實(shí)用javacc
?
前言
本系列的文章的宗旨是讓大家能夠?qū)懗鲎约旱木幾g器,解釋器或者腳本引擎,所以每到理論介紹到一個(gè)程度后,我都會(huì)來討論實(shí)踐問題.理論方面,編譯原理的教材已經(jīng)是夠多了,而實(shí)踐的問題卻很少討論.
?
前幾節(jié)文章只討論到了詞法分析和LL文法分析,關(guān)鍵的LR文法分析這里卻還沒有講,我們先不要管復(fù)雜的LR文法和算法,讓我們使用LL算法來實(shí)際做一些東西后再說.本文將介紹一個(gè)在JAVA上廣泛使用的LL算法分析工具Javacc.(這是我唯一能找到的使用LL算法的語法分析器構(gòu)造工具).這一節(jié)的文章并非只針對JAVA開發(fā)者,如果你是C/C++開發(fā)者,那么也請你來看看這個(gè)JAVA下的優(yōu)秀工具,或許你將來也用得著它.
?
Lex
和yacc這兩個(gè)工具是經(jīng)典的詞法分析和語法分析工具,但是它們都是基于C語言下面的工具,而使用JAVA的朋友們就用不上了.但是JAVA下已經(jīng)有了lex和yacc的替代品javacc(
Java Compiler Compiler )
.
同時(shí)javacc也是使用LL算法的工具,我們也可以實(shí)踐一下前面學(xué)的LL算法.
?
首先聲明我不是一個(gè)JAVA專家,我也是剛剛才接觸JAVA.Java里面或許有很多類似javacc一樣的工具,但是據(jù)我所知,javacc還是最廣泛,最標(biāo)準(zhǔn)的JAVA下的詞法語法分析器.
?
Javacc
的獲取
同lex和yacc一樣,javacc也是一個(gè)免費(fèi)可以獲取的通用工具,它可以在很多JAVA相關(guān)的工具下載網(wǎng)站下載,當(dāng)然,javacc所占的磁盤空間比起lex和yacc更大一些,里面有標(biāo)準(zhǔn)的文檔和examples.相對lex和yacc來說,javacc做得更人性化,更容易一些.如果你實(shí)在找不到javacc,還是可以聯(lián)系我,我這里有.現(xiàn)在最新的就是javacc 3.2版本.
?
Javacc
的原理
Javacc
可以同時(shí)完成對text的詞法分析和語法分析的工作,使用起來相當(dāng)方便.同樣,它和lex和yacc一樣,先輸入一個(gè)按照它規(guī)定的格式的文件,然后javacc根據(jù)你輸入的文件來生成相應(yīng)的詞法分析于語法分析程序.同時(shí),新版本的Javacc除了常規(guī)的詞法分析和語法分析以外,還提供JJTree等工具來幫助我們建立語法樹.總之,Javacc在很多地方做得都比lex和yacc要人性化,這個(gè)在后面的輸入文件格式中也能體現(xiàn)出來.
?
Javacc
的輸入文件
Javacc
的輸入文件格式做得比較簡單.每個(gè)非終結(jié)符產(chǎn)生式對應(yīng)一個(gè)Class中的函數(shù),函數(shù)中可以嵌入相應(yīng)的識(shí)別出該終結(jié)符文法時(shí)候的處理代碼(也叫動(dòng)作).這個(gè)與YACC中是一致的.
Javacc
的輸入文件中,有一系列的系統(tǒng)參數(shù),比如其中lookahead可以設(shè)置成大于1的整數(shù),那么就是說,它可以為我們生成LL(k)算法(k>=1),而不是簡單的遞歸下降那樣的LL(1)算法了.要知道,LL(2)文法比起前面討論的LL(1)文法判斷每個(gè)非終結(jié)符時(shí)候需要看前面兩個(gè)記號而不是一個(gè),那么對于文法形式的限制就更少.不過LL(2)的算法當(dāng)然也比LL(1)算法慢了不少.作為一般的計(jì)算機(jī)程序設(shè)計(jì)語言,LL(1)算法已經(jīng)是足夠了.就算不是LL(1)算法,我們也可以通過前面講的左提公因式把它變成一個(gè)LL(1)文法來處理.不過既然javacc都把lookahead選擇做出來了,那么在某些特定的情況下,我們可以直接調(diào)整一個(gè)lookahead的參數(shù)就可以,而不必糾正我們的文法.
?
下面我們來看看Javacc中自帶的example中的例子.
例5.1
這個(gè)例子可以在javacc-3.2/doc/examples/SimpleExamples/Simple1.jj看到
?
PARSER_BEGIN(Simple1)
public class Simple1 {
public static void main(String args[]) throws ParseException {
??? Simple1 parser = new Simple1(System.in);
??? parser.Input();
? }
}
PARSER_END(Simple1)
void Input() :
{}
{
? MatchedBraces() ("\n"|"\r")* <EOF>
}
void MatchedBraces() :
{}
{
"{" [ MatchedBraces() ] "}"
}
?
設(shè)置好javacc的bin目錄后,在命令提示符下輸入
javacc Simple1.jj
然后
javacc
就會(huì)為你生成下面幾個(gè)
java
源代碼文件
Simple1.java
Simple1TokenManager.java
Simple1Constants.java
SimpleCharStream.java
Token.java
TokenMgrError.java
?
其中Simple1就是你的語法分析器的對象,它的構(gòu)造函數(shù)參數(shù)就是要分析的輸入流,這里的是System.in.
class Simple1
就定義在標(biāo)記
PARSER_BEGIN(Simple1)
PARSER_END(Simple1)
之間.
但是必須清楚的是,PARSER_BEGIN和PARSER_END中的名字必須是詞法分析器的名字(這里是Simple1).
?
PARSER_END
下面的定義就是文法非終結(jié)符號的定義了.
Simple1
的文法基本就是:
?
Input ->
MatchedBraces ("\n"|"\r")* <EOF>
MatchedBraces ->
“
{
“
MatchedBraces
“
}
”
?
從它的定義我們可以看到
,
每個(gè)非終結(jié)符號對于一個(gè)過程
.
比如
Input
的過程
void Input() :
{}
{
? MatchedBraces() ("\n"|"\r")* <EOF>
}
?
在定義
void Input
后面記住需要加上一個(gè)冒號
”:”,
然后接下來是兩個(gè)塊
{}
的定義
.
第一個(gè)
{}
中的代碼是定義數(shù)據(jù)
,
初試化數(shù)據(jù)的代碼
.
第二個(gè)
{}
中的部分就是真正定義
Input
的產(chǎn)生式了
.
每個(gè)產(chǎn)生式之間用
”|”
符號連接
.
注意
:
這里的產(chǎn)生式并非需要嚴(yán)格
BNF
范式文法
,
它的文法既可以是
BNF,
同時(shí)還可以是混合了正則表達(dá)式中的定義方法
.
比如上面的
Input ->
MatchedBraces ("\n"|"\r")* <EOF>
中
(“\n”|”\r”)*
就是個(gè)正則表達(dá)式
,
表示的是
\n
或者
\r
的
0
個(gè)到無限個(gè)的重復(fù)的記號
.
而
<EOF>
是
javacc
系統(tǒng)定義的記號
(TOKEN),
表示文件結(jié)束符號
.
除了
<EOF>,
無論是系統(tǒng)定義的
TOKEN,
還是自定義的
TOKEN,
里面的
TOKEN
都是以
<token’s name>
的方式表示
.
?
每個(gè)非終結(jié)符號
(Input
和
MatchedBraces)
都會(huì)在
javacc
生成的
Simple1.java
中形成
Class Simple1
的成員函數(shù)
.
當(dāng)你在外部調(diào)用
Simple1
的
Input,
那么語法分析器就會(huì)開始進(jìn)行語法分析了
.
?
例
5.2
在
javacc
提供的
example
里面沒有
.javacc
提供的
example
里面提供的例子中
SimpleExamples
過于簡單
,
而其它例子又過于龐大
.
下面我以我們最常見的數(shù)學(xué)四則混合運(yùn)算的文法來構(gòu)造一個(gè)
javacc
的文法識(shí)別器
.
這個(gè)例子是我自己寫的
,
十分簡單
,.
其中還包括了文法識(shí)別同時(shí)嵌入的構(gòu)建語法樹
Parse-Tree
的代碼
.
不過由于篇幅的原因
,
我并沒有給出全部的代碼
,
這里只給了
javacc
輸入部分相關(guān)的代碼
.
而
Parse-tree
就是一個(gè)普通的
4
叉樹
,3
個(gè)
child,1
個(gè)
next(
平行結(jié)點(diǎn)
),
相信大家在學(xué)習(xí)數(shù)據(jù)結(jié)構(gòu)的時(shí)候應(yīng)該都是學(xué)過的
.
所以這里就省略過去了
.
?
在大家看這些輸入代碼之前
,
我先給出它所使用的文法定義
,
好讓大家有個(gè)清楚的框架
.
Expression
-> Term{ Addop Term }
Addop -> "+" | "-"
Term -> Factor { Mulop Factor }
Mulop -> "*" | "/"
Factor -> ID | NUM | "("Expression")"
這里的文法可能和BNF范式有點(diǎn)不同.{}的意思就是0次到無限次重復(fù),它跟我們在學(xué)習(xí)正則表達(dá)式的時(shí)候的”*”符號相同,所以，在Javacc中的文法表示的時(shí)候，{…}部分的就是用(…)*來表示.
為了讓詞法分析做得更簡單
,
我們通常都不會(huì)在文法分析的時(shí)候
,
使用
”(”,”)“
等字符號串來表示終結(jié)符號
,
而需要轉(zhuǎn)而使用
LPAREN
,
RPAREN
這樣的整型符號來表示
.
?
?
PARSER_BEGIN(Grammar)
public class Grammar implements NodeType {
? public ParseTreeNode GetParseTree(InputStream in) throws ParseException
? {
?
???? Grammar parser =new Grammar(in);
?
???? return parser.Expression();
? }
?
}
PARSER_END(Grammar)
SKIP :
{
? " " | "\t" | "\n" | "\r"
}
TOKEN :
{
? < ID: ["a"-"z","A"-"Z","_"] ( ["a"-"z","A"-"Z","_","0"-"9"] )* >
|? < NUM: ( ["0"-"9"] )+ >
| ?< PLUS:?? "+" >
| ?< MINUS:? "-" >
| ?< TIMERS: "*" >
| ?< OVER:?? "/" >
| ?< LPAREN: "(" >
| ?< RPAREN: ")" >
}
?
ParseTreeNode Expression() :
{
???????? ParseTreeNode ParseTree = null;
???????? ParseTreeNode node;
}
{????????????????
?( node=Simple_Expression()
?{
???
if(ParseTree == null)
???
?????????? ParseTree =node;
???
else
???
{
???????
?? ParseTreeNode t;
???????
?? t= ParseTree;
???????
?? while(t.next != null)
????????
????????? t=t.next;
???
?????????? t.next = node;
???
}
?}
)*
? { return ParseTree;}
? <EOF>
}
ParseTreeNode Simple_Expression() :
{
???????? ParseTreeNode node;
???????? ParseTreeNode t;
???????? int op;
}
{
? node=Term(){}
? (
? op=addop() t=Term()
{
?????????????????? ParseTreeNode newNode = new ParseTreeNode();
?????????????????? newNode.nodetype = op;
?????????????????? newNode.child[0] = node;
?????????????????? newNode.child[1] = t;
?????????????????? switch(op)
?????????????????? {
??????????????????????????? case PlusOP:
??????????????????????????? newNode.name = "Operator: +";
??????????????????????????? break;
??????????????????????????? case MinusOP:
??????????????????????????? newNode.name = "Operator: -";
??????????????????????????? break;
?????????????????? }
?????????????????? node = newNode;
???????? }
? )*
? { return node; }
}
int addop() : {}
{
???????? <PLUS> { return PlusOP; }
|?? <MINUS> { return MinusOP; }
}
ParseTreeNode Term() :
{
???????? ParseTreeNode node;
???????? ParseTreeNode t;
???????? int op;
}
{
? node=Factor(){}
? (
? op=mulop() t=Factor()
{
?????????????????? ParseTreeNode newNode = new ParseTreeNode();
?????????????????? newNode.nodetype = op;
?????????????????? newNode.child[0] = node;
?????????????????? newNode.child[1] = t;
?????????????????? switch(op)
?????????????????? {
??????????????????????????? case TimersOP:
??????????????????????????? newNode.name = "Operator: *";
??????????????????????????? break;
??????????????????????????? case OverOP:
??????????????????????????? newNode.name = "Operator: /";
??????????????????????????? break;
?????????????????? }
?????????????????? node = newNode;
???????? }
? )*
? {
?
???? return node;
? }
}
int mulop() :{}
{
???????? <TIMERS> { return TimersOP; }
???????? | <OVER> { return OverOP;?? }
}
ParseTreeNode Factor() :
{
???????? ParseTreeNode node;
???????? Token t;
}
{
? t=<ID>
{
????????
? node=new ParseTreeNode();
????????
? node.nodetype= IDstmt;
????????
? node.name = t.image;
????????
? return node;
???????? }
? |
? t=<NUM>
? {
????? node=new ParseTreeNode();
????????
? node.nodetype= NUMstmt;
????????
? node.name = t.image;
????????
? node.value= Integer.parseInt(t.image);
????????
? return node;
??? }
? |
? <LPAREN> node=Simple_Expression() <RPAREN>
?
?{
?
????
??return node;
? }
}
?
其中
SKIP
中的定義就是在進(jìn)行詞法分析的同時(shí)
,
忽略掉的記號
.TOKEN
中的
,
就是需要在做詞法分析的時(shí)候
,
識(shí)別的詞法記號
.
當(dāng)然
,
這一切都是以正則表達(dá)式來表示的
.
這個(gè)例子就有多個(gè)非終結(jié)符號
,
可以看出
,
我們需要為每個(gè)非終結(jié)符號寫出一個(gè)過程
.
不同的非終結(jié)符號的識(shí)別過程中可以互相調(diào)用
.
?
以
Simple_Expression()
過程為例
,
它的產(chǎn)生式是
Expression -> Term { addop Term },
而在
javacc
的輸入文件格式是，它的識(shí)別是這樣寫的
node=Term(){} ( op=addop() t=Term(){ … })*
前面說過，這里的
”*”
符號和正則表達(dá)式是一樣的，就是
0
次到無限次的重復(fù)
.
那么
Simple_Expression
等于文法
Term Addop Term Addop Term Addop Term …
而
Addop
也就相當(dāng)于
PLUS
和
MINUS
兩個(gè)運(yùn)算符號
.
這里我們在寫
Expression
的文法的時(shí)候，同時(shí)還使用了賦值表達(dá)式，因?yàn)檫@個(gè)和
Yacc
不同的時(shí)候，
Javacc
把文法識(shí)別完全地做到了函數(shù)過程中，那么如果我們要識(shí)別
Simple_Expression
的文法，就相當(dāng)于按順序識(shí)別
Term
和
Addop
兩個(gè)文法
,
而識(shí)別那個(gè)文法，就相當(dāng)于調(diào)用那兩個(gè)非終結(jié)符的識(shí)別函數(shù)
.
正是這一點(diǎn)，我覺得
Javacc
的文法識(shí)別處理上就很接近程序的操作過程
,
我們不需要像
YACC
那樣使用嚴(yán)格的文法表示格式，復(fù)雜的系統(tǒng)參數(shù)了
.
關(guān)于
Yacc
的使用，其實(shí)比
Javacc
要復(fù)雜，還需要考慮到和詞法分析器接口的問題，這個(gè)我會(huì)在以后細(xì)細(xì)講到
.
?
至于其它的文法操作解釋我就不再多說了
,
如果要說
,
就是再寫上十篇這樣的文章也寫不完
.
本文只能給讀者們一個(gè)方向
,
至于深入的研究
,
還是請大家看
javacc
提供的官方文檔資料
.
最后
由于國外使用
JAVA
做項(xiàng)目的程序員比國內(nèi)多
,
那么討論
JAVA
技術(shù)的人員也比較多
.
可能來這里讀我的文章的人都是
C/C++
程序員
,
但是關(guān)注其它領(lǐng)域同方向的技術(shù)也是可以讓我們的知識(shí)領(lǐng)域更加寬廣
.
關(guān)于
JavaCC
的討論主要是在國際新聞組
comp.compilers.tools.javacc
如果大家在使用
JavaCC
做實(shí)際問題的時(shí)候遇到什么問題
,
不妨上去找找專家
.
轉(zhuǎn)載人【chenpengyi】注：
JavaCC 的下載地址是：https://javacc.dev.java.net/
同時(shí)它已經(jīng)包含了很多語言的grammar模版了，譬如html,xml,python,vb…..等等，可以到http://www.cobase.cs.ucla.edu/pub/javacc/下載。