Занятие 3 по курсу МПК

К основной странице курса

Разработка лексических анализаторов с помощью программы GPLex

GPLex - программа для автоматической генерации сканеров (лексических анализаторов)

Комплект для практического занятия скачиваем отсюда. Состав:

• LexProjects.sln - файл решения, содержащее проект Lex1.csproj
• Lex1.csproj - файл демонстрационного проекта для GPLex
• gplex.exe - исполняемый файл генератора сканеров
• mymain.cs - основная программа, содержащая создание сканера и сканирование всех лексем в файле
• ShiftReduceParserCode.cs - файл проекта, необходимый для работы лексического анализатора
• SimpleLex.lex - файл, содержащий правила для генерации лексического анализатора
• generateScanner.bat - командный файл. Содержит одну команду: gplex.exe /noparser SimpleLex.lex
• SimpleLex.cs - файл проекта, автоматически создаваемый при запуске generateScanner.bat
• a.txt - файл программы, подаваемой на вход сгенерированному лексеру

Компиляция проекта и выполнение программы

• Выполняем команду gplex.exe /noparser SimpleLex.lex, запустив командный файл generateScanner.bat

При этом генерируется файл SimpleLex.cs, содержащий код лексера. Ключ /noparser означает, что генерируется лексер без парсера.

• Открываем и компилируем .sln
• Меняем содержимое a.txt, запускаем проект и анализируем результаты

Файл ScannerHelper.cs

Вспомогательный файл для сканера. Содержит глобальные определения. В данном случае ScannerHelper.cs содержит перечислимый тип Tok, содержащий виды лексем, возвращаемых нашим сканером.

Лексема EOF должна идти первой и быть связанной с константой 0.

Группы лексем

• EOF
• Литеральные константы: ID, INUM, RNUM
• Разделители, знаки операций: COLON, SEMICOLON, ASSIGN
• Ключевые слова: BEGIN, END, CYCLE

namespace ScannerHelper
{
    public enum Tok { EOF = 0, ID, INUM, RNUM, COLON, SEMICOLON, ASSIGN, BEGIN, END, CYCLE };
}

Lex-файл SimpleLang.lex

%using ScannerHelper;
%namespace SimpleScanner

Alpha 	[a-zA-Z_]
Digit   [0-9] 
AlphaDigit {Alpha}|{Digit}
INTNUM  {Digit}+
REALNUM {INTNUM}\.{INTNUM}
ID {Alpha}{AlphaDigit}* 

// Здесь можно делать описания типов, переменных и методов - они попадают в класс Scanner
%{
  public int LexValueInt;
  public double LexValueDouble;
%}

%%
{INTNUM} { 
  LexValueInt = int.Parse(yytext);
  return (int)Tok.INUM;
}

{REALNUM} { 
  LexValueDouble = double.Parse(yytext);
  return (int)Tok.RNUM;
}

begin { 
  return (int)Tok.BEGIN;
}

end { 
  return (int)Tok.END;
}

cycle { 
  return (int)Tok.CYCLE;
}

{ID}  { 
  return (int)Tok.ID;
}

":" { 
  return (int)Tok.COLON;
}

":=" { 
  return (int)Tok.ASSIGN;
}

";" { 
  return (int)Tok.SEMICOLON;
}

%%

// Здесь можно делать описания переменных и методов - они тоже попадают в класс Scanner
public int Sum = 0;

Формат .lex-файла

Определения
%%
Правила
%%
Пользовательский код

Пользовательский код содержит описания полей и методов, включаемых в генерируемый класс Scanner.

Пользовательский код может находиться в секции определений, для этого его надо заключить в

%{

%}

Комментарии к SimpleLex.lex

Секция описаний содержит строки

%using ScannerHelper;
%namespace SimpleScanner

которые после преобразования в SimpleLex.cs перейдут в строки

using ScannerHelper;

namespace SimpleScanner
{
  // остальной генерируемый код
}

Регулярные выражения, используемые в секции определений

.	один символ кроме '\n'
*	ноль или более повторений
+	одно или более повторений
?	ноль или одно повторение
[]	класс символов, обозначающий любой символ внутри []
^	при использовании внутри [] обозначает отрицание. При использовании вне [] обозначает, что шаблон начинается с начала строки
\	начало esc-последовательности (например, \n)

Внутри [] можно использовать: - для задания диапазона, например [0-9] ^ в начале для задания отрицания, например [^"\n] (не кавычки и не символ перехода на новую строку)

Примеры регулярных выражений

[0-9]
[0-9]+
[0-9]*\.[0-9]+	\. здесь обозначает точку, т.к. просто . имеет другое значение
[+-]?[0-9]+
#.*	комментарий, начинающийся с #, после которого идет ноль или более символов до конца строки
\"[^"\n]*["\n]	кавычка, после которой идет любое количество не кавычек и не символов перехода на новую строку, после которых идет кавычка или переход на новую строку - так может задаваться литеральная строка. Здесь вне [] кавычка предваряется \, поскольку символ " имеет самостоятельный смысл; в [] кавычку можно писать без \, поскольку внутри [] кавычка не имеет самостоятельного смысла
[^ \n\t]+	любой символ, не являющийся пробелом, переходом на новую строчку, табулостопом, повторяющийся 1 или более раз
^[ \t]*\n	строка из whitespace - пробелы или знаки табуляции, начинающиеся с начала строки и повторенные ноль или более раз, после которых идет символ перехода на новую строку

Класс Scanner

Класс Scanner создается в файле SimpleLex.cs, который генерируется по SimpleLex.lex-файлу

• Основной метод - int yylex() - возвращает код следующей лексемы (токена)
• Свойства:

string yytext - текст лексемы
int yyline - номер строки лексемы
int yycol - номер столбца лексемы
int yyleng - длина лексемы

Основная программа

using System;
using System.IO;
using SimpleScanner;

namespace Main
{
    class mymain
    {
        static void Main(string[] args)
        {
            Scanner scanner = new Scanner(new FileStream(@"..\..\a.txt", FileMode.Open));

            int tok = 0;
            do {
                tok = scanner.yylex();
            } while (tok != (int)Tokens.EOF);
        }
    }
}

Комментарии к программе

Лексический анализатор (сканер) содержит главный метод - yylex() - который возвращает следующую лексему, точнее, ее тип, приведенный к целому типу.

В основной программе мы в цикле вызываем метод scanner.yylex() пока не будет достигнут конец потока

Задания

1. Откомпилировать лексический анализатор и запустить его для файла a.txt
2. Сделать имя файла, обрабатываемого лексическим анализатором, параметром командной строки
3. Подсчитать количество, среднюю, минимальную и максимальную длину всех идентификаторов
4. Найти сумму всех целых и сумму всех вещественных в файле
5. Дана программа, в которой встречаются ключевые слова begin end. Определить, правильно ли они расставлены
6. По данному тексту слов составить таблицу

слово   список его вхождений в текст в формате (строка,столбец), (строка,столбец)