lex简介

简介"/>

lex简介

Lex

• Lex
  • 简介
  • 常规表达式正则表达式re
    • 用 Lex 定义常规表达式
    • 举例
    • 正则式
  • Lex编程
  • 编译运行
    • 运行环境
    • 编译

简介

Lex代表Lexical Analyzar，是一种生成扫描器的工具，可以识别文本中的词汇模式。
Lex与C是强耦合的，一个.l文件通过公用的LEX程序来传递，并生成c的输出文件。这些文件被编译为词法分析器的可执行版本。
lex把每个扫描出来的单词叫统统叫做token，token可以有很多类。对比自然语言的话，英语中的每个单词都是token，token有很多类，比如non(名词)就是一个类token，apple就是属于这个类型的一个具体token。对于某个编程语言来说，token的个数是很有限的，不像英语这种自然语言中有几十万个单词。
lex工具会帮我们生成一个yylex函数，yacc通过调用这个函数来得知拿到的token是什么类型的，但是token的类型是在yacc中定义的。
lex的输入文件一般会被命名成 .l文件，通过lex XX.l 我们得到输出的文件是lex.yy.c

常规表达式，正则表达式，re

用 Lex 定义常规表达式

举例

正则式

number [0-9]+

id [A-Za-z]+[A-Za-z0-9_]*

Lex编程

1. 以Lex可以理解的格式指定模式相关是动作。
2. 在这一文件上运行Lex，生成扫描器的C代码。
3. 编译链接C代码生成可执行的扫描器。

一个 Lex 程序分为三个段：第一段是 C 和 Lex 的全局声明，第二段包括模式（C 代码），第三段是补充的 C 函数。 例如, 第三段中一般都有 main() 函数。这些段以%%来分界。

    Definition section%%Rules section%%C code section

• Definition Section
  这块可以放C语言的各种各种include，define等声明语句，但是要用%{ %}括起来。
  .l文件，可以放预定义的正则表达式：minus “-” 还要放token的定义，方法是：代号 正则表达式。然后到了Rules Section就可以通过{符号} 来引用正则表达式

  %{
  int wordCount = 0;
  %}
  chars [A-za-z\_\'\.\"]
  numbers ([0-9])+
  delim [" "\n\t]
  whitespace {delim}+
  words {chars}+
  %%
  

• Rules section
  .l文件在这里放置的rules就是每个正则表达式要对应的动作，一般是返回一个token
  这里的动作都是用{}扩起来的，用C语言来描述，这些代码可以做你任何想要做的事情

  {words} { wordCount++; /*
  increase the word count by one*/ }
  {whitespace} { /* do
  nothing*/ }
  {numbers} { /* one may
  want to add some processing here*/ }
  %%
  

• C code Section
  main函数

  void main()
  {yylex(); //这一函数开始分析。 它由 Lex 自动生成。printf(" No of words: %d\n", wordCount);
  }
  /*这一函数在文件（或输入）的末尾调用。 如果函数的返回值是1，就停止解析。因此它可以用来解析多个文件。 代码可以写在第三段，这就能够解析多个文件。方法是使用 yyin 文件指针指向不同的文件，直到所有的文件都被解析。 最后，yywrap() 可以返回 1 来表示解析的结束。*/
  int yywrap()
  {return 1;
  }
  

编译运行

运行环境

ubuntu15.10
lex/flex 本机预安装了flex，使用lex命令和flex命令相同
gcc

编译

lex file.l                      #生成lex.yy.c
gcc lex.yy.c -o yourname -ll    #编译生成可执行程序 -ll 用来链接lex库
./youname < xxx.c               #运行程序，将输入流重定向为要分析的文件