Quex
Quex 是一个词法分析器的产生器,它能创建C或者C++语言的词法分析器。Quex的一个显著特征是它能支持基于Unicode字符串的输入,而且创建的分析器代码是直接编码格式的(而非查表格式),具有较高的分词速度。另外,Quex在描述词法分析的语法上采用了类似于C++的继承语法和分模块语法,这使得语法的复用非常简单,语法结构更为清晰。
開發者 | Dr.-Ing. Frank-Rene Schäfer |
---|---|
穩定版本 | 0.59.7 (2011年8月14日 ) |
操作系统 | Cross-platform |
类型 | Lexical analyzer generator |
许可协议 | LGPL |
网站 | quex.sourceforge.net |
特性
直接编码词法分析器
Quex使用传统的汤普森创造法,从从正则表达式首先创建不确定性有限状态机,然后通过压缩和归并转换为确定性有限状态机,通过Hopcroft优化算法,使得确定性有限状态机的状态个数达到最小。通过这些机制,使得构建词法分析器的计算时间可以大大减少。相比其他词法分析器生成器只能处理[ASCII]字符串的情况,Quex还可以支持Unicode字符集,并可以产生合理的运算时间的词法分析器。 相比基于查表结构的词法分析器,Quex产生的直接编码方式的代码具有更高的运算速度,而且直接编码方式的代码更接近于人类手工书写的词法分析器代码,因此比查表结构的代码具有良好的可读性。
支持Unicode字符输入
Quex可以处理包含完整的Unicode代码点范围(0至10FFFFh)的字符输入,同时Quex的词法语法提供了支持Unicode的正则表达式格式。例如,与二进制属性XID_Start的Unicode代码点可以用表达式指定的\P{XID_Start}
或\P{XIDS}
来描述。Quex还可以生成代码来调用iconv库或ICU的字符格式转换程序。Quex遵循Unicode Consortium提出的Unicode标准,若Unicode标准更新,则只需要将新版本的标准文件复制到到Quex相应的目录即可完成Quex对Unicode的支持更新。
词法分析模式
和传统的词法分析器(如LEX和Flex),Quex支持词法分析器中存在多个词法分析子模块(子模式)。除了传统的正则表达式的模式匹配外,Quex还可以指定事件动作:例如代码执行期间进入或退出一个模块或发现任何模式匹配时。Quex这种模块设计可以通过继承方式,让派生和继承模块很容易共享基类模块的匹配模式和事件操作。
先进的缓冲处理
Quex提供了先进的数据缓冲和重新装载,保证了运行时的高效和灵活。Quex以插件的方式提供字符转换的用户接口,允许用户使用自定义的字符集转换程序。当需要新的缓冲区填充的时候,转换程序被激活。默认情况下Quex使用的是iconv字符转换库,能够提供多种字符编码集之间的转换。
范例
can be translated into Quex source code as follows:
Quex使用的字符串匹配语法和经典lex和FLEX的词法生成器工具采用的正则表达式语法类似。Flex中的例子程序可以很容易的转换为Quex的语法。
header {
#include <cstdlib> // C++ version of 'stdlib.h'
}
define {
digit [0-9]
letter [a-zA-Z]
}
mode X :
<skip: [ \t\n\r]>
{
"+" => QUEX_TKN_PLUS;
"-" => QUEX_TKN_MINUS;
"*" => QUEX_TKN_TIMES;
"/" => QUEX_TKN_SLASH;
"(" => QUEX_TKN_LPAREN;
")" => QUEX_TKN_RPAREN;
";" => QUEX_TKN_SEMICOLON;
"," => QUEX_TKN_COMMA;
"." => QUEX_TKN_PERIOD;
":=" => QUEX_TKN_BECOMES;
"=" => QUEX_TKN_EQL;
"<>" => QUEX_TKN_NEQ;
"<" => QUEX_TKN_LSS;
">" => QUEX_TKN_GTR;
"<=" => QUEX_TKN_LEQ;
">=" => QUEX_TKN_GEQ;
"begin" => QUEX_TKN_BEGINSYM;
"call" => QUEX_TKN_CALLSYM;
"const" => QUEX_TKN_CONSTSYM;
"do" => QUEX_TKN_DOSYM;
"end" => QUEX_TKN_ENDSYM;
"if" => QUEX_TKN_IFSYM;
"odd" => QUEX_TKN_ODDSYM;
"procedure" => QUEX_TKN_PROCSYM;
"then" => QUEX_TKN_THENSYM;
"var" => QUEX_TKN_VARSYM;
"while" => QUEX_TKN_WHILESYM;
{letter}({letter}|{digit})* => QUEX_TKN_IDENT(strdup(Lexeme));
{digit}+ => QUEX_TKN_NUMBER(atoi(Lexeme));
. => QUEX_TKN_UNKNOWN(Lexeme);
}
通过使用符号“=>”操作符,可以将特定的匹配字符串和对应的词法的Token的ID进行关联。尖括号中的语法表示词法分析器将跳过由空格和tab等组成的字符,圆括号内表示字符串匹配后,可调用C函数进行相应的处理。
对于更复杂的处理,可使用花括号包含所需要的处理语句,如下所示:
...
{digit}+ {
if( is_prime_number(Lexeme) ) ++prime_number_counter;
if( is_fibonacci_number(Lexeme) ) ++fibonacci_number_counter;
self.send(QUEX_TKN_NUMBER(atoi(Lexeme)));
}
...
以上的代码,可以被用来统计处理字符串中的数值的个数。
另外可查阅
- Lexical analysis
- 关于托马斯构建法和Hopcroft优化方法,可查阅书籍例如 Compilers: Principles, Techniques, and Tools.