东南大学-编译原理-词法分析器实验报告.doc

词法分析设计

1. 实验目的 
通过本实验的编程实践，了解词法分析的任务，掌握词法分析程序设计的原理和构造方法，对编译的基本概念、原理和方法有完整的和清楚的理解，并能正确地、熟练地运用。

2. 实验内容 
用C++语言实现对C++语言子集的源程序进行词法分析。通过输入源程序从左到右对字符串进行扫描和分解，依次输出各个单词的内部编码及单词符号自身值；若遇到错误则显示“Error”，然后跳过错误部分继续显示 ；同时进行标识符登记符号表的管理。

3. 实验原理
本次实验采用NFA->DFA->DFA0的过程:
对待分析的简单的词法（关键词/id/num/运算符/空白符等）先分别建立自己的FA，然后将他们用产生式连接起来并设置一个唯一的开始符，终结符不合并。

待分析的简单的词法
（1）关键字：
"asm","auto","bool","break","case","catch","char","class","const","const_cast"等
（2）界符（查表）
";",",","(",")","[","]","{","}"
（3） 运算符
"*","/","%","+","-","<<","=",">>","&","^","|","++","--","+=","-=","*=","/=","%=","&","^=","|="
relop：

（4） 其他单词是标识符（ID）和整型常数（SUM），通过正规式定义。

id/keywords:

digit:

（5） 空格有空白、制表符和换行符组成。空格一般用来分隔ID、SUM、运算符、界符和关键字，词法分析阶段通常被忽略。

空白、制表符和换行符:

4. 相关自动机描述
DFA:

DFA0：

5. 流程图

5. 核心数据结构描述

（1）生成的token序列由name、type、attr保存。
struct token{
string name;
string type;
int attr;
};
（2）本文的大多数数据结构都用map来保存，优点是查找方便，大大提高时间复杂度。
map Keywords; //保存关键字
map Sep; //保存界符
map Relop; //保存比较运算符
map Op; //保存其他运算符
mapid; //保存输入字符串中的id
mapnum; //保存数字

vectorToken; //保存token序列，大小未知，所以采用vector保存

6. 核心算法描述
（1）void addToken(string s,int type）s为找到的字符串，type为可能类型。
将分析出来的token()序列添加到Token序列表中。如果是类型为1，查看关键词表，若找到，其类型为关键词并将其以类型为关键词存储到Token表中；若未找到，则查找id表，若找到，说明该id已经出现过，否则添加新的id到id表中，将该i字符串以类型为id添加到Token表中。如果类型为2，在界符表中查找，如果找到以类型为界符存储到Token表中，同理其他几种类型。可能类型为1--5，如果出现其他类型表示是词法分析器中发现额错误，将错误信息记录下来。
void addToken(string s,int type)
{
switch(type){
case 1:
l_it=Keywords.find(s);
if (l_it!=Keywords.end()){
token t={s,"keywords",l_it->second};
Token.push_back(t);
}else{
l_it=id.find(s);
if (l_it==id.end())
{
id[s]=idNum;
token t={s,"id",idNum++};
Token.push_back(t);
}else {
token t={s,"id",l_it->second};
Token.push_back(t);
}
}
break;
case 2:
l_it=Sep.find(s);
if (l_it!=Sep.end()){
token t={s,"separatrix",l_it->second};
Token.push_back(t);
}
break;
case 3:
l_it=Op.find(s);
if (l_it!=Op.end()){
token t={s,"op",l_it->second};
Token.push_back(t);
}
break;
case 4:
l_it=Relop.find(s);
if (lit!=Relop.end()){
token t={s,"relop",l_it->second};
Token.push_back(t);
}
break;
case 5:
l_it=num.find(s);
if (l_it==num.end())
{
num[s]=nNum;
token t={s,"num",nNum++};
Token.push_back(t);
}else {
token t={s,"num",l_it->second};
Token.push_back(t);
}
break;
default: //error
token t={s,"id",-1};
Token.push_back(t);
break;
}
}

（2） void lexical() 词法分析器，按字符读入文法并对其进行处理。
从状态0开始处理，如果是空白符则一直在状态0，如果第一个字符为字母，继续往后寻找，直至不是字母或是数字结束；若第一个字符为数字，将其拼凑成一个数字，数字可以有小数点等，详细见状态转换图，注意以数字开头容易出现一种例如3a类型的错误，所以以数字开头的一定要往下多找一个，看最后一个数字后面是否为空白符或界符或者其他允许出现的符号，如果后面紧跟着字母则报错。如上同理分析运算符等。注意每次处理完遇到一个字符串都要将其送到addToken()添加到Token表中并回到状态0，继续往下处理。

void lexical()
{
fstream ln("E:\ln.txt");
char ch,tempch;
int state=0;
string s="",key="";
while(!ln.eof())
{
switch(state){
case 0: ch=ln.get();
s=ch;
if (ch==13||ch==10||ch==32||ch==9) {state=0; s="";}
else if (ch=='<') state=1;
else if (ch=='=') state=6;
else if (ch=='>') state=9;
else if (isLetter(ch)) state=13;
else if (isDigit(ch)) state=15;
else if (ch=='+'||ch=='-'||ch=='*'||ch=='/'||ch=='&'||ch=='|')
{ state=20; tempch=ch;}
else if (ch=='^') state=44;
else if (isSep(ch)!=-1) state=47;
else if (isOp(s)!=-1) state=48;
else if (isRelop(s)!=-1) state=49;
else state=50; //error
break;
case 1: ch=ln.get();
if(ch=='='||ch=='>') state=2;
else if(ch=='<') state=4;
else state=5;
break;
case 2:
s+=ch;
addToken(s,4);
state=0;
break;
case 4:
s+=ch;
addToken(s,3);
state=0;
break;
case 5: //*
addToken(s,4);
ln.seekg(-1,ios::cur);
state=0;
break;
case 6: ch=ln.get();
if(ch=='=') state=7;
else state=8;
break;
case 7:
s+=ch;
addToken(s,4);
state=0;
break;
case 8: //*
addToken(s,3);
ln.seekg(-1,ios::cur);
state=0
break;
case 9: ch=ln.get();
if(ch=='=') state=10;
else if(ch=='>') state=11;
else state=12;
break;
case 10:
s+=ch;
addToken(s,4);
state=0;
break;
case 11:
s+=ch;
addToken(s,3);
state=0;
break;
case 12: //*
state=0;
addToken(s,4);
ln.seekg(-1,ios::cur);
break;
case 13: ch=ln.get();
if(isDigit(ch)||isLetter(ch)) s+=ch;
else state=14;
break;
case 14: //*
state=0;
addToken(s,1);
ln.seekg(-1,ios::cur);
break;
case 15: ch=ln.get();
if (isDigit(ch)) s+=ch;
else if (ch=='.')
{
s+=ch;
state=16;
}else state=18;
break;
case 16: ch=ln.get();
s+=ch;
if (isDigit(ch)) state=17;
else state=50; //error
break;
case 17: ch=ln.get();
if isDigit(ch)){
s+=ch;
state=17;
}else state=18;
break;
case 18: //*
if (isLetter(ch))
{
s+=ch;
state=50;
}else{
addToken(s,5);
ln.seekg(-1,ios::cur);
state=0;
}
break;
case 20: ch=ln.get();
ifch==tempch||ch=='=') state=21;
else state=23;
break;
case 21:
s+=ch;
addToken(s,3);
state=0;
break;
case 23:
addToken(s,3);
ln.seekg(-1,ios::cur);
state=0;
break;
case 44: ch=ln.get();
if (ch=='=') state=45;
else state=46;
break;
case 45:
s+=ch;
addToken(s,3);
break;
case 46:
addToken(s,3);
ln.seekg(-1,ios::cur);
break;
case 47:
addToken(s,2);
state=0;
break;
case 48:
addToken(s,3);
state=0;
break;
case 49:
addToken(s,4);
state=0;
break;
case 50: //error
while((ch=ln.get())!=EOF){
if(isSep(ch)!=-1||ch==13||ch==10||ch==32||ch==9)
break;
else s+=ch;
}
addToken(s,6); //error
ln.seekg(-1,ios::cur);
state=0;
break;
default:

break;
}
}
}

7. 测试用例

待测字符串：
void fun()
{
int a=2,b=3,3a;
a++;b--;
a+=b;
b*=a;
int c=a+4;
int d=b*5;
}

产生结果在out.txt中（注意，无论输入输出文件都要保存在E盘根目录下）

8. 出现的问题与解决方案
本实验的难点就是进行有效地进行状态如转换，先对每一个简单部分，如空白符、id、digit等画出自动机状态，然后由NFA->DFA，添加一个唯一的初始状态，产生式连接。再将DFA中等价的状态合并最后变成DFA0。这样便大大简化了代码量，也使得逻辑思维更加清晰。

9. 自我体会
将理论运用到实际，不仅可以帮我们更好地复习理论知识，还可以让我们发发掘到一些更深刻层面上的东西。通过本次实验，我深入了解了词法分析的过程，对NFA,DFA,DFA0之间的转换也更能更加熟练地运用。这次实验还有许多需要加强的地方，比如还可以对id的类型进行明确分类，是函数还是变量，是什么类型的，返回类型是什么等等。之后有机会的话，我一定会更加深入的研究，将这个实验更加完善。
..