lex和yacc学习

main.h文件

#ifndef MAIN_HPP
#define MAIN_HPP

#include <iostream>//使用C++库
#include <string>
#include <stdio.h>//printf和FILE要用的

using namespace std;

/*
 * 当lex每识别出一个记号后，是通过变量yylval向yacc传递数据的。默认情况下yylval是int类型，也就是只能传递整型数据。
 * yylval是用YYSTYPE宏定义的，只要重定义YYSTYPE宏，就能重新指定yylval的类型(可参见yacc自动生成的头文件yacc.tab.h)。
 * 在我们的例子里，当识别出标识符后要向yacc传递这个标识符串，yylval定义成整型不太方便
 * (要先强制转换成整型，yacc里再转换回char*)。这里把YYSTYPE重定义为struct Type，可存放多种信息
 */

/* 通常这里面每个成员，每次只会使用其中一个，一般是定义成union以节省空间(但这里用了string等复杂类型造成不可以) */
struct Type {
    string m_sId;
    int m_nInt;
    char m_cOp;
};

/* 把YYSTYPE(即yylval变量)重定义为struct Type类型，这样lex就能向yacc返回更多的数据了 */
#define YYSTYPE Type

#endif

lex.l文件

%{

/*
 * 本lex的生成文件是lex.yy.c
 * lex文件由3段组成，用2个%%行把这3段隔开
 * 
 * 第1段是声明段，包括：
 * 1-C代码部分：include头文件、函数、类型等声明，这些声明会原样拷到生成的.c文件中。
 * 2-状态声明，如%x COMMENT。
 * 3-正则式定义，如digit ([0-9])。
 * 
 * 第2段是规则段，是lex文件的主体，包括每个规则(如 identifier)是如何匹配的，以及匹配后要执行的C代码动作。
 * 
 * 第3段是C函数定义段，如yywrap()的定义，这些C代码会原样拷到生成的.c文件中。该段内容可以为空
 */

/* 第1段：声明段 */
#include "main.h"      /* lex和yacc要共用的头文件，里面包含了一些头文件，重定义了YYSTYPE */
#include "yacc.tab.h"  /* 用yacc编译yacc.y后生成的C头文件，内含%token、YYSTYPE、yylval等定义(都是C宏)，供lex.yy.c和yacc.tab.c使用 */

/* 
 * 为了能够在C++程序里面调用C函数，必须把每一个需要使用的C函数，其声明都包括在extern "C"{}块里面，
 * 这样C++链接时才能成功链接它们。extern "C"用来在C++环境下设置C链接类型。
 */
extern "C" // yacc.y中也有类似的这段extern "C"，可以把它们合并成一段，放到共同的头文件main.h中
{   
    int yywrap(void);
    int yylex(void);//这个是lex生成的词法分析函数，yacc的yyparse()里会调用它，如果这里不声明，生成的yacc.tab.c在编译时会找不到该函数
}

%}

/*
 * lex的每个正则式前面可以带有"<状态>"，例如下面的"<COMMENT>
"。每个状态要先用%x声明才能使用。
 * 当lex开始运行时，默认状态是INITIAL，以后可在C代码里用"BEGIN 状态名;"切换到其它状态(BEGIN是lex/yacc内置的宏)。
 * 这时，只有当lex状态切换到COMMENT后，才会去匹配以<COMMENT>开头的正则式，而不匹配其它状态开头的。
 * 也就是说，lex当前处在什么状态，就考虑以该状态开头的正则式，而忽略其它的正则式。
 * 其应用例如，在一段C代码里，同样是串"abc"，如果它写在代码段里，会被识别为标识符，如果写在注释里则就不会。
 * 所以对串"abc"的识别结果，应根据不同的状态加以区分。
 * 本例子需要忽略掉文本中的行末注释，行末注释的定义是：从某个"//"开始，直到行尾的内容都是注释。其实现方法是：
 * 1-lex启动时默认是INITIAL状态，在这个状态下，串"abc"会识别为标识符，串"123"会识别为整数等。
 * 2-一旦识别到"//"，则用BEGIN宏切换到COMMENT状态，在该状态下，abc这样的串、以及其它字符会被忽略。
 * 只有识别到换行符
时，再用BEGIN宏切换到初始态，继续识别其它记号。
 */
 
%x COMMENT

nondigit    ([_A-Za-z])   /* 非数字由大小写字母、下划线组成 */
digit       ([0-9])       /* 一位数字，可以是0到9 */
integer     ({digit}+)    /* 整数由1至多位数字组成 */
identifier  ({nondigit}({nondigit}|{digit})*)  /* 标识符，以非数字开头，后跟0至多个数字或非数字 */
blank_chars ([ f
	v]+)  		       /* 一个或一段连续的空白符 */

/*下面%%后开始第2段：规则段*/

%%

// 匹配标识符串，此时串值由yytext保存
{identifier} {
    /* 通过yylval向yacc传递识别出的记号的值，由于yylval已定义为struct Type，
     * 这里就可以把yytext赋给其m_sId成员，到了yacc里就可以用$n的方式来引用了 */
    yylval.m_sId = yytext; 
    return IDENTIFIER;      // 向yacc返回: 识别出的记号类型是IDENTIFIER
}

// 匹配整数串
{integer} {    
    yylval.m_nInt = atoi(yytext);    // 把识别出的整数串，转换为整型值，存储到yylval的整型成员里，到了yacc里用$n方式引用
    return INTEGER;           	     // 向yacc返回: 识别出的记号类型是INTEGER
}

// 遇空白符时，什么也不做，忽略它们
{blank_chars}    {}
      
// 遇换行符时，忽略之	  

        {}    

// 遇到串"//"，表明要开始一段注释，直到行尾
"//" {  
    cout << "(comment)" << endl;    // 提示遇到了注释
    BEGIN COMMENT; 	            // 用BEGIN宏切换到注释状态，去过滤这段注释，下一次lex将只匹配前面带有<COMMENT>的正则式
}

// .表示除
以外的其它字符，注意这个规则要放在最后，因为一旦匹配了.就不会匹配后面的规则了(以其它状态<>开头的规则除外)
. {
    yylval.m_cOp = yytext[0];	// 由于只匹配一个字符，这时它对应yytext[0]，把该字符存放到yylval的m_cOp成员里，到了yacc里用$n方式引用
    return OPERATOR;		// 向yacc返回: 识别出的记号类型是OPERATOR
}

// 注释状态下的规则，只有当前切换到COMMENT状态才会去匹配
<COMMENT>
 {    
    BEGIN INITIAL;	// 在注释状态下，当遇到换行符时，表明注释结束了，返回初始态
}

// 在注释状态下，对其它字符都忽略，即：注释在lex(词法分析层)就过滤掉了，不返回给yacc了
<COMMENT>.    {}

%%

// 第3段：C函数定义段
int yywrap(void)
{
    puts("-----the file is end");
    return 1;	//返回1表示读取全部结束。如果要接着读其它文件，可以这里fopen该文件，文件指针赋给yyin，并返回0
}

yacc.y文件

%{

/*
 * 本yacc的生成文件是yacc.tab.c和yacc.tab.h
 * yacc文件由3段组成，用2个%%行把这3段隔开。
 *
 * 第1段是声明段，包括：
 * 1-C代码部分：include头文件、函数、类型等声明，这些声明会原样拷到生成的.c文件中。
 * 2-记号声明，如%token
 * 3-类型声明，如%type
 *
 * 第2段是规则段，是yacc文件的主体，包括每个产生式是如何匹配的，以及匹配后要执行的C代码动作。
 *
 * 第3段是C函数定义段，如yyerror()的定义，这些C代码会原样拷到生成的.c文件中。该段内容可以为空
 */

/* 第1段：声明段 */
#include "main.h"	// lex和yacc要共用的头文件，里面包含了一些头文件，重定义了YYSTYPE

/*
 * 为了能够在C++程序里面调用C函数，必须把每一个需要使用的C函数，其声明都包括在extern "C"{}块里面，
 * 这样C++链接时才能成功链接它们。extern "C"用来在C++环境下设置C链接类型。
 */
extern "C"
{    //lex.l中也有类似的这段extern "C"，可以把它们合并成一段，放到共同的头文件main.h中
    void yyerror(const char *s);
    extern int yylex(void);	//该函数是在lex.yy.c里定义的，yyparse()里要调用该函数，为了能编译和链接，必须用extern加以声明
}

%}

/*
 * lex里要return的记号的声明
 * 用token后加一对<member>来定义记号，旨在用于简化书写方式。
 * 假定某个产生式中第1个终结符是记号OPERATOR，则引用OPERATOR属性的方式：
 * 1-如果记号OPERATOR是以普通方式定义的，如%token OPERATOR，则在动作中要写$1.m_cOp，以指明使用YYSTYPE的哪个成员
 * 2-用%token<m_cOp>OPERATOR方式定义后，只需要写$1，yacc会自动替换为$1.m_cOp
 * 另外用<>定义记号后，非终结符如file, tokenlist，必须用%type<member>来定义(否则会报错)，
 * 以指明它们的属性对应YYSTYPE中哪个成员，这时对该非终结符的引用，如$$，会自动替换为$$.member
 */

%token<m_nInt>		INTEGER
%token<m_sId>		IDENTIFIER
%token<m_cOp>		OPERATOR
%type<m_sId>		file
%type<m_sId>		tokenlist

%%

// 文件，由记号流组成
file:    
    tokenlist    //这里仅显示记号流中的ID
    {
        /* $1是非终结符tokenlist的属性，由于该终结符是用%type<m_sId>定义的，即约定对其用YYSTYPE的m_sId属性，
         * $1相当于$1.m_sId，其值已经在下层产生式中赋值(tokenlist IDENTIFIER) */
        cout<<"all id:"<<$1<<endl;    
    };
	
// 记号流，或者为空，或者由若干数字、标识符、及其它符号组成
tokenlist:
    {
    }
    | tokenlist INTEGER
    {
	/* $2是记号INTEGER的属性，由于该记号是用%token<m_nInt>定义的，即约定对其用YYSTYPE的m_nInt属性，$2会被替换为yylval.m_nInt，已在lex里赋值 */
        cout<<"int: "<<$2<<endl;
    }
    | tokenlist IDENTIFIER
    {
        /* $$是非终结符tokenlist的属性，由于该终结符是用%type<m_sId>定义的，即约定对其用YYSTYPE的m_sId属性，$$相当于$$.m_sId，
         * 这里把识别到的标识符串保存在tokenlist属性中，到上层产生式里可以拿出为用 */
        $$+=" " + $2;
	// $2是记号IDENTIFIER的属性，由于该记号是用%token<m_sId>定义的，即约定对其用YYSTYPE的m_sId属性，$2会被替换为yylval.m_sId，已在lex里赋值
        cout << "id: "<< $2 <<endl; 
    }
    | tokenlist OPERATOR
    {
	// $2是记号OPERATOR的属性，由于该记号是用%token<m_cOp>定义的，即约定对其用YYSTYPE的m_cOp属性，$2会被替换为yylval.m_cOp，已在lex里赋值
        cout<<"op: "<<$2<<endl;
    };

%%

// 当yacc遇到语法错误时，会回调yyerror函数，并且把错误信息放在参数s中
void yyerror(const char *s)    
{
    cerr<<s<<endl;//直接输出错误信息
}

int main()//程序主函数，这个函数也可以放到其它.c, .cpp文件里
{
    const char* sFile="file.txt";//打开要读取的文本文件
    FILE* fp=fopen(sFile, "r");
    if(fp==NULL)
    {
        printf("cannot open %s
", sFile);
        return -1;
    }
    extern FILE* yyin;    //yyin和yyout都是FILE*类型
    yyin=fp;//yacc会从yyin读取输入，yyin默认是标准输入，这里改为磁盘文件。yacc默认向yyout输出，可修改yyout改变输出目的

    printf("-----begin parsing %s
", sFile);
    yyparse();//使yacc开始读取输入和解析，它会调用lex的yylex()读取记号
    puts("-----end parsing");

    fclose(fp);

    return 0;
}

** 参考：**
https://www.cnblogs.com/rednodel/p/4500388.html