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;
//&n
补充:Web开发 , ASP.Net ,