Lexikalische Analyse mit Lex

Choose

Lexikalische Analyse mit Lex

updated by rck, 2004-08-27

In Unix finden sich viele Spezialisten. cat gibt dateien aus, cut zerschneidet sie spaltenweise, paste fügt sie wieder zusammen... und lex macht aus einer Text-Datei Tokens.

1 | 2 | 3 | 4 | 5 | 6

Word Count
Ich möchte an dieser Stelle ein kleines flex Programm vorstellen, welches ich für dieses Tutorial entwickelt habe. Es hört auf den schlichten Namen `wc`, die Abkürzung für Word Count, und gehört in einer mächtigeren Version ebenfalls zu jedem Unix dazu. Nachdem es sehr anschaulich das bisher erklärte zusammenfasst, habe ich mir erlaubt, es nachzuprogrammieren. Wordcount liefert in der vorliegenden Version die Anzahl an Wörtern und Zeilen einer Eingabedatei

Word Count

Ich möchte an dieser Stelle ein kleines flex Programm vorstellen, welches ich für dieses Tutorial entwickelt habe. Es hört auf den schlichten Namen wc, die Abkürzung für Word Count, und gehört in einer mächtigeren Version ebenfalls zu jedem Unix dazu.

Nachdem es sehr anschaulich das bisher erklärte zusammenfasst, habe ich mir erlaubt, es nachzuprogrammieren. Wordcount liefert in der vorliegenden Version die Anzahl an Wörtern und Zeilen einer Eingabedatei

wc.lex
`1 /* Word Count with Lex.` `2` `3 part of a lex-tutorial on` `4 http://www.kiesler.at/` `5 /` `6` `7` `8 int words=0;` `9 int lines=0;` `10` `11` `12 WORD [a-zA-Z0-9_]+` `13` `14 PUNCTUATION [\.\ ?\;\,\!\-\&]+` `15 WHITESPACE [ \t]+` `16 IGNORE {PUNCTUATION}\|{WHITESPACE}` `17` `18 NEWLINE [\n]+` `19` `20` `21 %%` `22` `23` `24 {WORD} words++;` `25 {IGNORE} / /` `26 {NEWLINE} lines++;` `27` `28` `29 %%` `30` `31` `32 main(int argc, char *argv) {` `33 yyin=argc>1 ? fopen(argv[1], "r") : stdin;` `34 yylex();` `35 printf("%d word(s), %d line(s).\n",` `36 words, lines);` `37 exit(0);` `38 }`

wc.lex

1 /*              Word Count with Lex.
2
3                 part of a lex-tutorial on
4                 http://www.kiesler.at/
5 */
6
7
8                 int words=0;
9                 int lines=0;
10
11
12 WORD            [a-zA-Z0-9_]+
13
14 PUNCTUATION     [\.\ ?\;\,\!\-\&]+
15 WHITESPACE      [ \t]+
16 IGNORE          {PUNCTUATION}|{WHITESPACE}
17
18 NEWLINE         [\n]+
19
20
21 %%
22
23
24 {WORD}          words++;
25 {IGNORE}        /* */
26 {NEWLINE}       lines++;
27
28
29 %%
30
31
32                 main(int argc, char **argv) {
33                         yyin=argc>1 ? fopen(argv[1], "r") : stdin;
34                         yylex();
35                         printf("%d word(s), %d line(s).\n",
36                                 words, lines);
37                         exit(0);
38                 }

makefile zu wc.lex
`1 wc: wc.lex` `2 flex -owc.c wc.lex` `3 gcc -o wc wc.c -lfl`

Beispiel
$ wc text 5 word(s), 1 line(s). $

Funktionsweise im Schnelldurchlauf
Lex-Datei `8-9` nachdem wir Wort- und Zeilenanzahl wissen möchten, müssen wir sie zählen. Dafür legen wir hier die Variablen an `12-18` hier definieren wir Muster. `\t` und `\n` stehen, wie von C gewohnt, für Tabulator, respektive \n `16` Das Pipe-Symbol \| steht für eine Oderverknüpfung. `IGNORE` trifft also auf Zeichen aus `PUNCTUATION` oder `WHITESPACE` zu `21` Das erste `%%` trennt den Definitionsteil von den Regeln, das zweite, auf Zeile 29 den Regelteil von den Benutzerroutinen `24-26` hier wird festgelegt, was beim Eintreten der Symbole passieren soll. Sollte also ein Wort gefunden werden, wird die Wortanzahl erhöht, und so weiter. `32-38` Unser Hauptprogramm. Nimmt die Eingaben entweder vom angegebenen Kommandozeilenparameter entgegen (Aufruf zB `wc /etc/passwd`) oder von der Standard-Eingabe, wenn kein Parameter angegeben wurde (Aufruf zB `wc < /etc/passwd`). yylex() startet den lexxer, im Anschluß geben wir noch das Ergebnis aus und beenden mit exit-code 0 (alles ok) makefile `1` Wenn sich `wc.lex` ändert, muß `wc` neu kompiliert werden. `2` Wir wünschen uns, dass unser Flex-Programm in `wc.c` umgewandelt wird. `3` Wenn Flex erfolgreich war, kompilieren wir es mit dem C-Compiler `gcc`, verlinken es mit der Flex-Bibliothek fl (-lfl) und erhalten die Ausführbare Datei wc (-o wc).

Funktionsweise im Schnelldurchlauf

Lex-Datei

8-9 nachdem wir Wort- und Zeilenanzahl wissen möchten, müssen wir sie zählen. Dafür legen wir hier die Variablen an

12-18 hier definieren wir Muster. \t und \n stehen, wie von C gewohnt, für Tabulator, respektive \n

16 Das Pipe-Symbol | steht für eine Oderverknüpfung. IGNORE trifft also auf Zeichen aus PUNCTUATION oder WHITESPACE zu

21 Das erste %% trennt den Definitionsteil von den Regeln, das zweite, auf Zeile 29 den Regelteil von den Benutzerroutinen

24-26 hier wird festgelegt, was beim Eintreten der Symbole passieren soll. Sollte also ein Wort gefunden werden, wird die Wortanzahl erhöht, und so weiter.

32-38 Unser Hauptprogramm. Nimmt die Eingaben entweder vom angegebenen Kommandozeilenparameter entgegen (Aufruf zB wc /etc/passwd) oder von der Standard-Eingabe, wenn kein Parameter angegeben wurde (Aufruf zB wc < /etc/passwd). yylex() startet den lexxer, im Anschluß geben wir noch das Ergebnis aus und beenden mit exit-code 0 (alles ok)

makefile

1 Wenn sich wc.lex ändert, muß wc neu kompiliert werden.

2 Wir wünschen uns, dass unser Flex-Programm in wc.c umgewandelt wird.

3 Wenn Flex erfolgreich war, kompilieren wir es mit dem C-Compiler gcc, verlinken es mit der Flex-Bibliothek fl (-lfl) und erhalten die Ausführbare Datei wc (-o wc).

1 | 2 | 3 | 4 | 5 | 6

Geschichtlicher Hintergrund
Reguläre Ausdrücke
Word Count
Zustände -- oder: wie werde ich Kommentare los?
Lexer für einen kleinen Compiler
Fazit