词法分析器

《编译原理》课程实验报告

课程实验题目：词法分析器

学院：计算机科学与技术班级：软件1503

学号：04153094

姓名：刘欣

指导教师姓名：陈燕

完成时间：

词法分析

定义：

词法分析器的功能输入源程序，按照构词规则分解成一系列单词符号。单词是语言中具有独立意义的最小单位，包括关键字、标识符、运算符、界符和常量等

(1) 关键字是由程序语言定义的具有固定意义的标识符。例如，Pascal 中的begin，end，if，while都是保留字。这些字通常不用作一般标识符。

(2) 标识符用来表示各种名字，如变量名，数组名，过程名等等。

(3) 常数常数的类型一般有整型、实型、布尔型、文字型等。

(4) 运算符如+、-、*、/等等。

(5) 界符如逗号、分号、括号、等等。

输出：

词法分析器所输出单词符号常常表示成如下的二元式：

(单词种别，单词符号的属性值)

单词种别通常用整数编码。标识符一般统归为一种。常数则宜按类型（整、实、布尔等）分种。关键字可将其全体视为一种。运算符可采用一符一种的方法。界符一般用一符一种的方法。对于每个单词符号，除了给出了种别编码之外，还应给出有关单词符号的属性信息。单词符号的属性是指单词符号的特性或特征。

示例：

比如如下的代码段：

while(i>=j) i--

经词法分析器处理后，它将被转为如下的单词符号序列：

<(, _>

<>=, _>

<), _>

<--, _>

<;, _>

词法分析分析器作为一个独立子程序

词法分析是编译过程中的一个阶段，在语法分析前进行。词法分析作为一遍，可以简化设计，改进编译效率，增加编译系统的可移植性。也可以和语法分析结合在一起作为一遍，由语法分析程序调用词法分析程序来获得当前单词供语法分析使用。

词法分析器设计

输入、预处理

词法分析器工作的第一步是输入源程序文本。在许多情况下，为了更好地对单词符号识别，把输入串预处理一下。预处理主要滤掉空格，跳过注释、换行符等。

超前搜索

词法分析过程中，有时为了确定词性，需超前扫描若干个字符。

对于FORTRAN 语言，关键字不作为保留字，可作为标识符使用，空格符号没有任何意义。为了确定词性，需超前扫描若干个字符。

在FORTRAN中

1 DO99K=1,10

2 IF(5.EQ.M) I=10

3 DO99K=1.10

4 IF(5)=55

这四个语句都是正确的语句。语句1和2 分别是DO和IF语句，语句3和4是赋值语句。为了正确区别1和3，2和4语句，需超前扫描若干个字符。

1 DO99K=1,10

2 IF(5.EQ.M) I=10

3 DO99K=1.10

4 IF(5)=55

语句1和3的区别在于符号之后的第一个界符：一个为逗号，另一个为句末符。语句2和4的主要区别在于右括号后的第一个字符：一个为字母，另一个为等号。为了识别1、2中的关键字，必须超前扫描多个字符。超前到能够肯定词性的地方为止。为了区别1和3，必须超前扫描到等号后的第一个界符处。对于语句2、4来说，必须超前扫描到与IF后的左括号相对应的那个右括号之后的第一个字符为止。

状态转换图

词法分析器使用状态转换图来识别单词符号。状态转换图是一张有限方向图。在状态转换图中，有一个初态，至少一个终态。

其中0为初态，2为终态。这个转换图识别（接受）标识符的过程是：从初态0开始，若在状态0之下输入字符是一个字母，则读进它，并转入状态1。在状态1之下，若下一个输入字符为字母或数字，则读进它，并重新进入状态1。一直重复这个过程直到状态1发现输入字符不再是字母或数字时（这个字符也已被读进）就进入状态2。状态2是终态，它意味着到此已识别出一个标识符，识别过程宣告终止。终态结上打个星号意味着多读进了一个不属于标识符部分的字符，应把它退还给输入口中。如果在状态0时输入字符不为“字母”，则意味着识别不出标识符，或者说，这个转换图工作不成功。

正规表达式与正规集

正规表达式是说明单词的一种重要的表示法(记号)，是定义正规集的工具。在词法分析中，正规表达式用来描述标示符可能具有的形式。

定义(正规式和它所表示的正规集)：

设字母表为S，

1. e和Ø都是S上的正规式，它们所表示的正规集分别为{e}和{ }；

2. 任何aÎ S，a是S上的一个正规式，它所表示的正规集为{a}；

3. 假定U和V都是S上的正规式，它们所表示的正规集分别为L(U)和L(V)，那么，(U), U|V, U·V, U*也都是正规式,它们所表示的正规集分别为L(U), L(U)ÈL(V), L(U)L(V)和(L(U))*；

4. 仅由有限次使用上述三步骤而定义的表达式才是S上的正规式，仅由这些正规式所表示的字集才是S上的正规集。

正规式的运算符的“½”读为“或” ,“· ”读为“连接”；“*”读为“闭包”(即，任意有限次的自重复连接)。

在不致混淆时，括号可省去，但规定算符的优先顺序为“(”、“)”、“*”、“· ”、“½” 。连接符“· ”一般可省略不写。

“*”、“· ”和“½” 都是左结合的。

例令S={a,b}，S上的正规式和相应的正规集的例子有：

正规式正规集

a {a}

a½b {a,b}

ab {ab}

(a½b)(a {aa,ab,ba,bb}

a * {e ,a,a, ……任意个a的串}

ba* {b, ba, baa, baaa, …}

(a½b)* {e ,a,b,aa,ab ……所有由a和b

组成的串}

(a½b)*(aa½bb)(a½b)* {S*上所有含有两个相继的a

或两个相继的b组成的串}

定理：若两个正规式U和V所表示的正规集相同,则说U和V等价,写作U=V。

证明b(ab)*=( ba)*b

证明：因为L(b(ab)*)={b}{e, ab, abab, ababab, …}

={b, bab, babab, bababab, …}

L((ba)*b) ={e, ba, baba, bababa, …}{b}

={b, bab, babab, bababab, …}

= L(b(ab)*)

所以, b(ab)*=( ba)*b

设U，V，W为正规式，正规式服从的代数规律有：

(1) U½V=V½U (交换律)

(2) U½(V½W)=(U½V)½W (结合律)

(3) U(VW)=(UV)W (结合律)

(4) U(V½W)=UV½UW (V½W)U=VU½WU (分配律)

(5) eU=U e=U