编译原理(2)词法_1(正规表达式与有限自动机简介)

2.4
正规表达式与有限自动机简介
正规表达式到有限自动机的构造
2.5
词法分析器的自动生成
2.3

正规表达式与优先自动机简介
2.3.1：正规表达式与正规集（定义和运算）
–状态转换图可以构造词法分析程序，但属于非形式化描述
–正规表达式（简称正规式）是词法分析的形式化表示方法 • 所谓形式化的方法，是指用一整套带有严格规定的符号 体系来描述问题的方法，优点：更加清晰和准确 –例如：形式化表示标识符，即标识符的正规式： letter(letter | digit)* 能够表示的单词集合称为正规集
西北农林科技大学本科教程
第 2 讲
主讲教师：赵建邦
本讲目标

第二章《词法分析》前三节

2.1 2.2 2.3
词法分析器的设计方法 一个简单的词法分析器 正规表达式与有限自动机简介

重点掌握

状态转换图的概念 正规表达式的概念和运算
第二章 词法分析
2.1 2.2
词法分析器的设计方法 一个简单的词法分析器
2.1.1：单词符号的分类与输出形式
–输出形式：单词符号通常表示成如下的二元式：
（单词种别，单词自身的值/内码值） 1、单词种别：即单词的种类。为了处理方便，通常让每种单 词对应一个整数码，可以最大限度地将每个单词区别开来 • 保留字：可以统一视为一种，也可一字一种（后一种较
常用）
• 标识符：统一归为一种 • 常数：可统一归为一种或按照整型、实型、布尔型等分 为几种 • 运算符和界符可统一归为一种或采用一符一种
• 则 Σ* = {ε，a，b，aa，ab，ba，bb，aaa，…}
–6.空语言：不含任何字的语言{ }，用‘Ф’表示 注意区分ε、{ }和{ε}： ε是空字，是语言字的集合中的一个元素, 不是Σ的元素 { }不包含任何字，属于集合的概念 {ε}由空字组成的集合，这个集合比{ }多一个元素
2.3

2.1

词法分析器的设计方法
2.1.2：状态转换图（举例）
标识符
无符号整数
无符号数字
2.1

词法分析器的设计方法
2.1.2：状态转换图（编程）
–含分支的状态
• 对应一个switch()语句 • 或对应一组if-else语句 –含回路的状态 • 对应一个while语句 图2-4(a) 含分支的状态i
个保留字。当然，也可以专设一个保留字表来进行处理。
空白 0
字母或数字 字母 1 数字 3 5 非字母与数字
* 返回（id，id在符号表 中的位置）或返回（保 2 留字，—）
*
4
数字
非数字
＋
返回（+，—）
6 7 其它
返回（num，num在常 数表中的位置）
*
＝
*
8
返回（=，—） 返回（relop，EQ）
2.1
词法分析器的设计方法
词法分析器的处理结构（2种）：

第一种：词法分析器和语法分析器完全分开
–词法分析器的输出（单词符号流）作为语法分析器的输入
将词法分析工作作为独立的一遍来完成，在这个过程中不
断查询和完善符号表
图2-1(a) 词法分析程序作为主程序
2.1
词法分析器的设计方法
词法分析器的处理结构（2种）：
–终态对应一个return()语句
• 意味着从词法分析器返回 到调用段，一般指返回到 语法分析器 图2-4(b) 含回路的状态i
第二章 词法分析
2.1 2.2
词法分析的设计方法 一个简单的词法分析器
2.3 2.4ຫໍສະໝຸດ 正规表达式与有限自动机简介
正规表达式到有限自动机的构造
2.5
词法分析器的自动生成
10
2.1

词法分析器的设计方法
2.1.2：状态转换图（概念）
–上一小节解决了单词符号的表示，但是如何识别单词呢？
答：借助‚状态转换图‛ 在词法分析中，可以用状态转换图来识别单词。状态转 换图是状态有限的有向图，结点代表状态，用圆圈表示；结 点之间可由有向边连接，代表状态转换关系，有向边上可标
记字符，表示前一状态接受某一个字符之后的状态转移
例如，右图表示在状态i下的状态转换： 若输入字符为x，则读入x并转换到状 态j； 若输入字符为y，则读入y并转换到状 态k。
2.1

词法分析器的设计方法
2.1.2：状态转换图（表示）
–状态转换图的要求
• 状态（即结点）个数有限 • 至少一个初始状态，若干终止状态 • 每条边上标有字符（也可以是空字符） –状态转换图的表示习惯
单词符号 while if else switch case 标识符 常数 种别编码 1 2 3 4 5 6 7 助记符 while if else switch case id num 内码值 － － － － － id在符号表中的位置 num在常数表中的位 置
2.2

一个简单的词法分析器示例
2.2.1：C语言子集的单词符号表示 单词符号 种别编码 助忆符 内码值
+ * <= < == =
；
8 9 10 11 11 11 12 13
+ * relop relop relop =
；
－ － － LE LT EQ － －
2.2

一个简单的词法分析器示例
2.2.2：C语言子集对应的状态转换图
–对输出程序串预处理
• 在设计的状态转换图中，首先对输入串做预处理，即剔 除多余的空白符(在实际的词法分析中，预处理还包括剔 除注释和制表换行符等编辑性字符的工作)，使词法分析 工作既简单又清晰。 –将保留字作为一类特殊的标识符来处理 • 即对保留字不专设对应的状态转换图，当转换图识别出 一个标识符时就去查对表2.1的前五项，确定它是否为一
2.1
单词符号分类举例
例如：if(a>1) b=100; 如果采用每种单词对应一个整数码，对应的二元式序列？ 假如五类单词的种别规定如下： 保留字if种别：2 上面的子程序输出的二元式序列： 标识符种别：10 ( 2, ） if 常量种别： 11 ( 29, ) ( “=”种别： 17 ( 10,’a’ ) a “>”种别： 23 ( 23, ) > “;”种别： 26 ( 11,’1’的二进制） 1 “(”种别： 29 ( 30, ) ) “)”种别： 30 ( 10,’b’ ) b ( 17, ) = 采用第一种表示 ( 11,’100’的二进制) 100 （ 26， ) ;
；
（
10 11
＝ 9 返回（;—） 返回（｛—） 非法字符错
图2-5 简单词法分 析的状态转换图
21
｛
12
其他
13
2.2

一个简单的词法分析器示例
2.2.2：C语言子集对应的状态转换图
–特别注意：状态2在识别标识符和保留字时：
• 1、先看识别出的单词是否是保留字，否则是标识符 • 2、如果是标识符，查符号表中是否已有，如果表中没有 此标识符，将此标识符登录到符号表中，并返回（id,id 在符号表中的位置/入口指针）；若表中已有此标识符，
正规表达式与优先自动机简介
2.3.1：正规表达式与正规集（递归定义）
– 对于给定的字母表Σ，正规式和正规集定义为：
• (1) ε和Ф都是Σ上的正规式，它们所表示的正规集分别为 {ε}和Ф。 • (2) 对于任一个符号a∈Σ，a是Σ上的一个正规式，它所表 示的正规集为{a}。 这两条规则称为基础规则 第二条：从普通的符号产生对应的正规式和正规集
• 标识符：用户自己定义的常量名、变量名、方法名等
• 常数：布尔常数（true/false）和其它常数 • 运算符： “+”、“- ”、“ * ”、“/ ”、“>”、“<” 等 • 界符：在语言中是作为语法上的分界符号使用的，如 ‚,”、‚;”、‚(”、‚)”、‚=”等
2.1

词法分析器的设计方法
• getbe()和getchar()的使用区别
• reserve():如果token保存的是保留字，则返回编码（15），否则返回0 • retract()：扫描指针回退一个字符，同时将character 置空
第二章 词法分析
2.1 2.2
词法分析的设计方法 一个简单的词法分析器
2.3
2.3
2.4
正规表达式与有限自动机简介
正规表达式到有限自动机的构造
2.5
词法分析器的自动生成
2.1
词法分析器的设计方法
回顾词法分析器：

定位 –词法分析是编译的第一个阶段

任务
–从左至右逐个字符地对源程序进行扫描，产生一个个单词
（Token）符号

功能
–输入源程序，输出单词符号（流）
–不断访问、更新符号表
–1.字母表：语言元素的非空有穷集合，通常用‘Σ’表示
• 例如： Σ={a,b,c} • Σ是字母表，它由a,b,c三个元素组成 • 注意：字母表中至少包含一个元素，任何语言的字母表 规定了该语言中允许出现的一切符号。如英文的字母表
是26个字母、数字和标点符号的集合；C语言的字母表是
由字母、数字和若干专用符号组成。 –2.符号：字母表中的每一个元素，也叫字符
• 初始状态用‚
○”表示
• 非终止状态用‚○‛表示 字符 • 状态之间的跳转用‚ • 终止状态用‚◎*‛表示
‛（有向边）表示
2.1

词法分析器的设计方法
2.1.2：状态转换图（表示）
–特别说明：终止状态用‚◎*‛表示
• 某些终止状态是在读入了一个其它不属于该单词的符号 后才得到相应的单词编码的，这表明在识别单词的过程 中多读入了一个符号，所以识别出单词后应将最后多读 入的这个符号予以回退；我们对此类情况的处理是在终 态上以‚*‛作为标识。 例如：想要识别数字，输入 ‚234a” 读入‘2’：状态0->1 读入‘3’：状态1 读入‘4’：状态1 读入‘a’：状态1->2 回退，识别‚234‛