Yacc 和 Bison

56 阅读 0 评论 37 点赞

我是靠谱客的博主细心月饼，最近开发中收集的这篇文章主要介绍Yacc 和 Bison，觉得挺不错的，现在分享给大家，希望可以做个参考。

概述

From ：http://www.ibm.com/developerworks/cn/linux/sdk/lex/index.html

Yacc

Yacc 代表 Yet Another Compiler Compiler。 Yacc 的 GNU 版叫做 Bison。它是一种工具，将任何一种编程语言的所有语法翻译成针对此种语言的 Yacc 语法解析器。它用巴科斯范式(BNF, Backus Naur Form)来书写。按照惯例，Yacc 文件有 .y 后缀。编译行如下调用 Yacc 编译器：

$ yacc <options>



<filename ending with .y>

在进一步阐述以前，让我们复习一下什么是语法。在上一节中，我们看到 Lex 从输入序列中识别标记。如果你在查看标记序列，你可能想在这一序列出现时执行某一动作。这种情况下有效序列的规范称为语法。Yacc 语法文件包括这一语法规范。它还包含了序列匹配时你想要做的事。

为了更加说清这一概念，让我们以英语为例。这一套标记可能是：名词, 动词, 形容词等等。为了使用这些标记造一个语法正确的句子，你的结构必须符合一定的规则。一个简单的句子可能是名词+动词或者名词+动词+名词。(如 I care. See spot run.)

所以在我们这里，标记本身来自语言（Lex），并且标记序列允许用 Yacc 来指定这些标记(标记序列也叫语法)。

终端和非终端符号

终端符号 : 代表一类在语法结构上等效的标记。终端符号有三种类型：

命名标记 : 这些由 %token 标识符来定义。按照惯例，它们都是大写。

字符标记 : 字符常量的写法与 C 相同。例如, -- 就是一个字符标记。

字符串标记 : 写法与 C 的字符串常量相同。例如，"<<" 就是一个字符串标记。

lexer 返回命名标记。

非终端符号 : 是一组非终端符号和终端符号组成的符号。按照惯例，它们都是小写。在例子中，file 是一个非终端标记而 NAME 是一个终端标记。

用 Yacc 来创建一个编译器包括四个步骤：

通过在语法文件上运行 Yacc 生成一个解析器。
说明语法：
- 编写一个 .y 的语法文件（同时说明 C 在这里要进行的动作）。
- 编写一个词法分析器来处理输入并将标记传递给解析器。这可以使用 Lex 来完成。
- 编写一个函数，通过调用 yyparse() 来开始解析。
- 编写错误处理例程（如 yyerror()）。
编译 Yacc 生成的代码以及其他相关的源文件。
将目标文件链接到适当的可执行解析器库。

用 Yacc 编写语法

如同 Lex 一样, 一个 Yacc 程序也用双百分号分为三段。它们是：声明、语法规则和 C 代码。我们将解析一个格式为姓名 = 年龄的文件作为例子，来说明语法规则。我们假设文件有多个姓名和年龄，它们以空格分隔。在看 Yacc 程序的每一段时，我们将为我们的例子编写一个语法文件。

C 与 Yacc 的声明

C 声明可能会定义动作中使用的类型和变量，以及宏。还可以包含头文件。每个 Yacc 声明段声明了终端符号和非终端符号（标记）的名称，还可能描述操作符优先级和针对不同符号的数据类型。 lexer (Lex) 一般返回这些标记。所有这些标记都必须在 Yacc 声明中进行说明。

在文件解析的例子中我们感兴趣的是这些标记：name, equal sign, 和 age。Name 是一个完全由字符组成的值。 Age 是数字。于是声明段就会像这样：

文件解析例子的声明

%



#typedef char* string; /*



to specify token types as char* */



#define YYSTYPE string /*



a Yacc variable which has the value of returned token */



%}



%token NAME EQ AGE



%%

你可能会觉得 YYSTYPE 有点奇怪。但是类似 Lex, Yacc 也有一套变量和函数可供用户来进行功能扩展。 YYSTYPE 定义了用来将值从 lexer 拷贝到解析器或者 Yacc 的 yylval （另一个 Yacc 变量）的类型。默认的类型是 int。由于字符串可以从 lexer 拷贝，类型被重定义为 char*。关于 Yacc 变量的详细讨论，请参考 Yacc 手册（见资源）。

Yacc 语法规则

Yacc 语法规则具有以下一般格式：

result: components { /*



action to be taken in C */ }



;

在这个例子中，result 是规则描述的非终端符号。Components 是根据规则放在一起的不同的终端和非终端符号。如果匹配特定序列的话 Components 后面可以跟随要执行的动作。考虑如下的例子：

param : NAME EQ NAME {



printf("/tName:%s/tValue(name):%s/n", $1,$3);}



| NAME EQ VALUE{



printf("/tName:%s/tValue(value):%s/n",$1,$3);}



;

如果上例中序列 NAME EQ NAME 被匹配，将执行相应的 { } 括号中的动作。这里另一个有用的就是 $1 和 $3 的使用, 它们引用了标记 NAME 和 NAME（或者第二行的 VALUE）的值。 lexer 通过 Yacc 的变量 yylval 返回这些值。标记 NAME 的 Lex 代码是这样的：

char [A-Za-z]



name {char}+



%%



{name} { yylval = strdup(yytext);



return NAME; }

文件解析例子的规则段是这样的：

文件解析的语法

file : record file



| record



;



record: NAME EQ AGE {



printf("%s is now %s years old!!!", $1, $3);}



;



%%

附加 C 代码

现在让我们看一下语法文件的最后一段，附加 C 代码。（这一段是可选的，如果有人想要略过它的话：）一个函数如 main() 调用 yyparse() 函数（Yacc 中 Lex 的 yylex() 等效函数）。一般来说，Yacc 最好提供 yyerror(char msg) 函数的代码。当解析器遇到错误时调用 yyerror(char msg)。错误消息作为参数来传递。一个简单的 yyerror( char* ) 可能是这样的：

int yyerror(char* msg)



{



printf("Error: %s



encountered at line number:%d/n", msg, yylineno);



}

yylineno 提供了行数信息。

这一段还包括文件解析例子的主函数：

附加 C 代码

void main()



{



yyparse();



}



int yyerror(char* msg)



{



printf("Error: %s



encountered /n", msg);

要生成代码，可能用到以下命令：

$ yacc _d <filename.y>

这生成了输出文件 y.tab.h 和 y.tab.c，它们可以用 UNIX 上的任何标准 C 编译器来编译（如 gcc）。

命令行的其他常用选项

'-d' ,'--defines' : 编写额外的输出文件，它们包含这些宏定义：语法中定义的标记类型名称，语义的取值类型 YYSTYPE , 以及一些外部变量声明。如果解析器输出文件名叫 'name.c', 那么 '-d' 文件就叫做 'name.h'。如果你想将 yylex 定义放到独立的源文件中，你需要 'name.h', 因为 yylex 必须能够引用标记类型代码和 yylval 变量。
'-b file-prefix' ,'--file-prefix=prefix' : 指定一个所有Yacc输出文件名都可以使用的前缀。选择一个名字，就如输入文件名叫 'prefix.c'.
'-o outfile' ,'--output-file=outfile' : 指定解析器文件的输出文件名。其他输出文件根据 '-d' 选项描述的输出文件来命名。

Yacc 库通常在编译步骤中自动被包括。但是它也能被显式的包括，以便在编译步骤中指定 �ly 选项。这种情况下的编译命令行是：

$ cc <source file



names> -ly

将 Lex 与 Yacc 结合起来

到目前为止我们已经分别讨论了 Lex 和 Yacc。现在让我们来看一下他们是怎样结合使用的。

一个程序通常在每次返回一个标记时都要调用 yylex() 函数。只有在文件结束或者出现错误标记时才会终止。

一个由 Yacc 生成的解析器调用 yylex() 函数来获得标记。 yylex() 可以由 Lex 来生成或完全由自己来编写。对于由 Lex 生成的 lexer 来说，要和 Yacc 结合使用，每当 Lex 中匹配一个模式时都必须返回一个标记。因此 Lex 中匹配模式时的动作一般格式为：

{pattern} { /* do smthg*/



return TOKEN_NAME; }

于是 Yacc 就会获得返回的标记。当 Yacc 编译一个带有 _d 标记的 .y 文件时，会生成一个头文件，它对每个标记都有 #define 的定义。如果 Lex 和 Yacc 一起使用的话，头文件必须在相应的 Lex 文件 .lex 中的 C 声明段中包括。

让我们回到名字和年龄的文件解析例子中，看一看 Lex 和 Yacc 文件的代码。

Name.y - 语法文件

%



typedef char* string;



#define YYSTYPE string



%}



%token NAME EQ AGE



%%



file : record file



| record



;



record : NAME EQ AGE {



printf("%s is %s years old!!!/n", $1, $3); }



;



%%



int main()



{



yyparse();



return 0;



}



int yyerror(char *msg)



{



printf("Error



encountered: %s /n", msg);



}

Name.lex - Lex 的解析器文件

%{



#include "y.tab.h"







#include <stdio.h>



#include <string.h>



extern char* yylval;



%}



char [A-Za-z]



num [0-9]



eq [=]



name {char}+



age {num}+



%%



{name} { yylval = strdup(yytext);



return NAME; }



{eq} { return EQ; }



{age} { yylval = strdup(yytext);



return AGE; }



%%



int yywrap()



{



return 1;



}

作为一个参考，我们列出了 y.tab.h , Yacc 生成的头文件。

y.tab.h - Yacc 生成的头文件

# define NAME 257



# define EQ 258



# define AGE 259

我们对于 Lex 和 Yacc的讨论到此为止。今天你想要编译什么语言呢？

参考资料

您可以参阅本文在 developerWorks 全球站点上的英文原文 .
Lex and Yacc , Levine, Mason 和 Branson, O�Reilly 及其合作公司，2nd Ed。
Program Development in UNIX , J. T. Shen, Prentice-Hall India。
Compilers: Principles, Techniques and Tools , Ahoo, Sethi 和 Ullman, Addison-Wesley Pub. Co., 1985，11。
Lex and Yacc and compiler writing 指导。
Java 版的 Lex 指导, 叫做 Jlex 。
使用 Lex 和 Yacc 的 formalizing a grammar 实例。