言語理論とコンパイラ

第五回: 字句解析ツール flex

2015 年 5 月 8 日

http://www.sw.it.aoyama.ac.jp/2015/Compiler/lecture5.html

Martin J. Dürst

© 2005-15 Martin J. Dürst 青山学院大学

今日の予定

• 前回の宿題
• 前回の残り、修正
• 字句解析の自動化
• cygwin の使い方
• flex の概要
• flex の使い方と演習

宿題

1. flex, bison, gcc, make,m4 の動作確認済みノート PC を持参
   

前回の残り、修正

前回までのまとめ

• (非) 決定性有限オートマトン
• (左|右) 線形文法
• 正規表現 (regular expression)

全て同じ力を持って、お互いに変換可能、正規言語を定義・受理

コンパイラの段階

字句解析 (lexical analysis)

構文解析 (parsing; syntax analysis)

意味解析 (semantic analysis)

最適化 (optimization)

コード生成 (code generation)

コンパイラの構造

• 前半 (解析) もしくは全体の中心は構文解析
• 構文解析は字句解析から必要に応じて繰り返しトークンを取得
  (getNextToken() のような関数で)
• 構文解析は必要に応じて意味解析などを呼び出す

字句解析の実装

主な要点:

• 文字ごとの細かい作業のため、効率が大切
• 読み込みにバッファを使用

選択肢:

• 自前で字句分析を作成
• ツールの使用

字句解析の自動化

• 字句解析はコンパイラの初段階
• プログラム言語の「単語」を解析・抽出
• 字句の記述には正規表現が最適
• 正規表現→NFA→DFA で効率的な実装が可能
• 手作業での変換は大変 → 自動化

flex の概要

• 字句解析器生成系 (生成器, lexical analyser generator)
• lex のオープンソース版、様々な拡張
• lex: Unix 付属の字句解析器生成系 (作者の名前は Mike Lesk)
• コンパイラなどの字句解析が簡単に記述・作成可能
• 構文解析器生成系 bison と相性がよい
• (Adobe Flex と別物)

cygwin の使い方 (参考)

• ls: ディレクトリの内容をリストアップ
• mkdir: 新しいディレクトリを作る
• cd: 現在のディレクトリを変更する
• pwd: 現在のディレクトリを表示する
• gcc: C のプログラムをコンパイルする
• ./a: コンパイルしたプログラムを実行する

cygwin とハードディスク (参考)

• 前提: cygwin のインストール先が C:\cygwin
• 普通は C:\cygwin の下しか見えない
• ユーザ用のホームディレクトリは例えば C:\cygwin\home\user1
• pwd で /home/user1 として表示
• C:\cygwin からの脱出:
  cd /cygdrive/c (MS Windows の C ドライブのトップに移動)

flex の使用方法

• 拡張子 .l の flex 用入力ファイル ((f)lex ファイル) を作成 (例: test.l)
• flex で test.l ファイルから lex.yy.c ファイルを作成:
  >flex test.l
• flex が作成するファイルの名前は lex.yy.c
• lex.yy.c を (他のファイルと一緒に) コンパイル

flex の使い方

1. 独自のファイル処理 (正規表現によるファイルの一部の認識・変更):

   main から yylex() 関数を一回呼ぶ

2. 構文解析から呼ばれる字句解析:

   構文解析から yylex() を繰り返し呼んで、トークンを return で返す

今日の演習・宿題では 1.、授業の後半では bison とともに 2.を使用

flex の入力形式の一例

        int num_lines = 0, num_chars = 0;
%%
\n      ++num_lines; ++num_chars;
.       ++num_chars;
%%
main()
{
        yylex();
        printf( "# of lines = %d, # of chars = %d\n",
                num_lines, num_chars );
}

int yywrap () { return 1; }

flex の演習 1

前スライドの flex 用プログラムを処理、実行

1. 「flex の入力形式の一例」を test.l にコピー
2. > flex test.l で lex.yy.c を作成
3. > gcc lex.yy.c で a.exe を作成
4. > ./a <file でプログラムを実行

flex の入力形式の骨格

宣言など (C 言語)
宣言など (C 言語)
%%
正規表現    実行文 (C 言語)
正規表現    実行文 (C 言語)
正規表現    実行文 (C 言語)
%%
関数など (C 言語)
関数など (C 言語)

flex の入力形式の構造

flex 専用の指示と C プログラムの一部分が混在

主に、二つの %% で区切られている三つの部分からなる:

1. 準備・設定部分:
   C の #include、グローバル変数の定義と初期化、良く使う字句の定義など
2. 受理する正規表現 (字句規則) とその場合に実行するプログラムの断片
3. 残りの C のプログラム (関数など)

C 言語そのものと違って、改行、字下げが解釈を左右

flex の勉強の仕方

• マニュアルを読む: 英語、日本語
  (宿題の完成には一部マニュアルの使用が必要)
• flex の出力 (lex.yy.c) を読む
• 違う入力に対する flex の出力を比較
• flex のソースを読む (flex の字句解析も flex 形式で記述)
• オプションによる内部情報の出力 (例: flex -v)

flex の基本動作

• flex 呼び出し時:
  • 正規表現を分析、一つの DFA に統合
  • テーブルの作成と初期化
  • DFA の処理プログラムのコピー
  • .l ファイル内の C 言語の断片のコピー
• 実行時:
  • 文字を順次入力
  • できるだけ長い文字列を一つの正規表現でマッチ
  • 複数の正規表現で同じ長さの文字列が受理可能な場合、.l ファイルで先のものが優先
  • 受理が決定の場合、対応する C コードを実行
  • 受理できない場合:
    • 一文字だけそのまま出力
    • 次の文字から処理を再開

flex の内部処理

• それぞれの正規表現を NFA に変更、
  受理状態と実行文を連結
• 全ての NFA を一つの大きな NFA に合流
• NFA を DFA に変換
• ある受理状態に複数の実行文があれば、.l ファイルの最初のものだけを残す
• 入力の場合、最後に通過した受理状態とそれに相当する入力の一を記録、行き止まりの時に使用

flex の演習 2

一般のテキストを XML の要素の内容にする場合には次の表に示される変換が必要
flex で (その変換と) 逆変換のプログラムを作成

flex の演習 3: 数字の発見

入力をそのまま出力、しかし数字でしたら、その前に >>>、その後に <<< をつけるプログラムを flex で作成

入力例:

abc123def345gh

出力例:

abc>>>123<<<def>>>345<<<gh

ヒント: 正規表現でつかんだ文字列は yytext として使用可能

flex の演習 4 (宿題): XML の字句解析

提出期限と場所: 2011 年 5 月 21 日 (木) 19:00 まで O 棟 5 階の O-529 号室の前の箱に投入

提出形式:

• flex の入力ファイル (.l)
• A4 の紙一枚 (必要になれば両面印刷; もっと長くなる場合は左上ホチキス止め)
• 名前、学生番号はコメントとして書く
• 表紙は必要ない (減点対象)

一般の XML ファイルを入力して、その中のものを一行ずつ分かりやすいように書き出す。

例: (入力は <letter>Hello &amp; World!</letter> の場合)

Start tag: <letter>

Contents: Hello

Entity: &amp;

Contents: World!

End tag: </letter>

詳細:

• 入出力は半角英字に限定
• 空白や改行だけの内容の部分は無視
• Start tag (開始タグ)、end tag (終了タグ)、contents (内容)、entity (エンティティ、実体) は必須
• Comment (コメント)、processing instruction (処理命令) は簡単なので是非やってください
• Attribute (属性) は発展問題
• 要素の入れ子構造は出力にインデントで反映
• 終わりに閉じてない要素がありましたら警告を出す

参考のため: テスト入力の例、テスト出力の例

flex でよく出る問題

• .l にエラーがあっても、flex 実行時にエラーは出にくい

  対策: 毎回 flex から処理し直す:
  > flex file.l && gcc lex.yy.c && ./a <input.txt

• flex の指示ではなく C の部分は少なくとも空白一つ字下げが必要
  (二番目の %% 以後は不要)
• 最後の行の後に改行しないと警告
• int yywrap () { return 1; } を忘れず

宿題のヒント

• 正規表現の順番は大切な場合がある
• 正規表現でマッチした部分は変数 yytext で使える
  例: putchar(yytext[0]); (マッチした部分の一番目の文字を出力)
• 正規表現内の正規表現の記号 (メタ文字) は \ でエスケープするか、"" で囲む必要がある

来週の予定

中間テスト (30分)