Lex和yacc工具介绍
在编译过程中，词法分析和语法分析是两个重要阶段。lex和yacc是Unix环境下非常著名的两个工具，可以生成分别完成词法分析和语法分析功能 的C代码。在学习编译原理过程中，可以善加利用这两个工具，加深对两个阶段的理解。在平时的工作中，这两个工具也会起到重要的作用。
词法分词器生成工具lex
Lex是LEXical compiler的缩写，主要功能是生成一个词法分析器(scanner)的C源码。描述词法分析器的文件，经过lex编译后，生成一个lex.yy.c 的文件，然后由C编译器编译生成一个词法分析器。词法分析器，简单来说，其任务就是将输入的各种符号，转化成相应的标识符(token)，转化后的标识符 很容被后续阶段处理。
先让我们来看一个简单的例子：
int num_lines = 0, num_chars = 0;
%%
/n {++num_lines; ++num_chars;}
. {++num_chars;}
%%
main()
{
yylex();
printf("# of lines = %d, # of chars = %d/n", num_lines, num_chars);
}
然后编译，输入一个文本试试：
$ flex sample1.l$ mv lex.yy.c sample1.c$ gcc sample1.c -o sample1 -ll$ ./sample1 <sample.txt# of lines = 4, # of chars = 225
没多少代码就可以实现一个行数统计程序。让我们再加点功能。
int num_lines = 0, num_chars = 0, num_words = 0;
%%
/n {++num_lines; }
[A-Za-z]* {++num_words; }
. {++num_chars; }
%%
main()
{
yylex();
printf("lines:%d /tchars:%d/twords:%d/n", num_lines, num_chars, num_words);
}
现在这个lex文件可以用来生成一个统计行数、字符个数和单词个数的工具。
让我们来仔细研究一下这个奇妙的工具吧。先看看Lex文件的结构。 Lex文件结构简单，分为三个部分：
declarations
%%
translation rules
%%
auxiliary procedures分别是声明，转换规则和其它函数。
声明段包括变量的声明、符号常量的声明和正则表达式声明。希望出现在目标C源码中的代码，用％{…％}扩在一起。比如：
%
{#include <stdio.h>
#include "y.tab.h"
typedef char * YYSTYPE;
char * yylval;
%
}
正则表达式声明如下
/* regular definitions */
delim [ /t/n]
ws {delim}+
letter [A-Za-z]
digit [0-9]
id {letter}({letter}{digit})*
number {digit}+(/.{digit}+)?(E[+/-]?{digit}+}?
这段正则表达式描述识别数(number)、标识符(id)的“规则”。过一会我们再细说正则表达式。
规则段是由正则表达式和相应的动作组成的。
p1 {action1}
p2 {action2}
……
pn {actionn}
值得注意的是，lex 依次尝试每一个规则，尽可能地匹配最长的输入流。如果有一些内容根本不匹配任何规则，那么 lex 将只是把它拷贝到标准输出。比如
%%
A {printf("you");}
AA {printf("love ");}
AAAA {printf("I ");}
%%
编译后运行一下，
$ ./sample3
AAAAAAA
I love you
可以看出lex的确按照最长的规则匹配。
程序段部分放一些扫描器的其它模块，比如一些动作执行时需要的模块。也可以在另一个程序文件中编写，最后再链接到一起。 生成C代码后，需用C的编译器编译。连接时需要指定链接库。gcc的连接参数为 -ll。
[编辑]正则表达式
正则表达式(regular expression)可以描述有穷状态自动机(finite automata)接受的语言，也就是定义一个可以接受的串的集合。限于篇幅，我们就不展开关于这方面的话题了。有兴趣的请参考[4]。 这里只介绍一下lex中用到的正则表达式的一些规则。
转义字符（也称操作符）：
" / [ ] ^ - ? . * + | ( ) $ / { } % < >这些符号有特殊含义，不能用来匹配自身。如果需要匹配的话，可以通过引号(")或者转义符号(/)来指示。比如
C"++" C/+/+都可以匹配C++。
非转义字符：所有除了转义字符之外的字符都是非转义字符。一个非转义字符可以匹配自身。比如
integer匹配文本中出现的integer。
通配符：通配符就是.（dot），可以匹配任何一个字符。
字符集：用一对[]指定的字符构成一个字符集。比如[abc]表示一个字符集，可以匹配a、b、c中的任意一个字符。使用 – 可以指定范围。比如[a-z]表示可以匹配所有小写字母的字符集。
重复：
* 任意次重复+ 至少一次的重复，相当于xx*? 零次或者一次选择和分组：|符号表示选择，二者则一；括号表示分组，括号内的组合被看作是一个原子。比如(ab|cd)匹配ab或者cd。
文法分析器生成工具yacc
简单来说，yacc(Yet Another Compiler-Compiler)就是编译器的编译器。Yacc是一个通用的工具，能够根据用户指定的规则，生成一个词法分析程序。yacc能识别 LALR(1)且无歧义的文法，它的输入是词法分析器的输出。我们知道，生成词法分析器是lex分内的事，因此lex和yacc常常珠联璧合。
先让我们看一下yacc文件的格式。和前面介绍的lex的格式类似：
declarations(声明)
%%rules(规则)%%
programs(代码)
其中声明段声明一些符号常量，可以为空。同lex一样，声明段中可以有出现在目标C程序中的代码，放在%{…%}中；还有一些yacc关键词可以指示出token的结合顺序： ％left 左结合 %right 右结合 %nonassoc 不结合 %token 声明token
俗话说“没有规矩，不成方圆”。 规则段描述规则，自然是重中之重了。规则段的结构是如下，
A : BODY ;
A表示非终结符名，BODY表示产生式和动作。产生式包括非终结符和终结符，终结符用’’引用。一些转义字符，比如’/r’,’/n’等，和C里面 的表示是一样的。动作(action)则是在输入被当前规则识别出来时而执行的。动作实际上就是C的代码，写在{ }中。为了沟通词法分析器和动作，yacc引入了形式变量，以$开头。如果希望获得词法分析器和前面的动作返回的值，我们可以使用$1,$2,…。$i表 示一条规则右侧第i个单元的值。比如有这样的一条规则，
A : B C D ;C的返回值为$2，D为$3。依此类推。
程序段放一些其它的程序，也可以省略，连%%都可以不要。
连接时需要指定连接库，gcc的参数为-ly。
[编辑]举例
让我们看一个典型的例子，它实现一个简单的计算器：
%
{
# include <stdio.h>
# include <ctype.h>
int regs[26];
int base;%
}
%start list
%token DIGIT LETTER
%left '|'
%left '&'
%left '+' '-'
%left '*' '/' '%'
%left UMINUS /* supplies precedence for unary minus */
%%
/* beginning of rules section
*/list :
/* empty */
| list stat '/n'
| list error '/n'
{
yyerrok;
} ;
stat : expr
{ printf( "=%d/n", $1 ); }
| LETTER '=' expr
{ regs[$1] = $3; } ;
expr : '(' expr ')'
{ $ = $2; }
| expr '+' expr
{ $ = $1 + $3; }
| expr '-' expr
{ $ = $1 - $3; }
| expr '*' expr
{ $ = $1 * $3; }
| expr '/' expr
{ $ = $1 / $3; }
| expr '%' expr
{ $ = $1 % $3; }
| expr '&' expr
{ $ = $1 & $3; }
| expr '|' expr
{ $ = $1 | $3; }
| '-' expr %prec UMINUS
{ $ = - $2; }
| LETTER
{ $ = regs[$1]; }
| number
;
number : DIGIT
{ $ = $1; base = ($1==0) ? 8 : 10; }
| number DIGIT
{ $ = base * $1 + $2; } ;
%%
/* start of programs */
yylex()
{
/* lexical analysis routine */
/* returns LETTER for a lower case letter, yylval = 0 through 25 */
/* return DIGIT for a digit, yylval = 0 through 9 */
/* all other characters are returned immediately */
int c;
while( (c=getchar()) == ' ' )
{
/* skip blanks */
}
/* c is now nonblank */
if( islower( c ) )
{
yylval = c - 'a';
return ( LETTER );
}
if( isdigit( c ) )
{
yylval = c - '0';
return( DIGIT );
}
return( c );
}
编译、执行：
$bison example.y
$gcc example.tab.c –ly -o example
$./example
20+30*50=1520
小结
lex是词法分析器的生成工具，yacc是文法分析器的生成工具。lex的描述规则采用正则表达式，关于正则表达式的详细讨论，参见文献[1]； yacc的描述规则采用无歧异文法。在GNU中有相应lex和yacc工具：flex和bison，与lex和 yacc兼容。