HNU编译原理lab1实验--根据cminux-f的词法补全lexical_analyer.l文件,完成词法分析器。
本文没有添加任何图片,但是以复制输出的形式展现出来了实验结果。
实验要求:
根据cminux-f的此法补全lexical_analyer.l文件,完成词法分析器,能够输出识别出的token,type,line(刚出现的行数),pos_start(该行的开始位置),post_end(结束位置 不包含)
例如:
文本输入:
int a;
则识别结果应为:
int 280 1 2 5
a 285 1 6 7
; 270 1 7 8
cminus-f词法
C MINUS
是C语言的一个子集,该语言的语法在《编译原理与实践》第九章附录中有详细的介绍。而cminus-f
则是在C MINUS
上追加了浮点操作。
-
关键字else if int return void while float
-
专用符号+ - * / < <= > >= == != = ; , ( ) [ ] { } /* */
-
标识符ID和整数NUM,通过下列正则表达式定义:
letter = a|...|z|A|...|Z
digit = 0|...|9
ID = letter+
INTEGER = digit+
FLOAT = (digit+. | digit*.digit+) -
注释用
/*...*/
表示,可以超过一行。注释不能嵌套。/.../
- 注:
[
,]
, 和[]
是三种不同的token。[]
用于声明数组类型,[]
中间不得有空格。a[]
应被识别为两个token:a
、[]
a[1]
应被识别为四个token:a
,[
,1
,]
实验难点
git相关操作:常用的命令在实验文档中
将实验仓库克隆到本地:打开本地的工作目录,在命令行中输入
`git clone https://gitee.com/你的gitee用户名/cminus_compiler-2022-fall.git`
打开本地的工作目录,在命令行中输入
git add *
git commit -m "注释语句"
然后push到仓库
git push
实验环境配置
sudo apt-get install llvm bison flex
输入:flex --version和bison --version
FLEX工具的简单使用
首先,FLEX
从输入文件*.lex
或者stdio
读取词法扫描器的规范,从而生成C代码源文件lex.yy.c
。然后,编译lex.yy.c
并与-lfl
库链接,以生成可执行的a.out
。最后,a.out
分析其加入的输入流,将其转换为一系列token。
举例:
%{
//在%{和%}中的代码会被原样照抄到生成的lex.yy.c文件的开头,您可以在这里书写声明与定义
#include <string.h>
int chars = 0;
int words = 0;
%}
%%
/*你可以在这里使用你熟悉的正则表达式来编写模式*/
/*你可以用C代码来指定模式匹配时对应的动作*/
/*yytext指针指向本次匹配的输入文本*/
/*左部分([a-zA-Z]+)为要匹配的正则表达式,
右部分({ chars += strlen(yytext);words++;})为匹配到该正则表达式后执行的动作*/
[a-zA-Z]+ { chars += strlen(yytext);words++;}
. {}
/*对其他所有字符,不做处理,继续执行*/
%%
int main(int argc, char **argv){
//yylex()是flex提供的词法分析例程,默认读取stdin
yylex();
printf("look, I find %d words of %d chars\n", words, chars);
return 0;
}
lex中的字符规定:
格式 | 含义 |
---|---|
a | 字符 |
"a" | 元字符 |
\a | 转义 |
a* | a的零次或者多次重复 |
a+ | a的一次或者多次重复 |
a? | 一个可选的a |
a | b |
(a) | a本身 |
[abc] | 字符abc中的任意一个 |
[a-d] | 字符abcd的任意一个 |
{xxxxx} | 名字xxx表示的正则表达式 |
. | 除了新行之外的任意一个字符 |
实验设计
找到Token符号对应的字符
在cminux_compiler-2023-fall/include/lexical_analyzer.h
有定义cimux_token_type(附录)
对应正则表达式
根据cminus-f词法
1. 关键字
else if int return void while float
2. 专用符号
+ - * / < <= > >= == != = ; , ( ) [ ] { } /* */
3. 标识符ID和整数NUM,通过下列正则表达式定义:
letter = a|...|z|A|...|Z
digit = 0|...|9
ID = letter+
INTEGER = digit+
FLOAT = (digit+. | digit*.digit+)
4. 注释用`/*...*/`表示,可以超过一行。注释不能嵌套。
/*...*/
- 注:`[`, `]`, 和 `[]` 是三种不同的token。`[]`用于声明数组类型,`[]`中间不得有空格。
- `a[]`应被识别为两个token: `a`、`[]`
- `a[1]`应被识别为四个token: `a`, `[`, `1`, `]`
写出对应的正则表达式和指定匹配对应的动作
C minus的词法单元规则有:
关键字:else if int return void while float
专用符号:`+ - * / < <= > >= == != = ; , ( ) [ ] { } /* */``
标识符ID和整数NUM,通过下列正则表达式定义:
letter = a|...|z|A|...|Z
digit = 0|...|9
ID = letter+
INTEGER = digit+
FLOAT = (digit+. | digit*.digit+)
注释用/*...*/
表示,可以超过一行。注释不能嵌套。
此部分用于定义C Minus的词法单元的规则,模式采用正则表达式表示,注意当词法单元的pattern中包含特殊字符时,需要使用转义字符\
。动作使用C语言描述,确定每个Token在每行的开始位置和结束位置,并且返回该词法单元类型。该返回值为yylex()
的返回值。
动作分为两步:第一步,更新lines、pos_start、post_end。第二步:将识别结果token返回,return。
运算:
cpp
\+ {pos_start=pos_end;pos_end=pos_start+1;return ADD;}
\- {pos_start=pos_end;pos_end=pos_start+1;return SUB;}
\* {pos_start=pos_end;pos_end=pos_start+1;return MUL;}
\/ {pos_start=pos_end;pos_end=pos_start+1;return DIV;}
\< {pos_start=pos_end;pos_end=pos_start+1;return LT;}
"<=" {pos_start=pos_end;pos_end=pos_start+2;return LTE;}
\> {pos_start=pos_end;pos_end=pos_start+1;return GT;}
">=" {pos_start=pos_end;pos_end=pos_start+2;return GTE;}
"==" {pos_start=pos_end;pos_end=pos_start+2;return EQ;}
"!=" {pos_start=pos_end;pos_end=pos_start+2;return NEQ;}
\= {pos_start=pos_end;pos_end=pos_start+1;return ASSIN;}
符号:
cpp
\; {pos_start=pos_end;pos_end=pos_start+1;return SEMICOLON;}
\, {pos_start=pos_end;pos_end=pos_start+1;return COMMA;}
\( {pos_start=pos_end;pos_end=pos_start+1;return LPARENTHESE;}
\) {pos_start=pos_end;pos_end=pos_start+1;return RPARENTHESE;}
\[ {pos_start=pos_end;pos_end=pos_start+1;return LBRACKET;}
\] {pos_start=pos_end;pos_end=pos_start+1;return RBRACKET;}
\{ {pos_start=pos_end;pos_end=pos_start+1;return LBRACE;}
\} {pos_start=pos_end;pos_end=pos_start+1;return RBRACE;}
关键字:
cpp
else {pos_start=pos_end;pos_end=pos_start+4;return ELSE;}
if {pos_start=pos_end;pos_end=pos_start+2;return IF;}
int {pos_start=pos_end;pos_end=pos_start+3;return INT;}
float {pos_start=pos_end;pos_end=pos_start+5;return FLOAT;}
return {pos_start=pos_end;pos_end=pos_start+6;return RETURN;}
void {pos_start=pos_end;pos_end=pos_start+4;return VOID;}
while {pos_start=pos_end;pos_end=pos_start+5;return WHILE;}
标识符和整数NUM
cpp
[a-zA-Z]+ {pos_start=pos_end;pos_end=pos_start+strlen(yytext);return IDENTIFIER;}
[0-9]+ {pos_start=pos_end;pos_end=pos_start+strlen(yytext);return INTEGER;}
[0-9]*\.[0-9]+ {pos_start=pos_end;pos_end=pos_start+strlen(yytext);return FLOATPOINT;}
"[]" {pos_start=pos_end;pos_end=pos_start+2;return ARRAY;}
[a-zA-Z] {pos_start=pos_end;pos_end=pos_start+1;return LETTER;}
[0-9]+\. {pos_start=pos_end;pos_end=pos_start+strlen(yytext);return FLOATPOINT;}
其他的
- 当词法分析器扫描到换行符时(Windows下为
\r\n
,Linux下为\n
,Mac下为\r
),行数lines
自增,pos_start
与pos_end
更新 - 由于flex生成的词法分析器采用最长匹配策略,且注释
/**/
包含正则的通配符,正则规范较为复杂。当识别到一个注释时,需要考虑词法单元开始位置和结束位置变化,且多行注释要修改lines
. - 错误的词法单元 ,当扫描到错误的词法单元,仅返回
ERROR
cpp
\n {return EOL;} #换行
\/\*([^\*]|(\*)*[^\*\/])*(\*)*\*\/ {return COMMENT;} #注释
" " {return BLANK;} #空格
\t {return BLANK;} # 空格
. {pos_start=pos_end;pos_end=pos_start+strlen(yytext);return ERROR;} #错误
最终的添加
cpp
/******************TODO*********************/
/****请在此补全所有flex的模式与动作 start******/
//STUDENT TO DO
\+ {pos_start=pos_end;pos_end=pos_start+1;return ADD;}
\- {pos_start=pos_end;pos_end=pos_start+1;return SUB;}
\* {pos_start=pos_end;pos_end=pos_start+1;return MUL;}
\/ {pos_start=pos_end;pos_end=pos_start+1;return DIV;}
\< {pos_start=pos_end;pos_end=pos_start+1;return LT;}
"<=" {pos_start=pos_end;pos_end=pos_start+2;return LTE;}
\> {pos_start=pos_end;pos_end=pos_start+1;return GT;}
">=" {pos_start=pos_end;pos_end=pos_start+2;return GTE;}
"==" {pos_start=pos_end;pos_end=pos_start+2;return EQ;}
"!=" {pos_start=pos_end;pos_end=pos_start+2;return NEQ;}
\= {pos_start=pos_end;pos_end=pos_start+1;return ASSIN;}
\; {pos_start=pos_end;pos_end=pos_start+1;return SEMICOLON;}
\, {pos_start=pos_end;pos_end=pos_start+1;return COMMA;}
\( {pos_start=pos_end;pos_end=pos_start+1;return LPARENTHESE;}
\) {pos_start=pos_end;pos_end=pos_start+1;return RPARENTHESE;}
\[ {pos_start=pos_end;pos_end=pos_start+1;return LBRACKET;}
\] {pos_start=pos_end;pos_end=pos_start+1;return RBRACKET;}
\{ {pos_start=pos_end;pos_end=pos_start+1;return LBRACE;}
\} {pos_start=pos_end;pos_end=pos_start+1;return RBRACE;}
else {pos_start=pos_end;pos_end=pos_start+4;return ELSE;}
if {pos_start=pos_end;pos_end=pos_start+2;return IF;}
int {pos_start=pos_end;pos_end=pos_start+3;return INT;}
float {pos_start=pos_end;pos_end=pos_start+5;return FLOAT;}
return {pos_start=pos_end;pos_end=pos_start+6;return RETURN;}
void {pos_start=pos_end;pos_end=pos_start+4;return VOID;}
while {pos_start=pos_end;pos_end=pos_start+5;return WHILE;}
[a-zA-Z]+ {pos_start=pos_end;pos_end=pos_start+strlen(yytext);return IDENTIFIER;}
[0-9]+ {pos_start=pos_end;pos_end=pos_start+strlen(yytext);return INTEGER;}
[0-9]*\.[0-9]+ {pos_start=pos_end;pos_end=pos_start+strlen(yytext);return FLOATPOINT;}
"[]" {pos_start=pos_end;pos_end=pos_start+2;return ARRAY;}
[a-zA-Z] {pos_start=pos_end;pos_end=pos_start+1;return LETTER;}
[0-9]+\. {pos_start=pos_end;pos_end=pos_start+strlen(yytext);return FLOATPOINT;}
\n {return EOL;}
\/\*([^\*]|(\*)*[^\*\/])*(\*)*\*\/ {return COMMENT;}
" " {return BLANK;}
\t {return BLANK;}
. {pos_start=pos_end;pos_end=pos_start+strlen(yytext);return ERROR;}
/****请在此补全所有flex的模式与动作 end******/
和补充C语言代码
注释可以分为多行,所以在识别到注释的时候要进行额外的分析,识别到换行符\n
的时候,要lines+1,重置pos_end.
cpp
case COMMENT:
//STUDENT TO DO
{
pos_start=pos_end;
pos_end=pos_start+2;
int i=2;
while(yytext[i]!='*' || yytext[i+1]!='/')
{
if(yytext[i]=='\n')
{
lines=lines+1;
pos_end=1;
}
else
pos_end=pos_end+1;
i=i+1;
}
pos_end=pos_end+2;
break;
}
case BLANK:
//STUDENT TO DO
{
pos_start=pos_end;
pos_end=pos_start+1;
break;
}
case EOL:
//STUDENT TO DO
{
lines+=1;
pos_end=1;
break;
}
实验结果验证
实验结果
根据实验指导书上的流程输入命令并且得到反馈结果
sunny2004@sunny2004-VirtualBox:~/lab1/cminus_compiler-2023-fall$ mkdir build
sunny2004@sunny2004-VirtualBox:~/lab1/cminus_compiler-2023-fall$ cd build
sunny2004@sunny2004-VirtualBox:~/lab1/cminus_compiler-2023-fall/build$ cmake ../
-- The C compiler identification is GNU 5.4.0
-- The CXX compiler identification is GNU 5.4.0
-- Check for working C compiler: /usr/bin/cc
-- Check for working C compiler: /usr/bin/cc -- works
-- Detecting C compiler ABI info
-- Detecting C compiler ABI info - done
-- Detecting C compile features
-- Detecting C compile features - done
-- Check for working CXX compiler: /usr/bin/c++
-- Check for working CXX compiler: /usr/bin/c++ -- works
-- Detecting CXX compiler ABI info
-- Detecting CXX compiler ABI info - done
-- Detecting CXX compile features
-- Detecting CXX compile features - done
-- Found FLEX: /usr/bin/flex (found version "2.6.4")
-- Found BISON: /usr/bin/bison (found version "3.5.1")
-- Found LLVM 10.0.0
-- Using LLVMConfig.cmake in: /usr/lib/llvm-10/cmake
-- Configuring done
-- Generating done
-- Build files have been written to: /home/sunny2004/lab1/cminus_compiler-2023-fall/build
sunny2004@sunny2004-VirtualBox:~/lab1/cminus_compiler-2023-fall/build$ make lexer
[ 20%] [FLEX][lex] Building scanner with flex 2.6.4
lexical_analyzer.l:60: warning, 无法匹配规则
Scanning dependencies of target flex
[ 40%] Building C object src/lexer/CMakeFiles/flex.dir/lex.yy.c.o
lexical_analyzer.l: In function 'analyzer':
lexical_analyzer.l:92:5: warning: suggest parentheses around assignment used as truth value [-Wparentheses]
lexical_analyzer.l: At top level:
/home/sunny2004/lab1/cminus_compiler-2023-fall/build/src/lexer/lex.yy.c:1320:17: warning: 'yyunput' defined but not used [-Wunused-function]
static void yyunput (int c, char * yy_bp )
^
/home/sunny2004/lab1/cminus_compiler-2023-fall/build/src/lexer/lex.yy.c:1363:16: warning: 'input' defined but not used [-Wunused-function]
static int input (void)
^
[ 60%] Linking C static library ../../libflex.a
[ 60%] Built target flex
Scanning dependencies of target lexer
[ 80%] Building C object tests/lab1/CMakeFiles/lexer.dir/main.c.o
[100%] Linking C executable ../../lexer
[100%] Built target lexer
sunny2004@sunny2004-VirtualBox:~/lab1/cminus_compiler-2023-fall/build$ cd ..
sunny2004@sunny2004-VirtualBox:~/lab1/cminus_compiler-2023-fall$ ./build/lexer
usage: lexer input_file output_file
sunny2004@sunny2004-VirtualBox:~/lab1/cminus_compiler-2023-fall$ ./build/lexer ./tests/lab1/testcase/1.cminus out
[START]: Read from: ./tests/lab1/testcase/1.cminus
[END]: Analysis completed.
sunny2004@sunny2004-VirtualBox:~/lab1/cminus_compiler-2023-fall$ head -n 5 out
int 280 1 1 4
gcd 285 1 5 8
( 272 1 9 10
int 280 1 10 13
u 285 1 14 15
sunny2004@sunny2004-VirtualBox:~/lab1/cminus_compiler-2023-fall$ python3 ./tests/lab1/test_lexer.py
Find 6 files
[START]: Read from: ./tests/lab1/testcase/3.cminus
[END]: Analysis completed.
[START]: Read from: ./tests/lab1/testcase/2.cminus
[END]: Analysis completed.
[START]: Read from: ./tests/lab1/testcase/6.cminus
[END]: Analysis completed.
[START]: Read from: ./tests/lab1/testcase/1.cminus
[END]: Analysis completed.
[START]: Read from: ./tests/lab1/testcase/5.cminus
[END]: Analysis completed.
[START]: Read from: ./tests/lab1/testcase/4.cminus
[END]: Analysis completed.
sunny2004@sunny2004-VirtualBox:~/lab1/cminus_compiler-2023-fall$ diff ./tests/lab1/token ./tests/lab1/TA_token
sunny2004@sunny2004-VirtualBox:~/lab1/cminus_compiler-2023-fall$
如果正确的话,diff不会返回任何输出,如果返回了,就出错了
gitee上传
git commit -m "lab1-result"
如果是第一次提交,Ubuntu会告诉你这样:
请告诉我您是谁,运行
git config --global user.email "you@example.com"
git config --global user.name "your Name"
来自设置您账号的缺省身份标识。
如果仅在本地仓库设置身份标识,则省略 --global参数
这个时候你就运行git config那两行命令之后再运行git commit -m "lab1-result"就可以了
然后:git push 上传工作到gitee仓库(这一部分忘记复制了,实验指导书里写的很详细,就按照那个来就行)
实验反馈
学习和巩固了正则表达式
熟悉了gitee的操作
一路磕磕绊绊,调试,赶在验收之前完成了,编译原理好难┭┮﹏┭┮
附录1:cmius_token_type
typedef num cminus_token_type{
//运算
ADD = 259, 加号:+
SUB = 260, 减号:-
MUL = 261, 乘号:*
DIV = 262, 除法:/
LT = 263, 小于:<
LTE = 264, 小于等于:<=
GT = 265, 大于:>
GTE = 266, 大于等于:>=
EQ = 267, 相等:==
NEQ = 268, 不相等:!=
ASSIN = 269,单个等于号:=
//符号
SEMICOLON = 270, 分号:;
COMMA = 271, 逗号:,
LPARENTHESE = 272, 左括号:(
RPARENTHESE = 273, 右括号:)
LBRACKET = 274, 左中括号:[
RBRACKET = 275, 右中括号:]
LBRACE = 276, 左大括号:{
RBRACE = 277, 右大括号:}
//关键字
ELSE = 278, else
IF = 279, if
INT = 280, int
FLOAT = 281, float
RETURN = 282, return
VOID = 283, void
WHILE = 284, while
//ID和NUM
IDENTIFIER = 285, 变量名,例如a,low,high
INTEGER = 286, 整数,例如10,1
FLOATPOINT = 287, 浮点数,例如11.1
ARRAY = 288, 数组,例如[]
LETTER = 289, 单个字母,例如a,z
//others
EOL = 290, 换行符,\n或\0
COMMENT = 291, 注释
BLANK = 292, 空格
ERROR = 258 错误
} Token;
typedef struct{
char text[256];
int token;
int lines;
int pos_start;
int pos_end;
} Token_Node;