词法分析---基于Asp.NET(实验二学习笔记)

一、背景

任务说明

词法分析表

保留字	特殊符号	其他
If	+	十进制的整数与实数
else	-
while	*
read	/	标识符（由数字、字母和下划线组成的串，但必须以字母开头、且不能以下划线结尾的串）
write	=
int	<
real	==
	<>
	(
	)
	;
	{
	}
	/*
	*/
	[
	]

这次实验主要是完成词法分析器，目的是从输入的源程序中能够识别出各个具有独立意义的记号，包括保留字、标识符、常数、运算符、分隔符等，并依次输出各个记号序列。如果出错（即不是语言可以识别的记号），则输出error。

二、 功能实现描述

正则表达式

在cmm中，语言记号大致可分为以下几大类。

1. 保留字

在正则表达式中，保留字是最简单的了，因为它们仅是由字符的固定序列表示，如果要将所有的保留字收集到一个定义中，就可以写成：

Reserved=int|real|if|else|while|read|write…….

2. 数

数可以是数字（自然数）、十进制数、或者是小数

Nat=[0-9]+

signedNat=(+|-)nat

float=singedNat ”.” Nat

3. 标识符

标识符不是固定的字符串。在cmm中，规定标识符必须由一个字母开头并且只包括字母和数字。可以用一下正则表达式：

Letter=[a-zA-Z]

Digit=[0-9]

Identifier=letter(letter|digit)*

4. 注释

注释在扫描过程中是被忽略的， 扫描程序必须注释并舍弃它们。虽然扫描程序可能没有清晰的常量记号，但是仍需要给注释编写出正则表达式。在cmm中，我给出的单行注释是：//，多行注释有：/* */或{}

5. 二义性、空白格和先行

在使用正则表达式的描述中，有一些串经常可以被不同的正则表达式匹配。例如：if和while的串可以既是标识符又可以是关键字。程序设计语言定义规定了应遵守哪个解释，但是正则表达式本身却无法做到它。相反地，语言定义必须给出无二义性规则，由其回答每一种情况下的含义。

程序设计语言中空白格伪记号的典型定义是：

Whitespace=(newline|blank|tab|comment)+

其中，等号右边的标识符代表恰当的字符或串。空白格通常不是作为记号分隔符，而是被忽略掉。

分隔符结束记号串，但他们并不是记号本身的一部分。因此，扫描程序必须处理先行(lookahead)问题：当它遇到一个分隔符时，它必须做出安排分隔符不会从输入的其他部分中国删除，方法是将分隔符返回到输入串或在将字符从输入中删除之前先行。在大多数情况下，只有单个字符才需要这样做（“单个字符先行”）。

有穷自动机

有穷自动机，或称有穷状态的机器，是描述特定类型算法的数学方法。特别地，有穷自动机可用作描述在输入串中识别模式的过程，因此也能用作构造扫描程。当然有穷自动机与正则表达式之间有着很密切的关系。

确定性有穷自动机（DFA）定义：一个确定的有穷自动机（DFA）M是一个五元组：M=（K，Σ，f，S，Z）其中

　　① K是一个有穷集，它的每个元素称为一个状态；
　　② Σ是一个有穷字母表，它的每个元素称为一个输入符号，所以也称Σ为输入符号字母表；
　　③ f是转换函数，是K×Σ→K上的映射，即，如 f（ki，a）=kj，（ki∈K，kj∈K）就意味着，当前状态为ki，输入符为a时，将转换为下一个状态kj，我们把kj称作ki的一个后继状态；
　　④ S ∈ K是唯一的一个初态；
⑤ Z⊂K是一个终态集，终态也称可接受状态或结束状态。

DFA的下一个状态有当前状态和当前输入字符唯一给出的自动机。非确定的有穷自动机是由它产生的。

带有出错转换的标识符的有穷自动机
以上给出了带有出错转换标识符的有穷自动机的示例图。Nat和小数的DFA非常简单，在这里就不给出示例了。CMM词法分析器的DFA：

从正则表达式到DFA

我们只关心两个算法：一个是将正则表达式翻译成NFA，另一个是将NFA翻译成DFA。再将DFA翻译成程序。

程序

DFA

NFA

正则表达式

利用Thompson结构 -转换将正则表达式的机器片段“粘在一起”以构成与整个表达式相对应的机器。因此该结构式归纳的，而且它依照了正则表达式定义的结构：为每个基本正则表达式展示一个NFA，接着再显示如何通过连接子表达式的NFA得到每个正则表达式。

实现DFA的主要代码：

public
static TokenTypegetToken()
{
inttokenStringIndex = 0;/*
当Ì¡À前¡ãtoken的Ì?索¡Â引°y
*/

/* 当Ì¡À前¡ãtoken的Ì?类¤¨¤型¨ª*/
TokenTypecurrentToken =
TokenType.VOID; ;
/* 起e始º?状Á¡ä态¬?
*/
StateTypestate =
StateType.START;
/* 标À¨º识º?是º?否¤?储ä¡é存ä?当Ì¡À前¡ã字Á?符¤?
*/
intsave;
int once=1;

while(state !=
StateType.DONE)
{
intc = getNextChar();
save = 1;
switch(state)
{
caseStateType.START:
if(Char.IsNumber((char)c))
state = StateType.INNUM;
elseif(c=='.')
state = StateType.POINT;
elseif (Char.IsLetter((char)c))
state = StateType.INID;
// else if (c == ':')
// state = INASSIGN;
elseif (c ==
'<')
state = StateType.INLESS;
elseif (c ==
'>')
state = StateType.INGREAT;
elseif (c ==
'=')
state = StateType.INASSIGN;
elseif (c ==
'!')
state = StateType.INNEQUAL;
elseif(c==
'/')
{
save=0;
state = StateType.INCOMMENT2;
}

elseif ((c ==
' ')|| (c == '\t') || (c ==
'\n'))
save = 0;

// else if (c == '{')
// { save = FALSE;
// state = INCOMMENT;
// }
else
{
state = StateType.DONE;
switch (c)
{
case -1://文?件t结¨¢束º?
save = 0;
currentToken =
TokenType.ENDFILE;
break;
case'{':
currentToken =
TokenType.LBEGIN;
break;
case
'}':
currentToken =
TokenType.REND;
break;
case
'+':
currentToken =
TokenType.PLUS;
break;
case
'-':
currentToken =
TokenType.MINUS;
break;
case
'*':
currentToken =
TokenType.TIMES;
break;
// case '/':
// currentToken = OVER;
// break;
case
'(':
currentToken =
TokenType.LPAREN;
break;
case
')':
currentToken =
TokenType.RPAREN;
break;
case'[':
currentToken =
TokenType.LARRAY;
break;
case
']':
currentToken =
TokenType.RARRAY;
break;
case
';':
currentToken =
TokenType.SEMI;
break;
case',':
currentToken =
TokenType.COMMA;
break;
case'%':
currentToken =
TokenType.MOD;
break;

default:
currentToken =
TokenType.ERROR;
break;
}
}
break;
caseStateType.INCOMMENT:
save = 0;
if(c == -1)
{
state = StateType.DONE;
currentToken =
TokenType.ENDFILE;
}
elseif (c ==
'}')state = StateType.START;
break;

caseStateType.INLESS:
state = StateType.DONE;
if(c ==
'=')
currentToken =
TokenType.LE;
elseif (c ==
'>')
currentToken =
TokenType.NEQ;
else
{ /*取¨?备À?份¤Y的Ì?前¡ã一°?个?字Á?符¤?
*/
ungetNextChar();
save = 0;
currentToken =
TokenType.LT;
}
break;
caseStateType.INGREAT:
state = StateType.DONE;
if(c ==
'=')
currentToken = TokenType.GE;
else
{ /*backup in the input */
ungetNextChar();
save = 0;
currentToken =
TokenType.GT;
}
break;//INNOEQUAL
caseStateType.INASSIGN:
state = StateType.DONE;
if(c ==
'=')
currentToken = TokenType.EQ;
else
{
ungetNextChar();
save = 0;
currentToken = TokenType.ASSIGN;
}
break;
caseStateType.INNEQUAL:
state = StateType.DONE;
if(c ==
'=')
currentToken = TokenType.NEQ;
else
{
ungetNextChar();
save = 0;
currentToken = TokenType.ERROR;
}
break;
caseStateType.INCOMMENT2:
save = 0;
if(c == -1)
{
state = StateType.DONE;
currentToken =
TokenType.ENDFILE;
}
elseif (c ==
'/')
{
state = StateType.INCOMMENT_SINGLE;

}
else
if(c=='*')
{
state = StateType.INCOMMENT_MULTI_1;
}
else
{
ungetNextChar();
save = 1;
c='/';
currentToken =
TokenType.OVER;
state = StateType.DONE;

}
break;
caseStateType.INCOMMENT_SINGLE:
save = 0;
if(c == -1)
{
state = StateType.DONE;
currentToken =
TokenType.ENDFILE;
}
elseif (c ==
'\n')
state = StateType.START;
break;

caseStateType.INCOMMENT_MULTI_1:
save = 0;
if(c == -1)
{
state = StateType.DONE;
currentToken =
TokenType.ENDFILE;
}
elseif (c ==
'*')
state = StateType.INCOMMENT_MULTI_2;
break;
caseStateType.INCOMMENT_MULTI_2:
save = 0;
if(c == -1)
{
state = StateType.DONE;
currentToken =
TokenType.ENDFILE;
}
elseif (c ==
'/')
state = StateType.START;
else
state = StateType.INCOMMENT_MULTI_1;
break;

caseStateType.POINT:
if(!Char.IsLetter((char)c))
{
ungetNextChar();
save = 0;
state = StateType.DONE;
currentToken =
TokenType.NUM;
}
break;
caseStateType.INNUM:
if(c=='.'&&once!=0)
{
--once;
break;
}
if(!Char.IsLetter((char)c))
{
ungetNextChar();
save = 0;
state = StateType.DONE;
if(once!=0)
currentToken =
TokenType.NUM;
}
break;
caseStateType.INID:

if(!Char.IsLetter((char)c)&&!Char.IsDigit((char)c))
{
ungetNextChar();
save = 0;
state = StateType.DONE;
currentToken =
TokenType.ID;
}
break;
caseStateType.DONE:
default:
state = StateType.DONE;
currentToken = TokenType.ERROR;
break;
}
if((save!=0) && (tokenStringIndex <= MAXTOKENLEN))
{
tokenString[tokenStringIndex] = (char)c;
tokenStringIndex++;
}
if(state ==
StateType.DONE)
{
tokenString[tokenStringIndex] =
'\0';
if(currentToken ==
TokenType.ID)
{
currentToken =reservedLookup(charToString(tokenString));
}
}
}
//util.printToken(currentToken,tokenString.ToString());

StringtempS =
Util.printToken(currentToken,charToString(tokenString));
objCode += " "+tempS;
returncurrentToken;
}

实现方法

本人采用Asp.NET,在windows 7平台下，将cmm语法解释器做成网页版的，在某种程度上实现了跨平台性。

三、使用说明

由于我这Web项目无法打包成一个可以执行的文件，只可以在浏览器下访问，可能需要在VS2010下编译执行。
在左侧方框中输入要分析的源文件，点击分析之后，在右侧方框出现词法分析。

四、参考资料

1.《编译原理及实践》 KennethC.Louden著

2.百度百科http://baike.baidu.com/view/289418.htm#3