Yacc使用优先级
本示例是龙书4.9.2的示例，见图4-59。
和前一章一样，新建xUnit项目，用F#语言。起个名C4F59安装NuGet包：
Install-Package FSharpCompiler.Yacc
Install-Package FSharpCompiler.Parsing
Install-Package FSharp.xUnit
Install-Package FSharp.Literals
Install-Package FSharp.Idioms
编写语法输入文件C4F59.yacc:
lines : lines expr "\n"
| lines "\n"
| /* empty */
;
expr : expr "+" expr
| expr "-" expr
| expr "*" expr
| expr "/" expr
| "(" expr ")"
| "-" expr %prec UMINUS
| NUMBER
;
%%
%left "+" "-"
%left "*" "/"
%right UMINUS
当需要指定运算符号的优先级时，文法输入文件的结构为：
rule list
%%
precedence list
多行注释同C语言语法/* .*? */，不可以嵌套。将被忽略，不放入结果序列。
%prec UMINUS 用于为规则命名，这个名称被优先级定义引用。
优先级规则同龙书中yacc的规则相同。这里暂且不深入分解。
文法的写作并非一蹴而就，需要一些手段技巧编写。此处，暂且直接输入书中现成的文法，如何从零开始写文法文件，将下一章详细介绍。
输入文件完成，我们可以解析输入文件，得到结构化的数据。我们首先新建一个测试文件。然后将下面代码放到一个测试中：
let path = Path.Combine(__SOURCE_DIRECTORY__, @"C4F59.yacc")
let text = File.ReadAllText(path)
let yaccFile = YaccFile.parse text
我们得到YaccFile的结构化数据，就是yaccFile变量中。
let y = {
mainRules=[
["lines";"lines";"expr";"\n"];
["lines";"lines";"\n"];
["lines"];
["expr";"expr";"+";"expr"];
["expr";"expr";"-";"expr"];
["expr";"expr";"*";"expr"];
["expr";"expr";"/";"expr"];
["expr";"(";"expr";")"];
["expr";"-";"expr"];
["expr";"NUMBER"]
];
precedences=[
LeftAssoc,[TerminalKey "+";TerminalKey "-"];
LeftAssoc,[TerminalKey "*";TerminalKey "/"];
RightAssoc,[ProductionKey ["expr";"-";"expr"]]
]
}
这个结构化数据，排除了注释和多余的空白，整理后，放入一个记录中。注意输入中的%prec已经被消除，整理成等价的形式。F#是值相等，所以，尽管引用不相等，值相等的产生式仍然被当作一个数据。
此时我们可以打印解析表数据。
let yacc = ParseTable.create(yaccFile.mainRules, yaccFile.precedences)
[<Fact>]
member this.``generate parse table``() =
let result =
[
"let rules = " + Render.stringify yacc.rules
"let kernelSymbols = " + Render.stringify yacc.kernelSymbols
"let parsingTable = " + Render.stringify yacc.parsingTable
] |> String.concat System.Environment.NewLine
output.WriteLine(result)
创建一个新模块，将打印的三个值，复制到模块中。代码类似：
module C4F59ParseTable
let rules = set [["";"lines"];["expr";"(";"expr";")"];....]
let kernelSymbols = Map.ofList [1,"lines";2,"(";3,"expr";....]
let parsingTable = set [0,"",-8;0,"\n",-8;0,"(",-8;....]
F#的文件是有依赖顺序的，这个模块应该在测试类之前添加。为了保证生成数据的完整性，添加一个验证Fact：
[<Fact>]
member this.``validate parse table``() =
Should.equal yacc.rules C4F59ParseTable.rules
Should.equal yacc.kernelSymbols C4F59ParseTable.kernelSymbols
Should.equal yacc.parsingTable C4F59ParseTable.parsingTable
FSharpCompiler.Yacc的主要任务生成语法解析表，到这里就完成了，下面介绍解析器的编写。
定义文法的输入类型：
首先，用如下方法，看看文法中用到了哪些个词法符记：
[<Fact>]
member this.``terminals``() =
let grammar = Grammar.from yaccFile.mainRules
let terminals = grammar.symbols - grammar.nonterminals
let result = Render.stringify terminals
output.WriteLine(result)
输出一个字符串集合：
set ["\n";"(";")";"*";"+";"-";"/";"NUMBER"]
很好，现在我们一对一，定义文法的输入类型，词法符记：
type C4F59Token =
| EOL
| LPAREN
| RPAREN
| STAR
| DIV
| PLUS
| MINUS
| NUMBER of int
member this.getTag() =
match this with
| EOL -> "\n"
| LPAREN -> "("
| RPAREN -> ")"
| STAR -> "*"
| DIV -> "/"
| PLUS -> "+"
| MINUS -> "-"
| NUMBER _ -> "NUMBER"
可区分联合的getTag成员，是文法输入终结符号，字符串类型，与语义数据的获取桥梁。
我们先不单元测试，我们先继续完成词法分析器，下面是将输入变成词法符记的程序：
open FSharp.Literals.StringUtils
open System
type ....
static member from (text:string) =
let rec loop (inp:string) =
seq {
match inp with
| "" -> ()
| Prefix @"[\s-[\n]]+" (_,rest) // 空白
-> yield! loop rest
| Prefix @"\n" (_,rest) -> //换行
yield EOL
yield! loop rest
| PrefixChar '(' rest ->
yield LPAREN
yield! loop rest
| PrefixChar ')' rest ->
yield RPAREN
yield! loop rest
| PrefixChar '*' rest ->
yield STAR
yield! loop rest
| PrefixChar '/' rest ->
yield DIV
yield! loop rest
| PrefixChar '+' rest ->
yield PLUS
yield! loop rest
| PrefixChar '-' rest ->
yield MINUS
yield! loop rest
| Prefix @"\d+" (n,rest) ->
yield NUMBER(Int32.Parse n)
yield! loop rest
| never -> failwith never
}
loop text
词法分析器利用两个活动模式Prefix，和PrefixChar 。Prefix检测输入的头部是否匹配给定的正则表达式，如果匹配，将字符串分为两部分，头部的匹配的子字符串，和剩余部分的字符串。如：
| Prefix @"\d+" (n,rest) ->
会成功匹配字符串"123xyz..."。并返回元组为"123"，"xyz..."前者赋值给n，后者赋值给rest。
PrefixChar检测输入的第一个字符是否是给定的字符，如果是，将返回除去头部字符的剩余部分的字符串。如：
| PrefixChar '-' rest ->
会成功匹配字符串"-123"。并返回给参数rest为"123"。
测试词法分析器：
[<Fact>]
member this.``tokenize``() =
let inp = "-1/2+3*(4-5)" + System.Environment.NewLine
let tokens = C4F59Token.from inp
let result = Render.stringify (List.ofSeq tokens)
output.WriteLine(result)
得到结果：
[MINUS;NUMBER 1;DIV;NUMBER 2;PLUS;NUMBER 3;STAR;LPAREN;NUMBER 4;MINUS;NUMBER 5;RPAREN;EOL]
有了解析表数据，我们编写解析器代码：
module C4F59.C4F59Parser
open FSharpCompiler.Parsing
let parser =
SyntacticParser(
C4F59ParseTable.rules,
C4F59ParseTable.kernelSymbols,
C4F59ParseTable.parsingTable
)
let parseTokens tokens =
parser.parse(tokens,fun (tok:C4F59Token) -> tok.getTag())
我们首先打开名字空间FSharpCompiler.Parsing，同名NuGet包，利用SyntacticParser类型构造解析器，解析器是单例的，只需要初始化构造一次即可。解析方法的第一个参数是词法符记的序列，第二个参数是一个函数，用来告诉解析方法如何获得语义数据类型的标签字符串，作为文法的终结符号。
我们测试这个方法：
[<Fact>]
member this.``parse tokens``() =
let tokens = [MINUS;NUMBER 1;DIV;NUMBER 2;PLUS;NUMBER 3;STAR;LPAREN;NUMBER 4;MINUS;NUMBER 5;RPAREN;EOL]
let tree = C4F59Parser. parseTokens tokens
let result = Render.stringify tree
output.WriteLine(result)
输出结果如下：
let y = Interior("lines",[
Interior("lines",[]);
Interior("expr",[
Interior("expr",[
Interior("expr",[Terminal MINUS;Interior("expr",[Terminal(NUMBER 1)])]);
Terminal DIV;
Interior("expr",[Terminal(NUMBER 2)])]);
Terminal PLUS;
Interior("expr",[
Interior("expr",[Terminal(NUMBER 3)]);
Terminal STAR;
Interior("expr",[
Terminal LPAREN;
Interior("expr",[
Interior("expr",[Terminal(NUMBER 4)]);
Terminal MINUS;
Interior("expr",[Terminal(NUMBER 5)])]);
Terminal RPAREN])])]);
Terminal EOL])
数据已经整理成为树形，但是这个类型过于通用，我们可以遍历树，根据树上面的数据转换为更专用的数据。我们定义一个表达式数据类型。
type C4F59Expr =
| Add of C4F59Expr * C4F59Expr
| Sub of C4F59Expr * C4F59Expr
| Mul of C4F59Expr * C4F59Expr
| Div of C4F59Expr * C4F59Expr
| Negative of C4F59Expr
| Number of int
下面是转换模块：
module C4F59.C4F59Translation
open FSharpCompiler.Parsing
///
let rec translateExpr = function
| Interior("expr",[e1;Terminal PLUS;e2;]) ->
C4F59Expr.Add(translateExpr e1, translateExpr e2)
| Interior("expr",[e1;Terminal MINUS;e2;]) ->
C4F59Expr.Sub(translateExpr e1, translateExpr e2)
| Interior("expr",[e1;Terminal STAR;e2;]) ->
C4F59Expr.Mul(translateExpr e1, translateExpr e2)
| Interior("expr",[e1;Terminal DIV;e2;]) ->
C4F59Expr.Div(translateExpr e1, translateExpr e2)
| Interior("expr",[Terminal LPAREN;e;Terminal RPAREN;]) ->
translateExpr e
| Interior("expr",[Terminal MINUS;e;]) ->
C4F59Expr.Negative(translateExpr e)
| Interior("expr",[Terminal (NUMBER n);]) ->
C4F59Expr.Number n
| never -> failwithf "%A" never.firstLevel
///
let rec translateLines tree =
[
match tree with
| Interior("lines",[lines;expr;Terminal EOL]) ->
yield! translateLines lines
yield translateExpr expr
| Interior("lines",[lines;Terminal EOL]) ->
yield! (translateLines lines)
| Interior("lines",[]) ->
()
| _ -> failwithf "%A" tree.firstLevel
]
这里函数的输入参数类型是ParseTree类型，此类型位于FSharpCompiler.Parsing中，所以先打开名字空间。这个转译函数对应yacc输入文件的文法，每个函数对应一组产生式，依赖最少的非终结符号先定义。对于每个函数的每个匹配项对应一个产生式，匹配项一定是形如：
| Interior("left side",[symbol1;symbol2;....]) ->
文法的产生式一定对应节点Interior，节点的标签一定是产生式左侧的那个非终结符号，节点的子节点依次对应产生式右侧的元素。个数是相等的，空产生式对应树节点子节点列表也是空列表。如果子节点为终结符号则，如果字节的为非终结符号，定义一个值，以递归调用翻译函数。如果是终结符号，则显式列出，以匹配同一文法符号的不同产生式的特征。
| Interior("lines",[lines;expr;Terminal EOL]) ->
yield! (translateLines lines)
yield expr
对应产生式：
lines : lines expr "\n"
产生式对应Interior；"lines"对应左侧的文法符号；子节点列表,[lines;expr;Terminal EOL]对应产生式: lines expr "\n"；其中lines对应lines；expr对应expr；Terminal EOL对应"\n"。
非终结符号对应的子树将会被递归翻译。如果确定无用，也可能被直接丢弃。终结符号对应的子树将会被提取有用的数据被转化成新的数据形式，或无用的数据被丢弃。
每组产生式的最后有一个默认的后备匹配项目，正确的程序永远用不到，如果用到只会用到输入树第一层的子树数据，即可以确定错误：
| _ -> failwithf "%A" tree.firstLevel
测试：
[<Fact>]
member this.``translate to expr``() =
let tokens = [MINUS;NUMBER 1;DIV;NUMBER 2;PLUS;NUMBER 3;STAR;LPAREN;NUMBER 4;MINUS;NUMBER 5;RPAREN;EOL]
let tree = C4F59Parser. parseTokens tokens
let exprs = C4F59Translation.translateLines tree
let result = Render.stringify exprs
output.WriteLine(result)
输出结果：
[Add(Div(Negative(Number 1),Number 2),Mul(Number 3,Sub(Number 4,Number 5)))]
是不是清爽多了。
本章介绍了如何编译带优先级的文法，这个优先级已经是别人调试正确的文法。下一章将介绍如何从零写优先级。