用上面一致的写法。

 

四：单词声明

语法分析的输入是连续的有确定意义的单词。下面需要声明分析程序支持的单词：

%token LT_INTEGER

 

对于 SQL 语法，关键字如： SELECT, FROM, WHERE 等，都可以定义为单词 :

%token KW_SELECT, KW_FROM

%token KW_WHERE

 

五 . 确定运算符的优先级

%left ‘-‘ ‘+’

%left ‘*’ ‘/’

%left ‘(‘ ‘)’

 

%left 表示是左结合的，表示先规约左边的产生式，反应到表达式计算中：

1 + 2 + 3 别识别为：（（ 1 + 2 ） + 3), 而不是 (1 + (2 + 3))

 

优先级低的符号列在前面，高有限级的符号列在后面 ; 同一行的表示优先级相同。所以上面的书写方式，　符合“先乘除，后加减，括号最优先”的原则。

 

除了 %left 以后，还有 %right, %nonassoc 等用来只是右结合，或者不结合等说明符号，可查看 bison 的详细说明。

 

六 . 声明语法的开始符号

%start exp

 

这是告知 bison, 这是语法最终需要规约的非终结符号。

 

七 . 语法规则定义

 

这是语法分析程序的核心定义部分，用 %% 开始 , 前面已经列出了关于表达式的语法规则：

%%

exp : exp ‘+’ exp

     | exp ‘-‘ exp

     | exp ‘*’ exp

     | exp ‘/’ exp

     | ‘(‘ exp ‘)’

     | lt_integer

;

 

lt_integer: LT_INTEGER;

 

八．自由添加的 C 源代码

在语法规则定义部分的后面，可以用 %% 开始，定义 C 的辅助代码。这部分代码将被原封不动地复制到输出的 .C 文件中。

 

给语法规则配上规约动作

 

规约动作是一段 C 代码，它的作用是每当分析器识别出一个语法符号时，调用该代码，完成一定的动作。通常，我们使用这段代码，来建立当前语法节点与子节点勾连动作。规约动作应该紧接在语法规则的后面。

 

如上例 :

exp : exp ‘+’ exp

    { $$ = new_node(PAR_EXP, 1);  /* A */

      $$->tag = 1;                   /* B */

      $$->exp1 = $1;                 /* C */

      $$->exp2 = $3;                 /* D */

 

      g_root = $$;              /* E */

    }

     | ‘(‘ exp ‘)’

    {

       $$ = $2;                      /* F */

    }    

;

 

这里仅列出了其中的两个子规则 , 其中 A, B, C, D 四个语句构成了第一个子规则的语句块 :

A; 为识别出的 exp 生成一个结构 ,  用 $$ 指向它。 $$ 是一个 bison 定义的特殊标记，其意义是当前语法栈的规约元素。如果没有规约动作代码，缺省情况下赋予 $$ 为 NULL 。 new_node 是一个需要自己编写的函数 , 用于生成各个子节点， PAR_EXP 是一个事先定义的常量。显然，对于不同的规则，需要定义不同的常量类型。象 new_node 这样的函数，一般放在 .y 文件的最后一个部分。

B: 用来区分是哪个子规则规约的，这里用 tag = 1 来表示两个子表达式 ‘+’ 运算

C. 保留第一个子表达式； $1 表示这个产生式的第 1 个语法成分所在的语法栈中对应的值

D. 保留第二个子表达式； $3 表示这个产生式的第 3 个语法成分所在的语法栈中对应的值；注意这里的 ’+’ 也占一个位置， 用 $2 ，这里因为有 tag=1 ，已经把相应的信息保存到 $$ 中，所以不需要管它。

E: 这是一个比较特别的语句， 它把 $$ 赋给了一个全局量。因为 exp 是个开始符号，当分析结束时，这个 g_root 就是语法树的根。

 

F: 因为 加了括号的表达式与原表达式等价，所以直接把 $2 赋给 $$ 就可以了，不需要再生成 par_exp 节点。

 

最终的函数yyparse()

 

yyarse （）是 bison 生成的分析器的主函数。 调用 yyarse() ，如果一切顺利，那么上例中的 g_root 将指向一个完成的语法树。

 

 

出错处理

如果输入的字符串有语法错误，则分析器将停止分析，在退出 yyparse() 函数前，会调用一个 yyerror(char*s) 的函数，这个函数需要用户自己定义，以便能捕获一些用意义的信息，比如：语法错误出现的行号，附近的单词等。