[英]Building an interpreter: designing an AST
因此,我正在为一种与Python类似的语言进行解释。 现在,我了解到这不是一项艰巨的任务,我并不希望它能很好地工作或做很多事情,但我希望它具有一些基本功能(变量,函数,循环,if语句等)。
因此,目前我处于解释器获取文件并将其拆分为令牌列表的阶段,现在我准备将这些令牌转换为AST。 我打算使用递归下降解析器来做到这一点,我相信我理解这一点,但这就是问题所在。 假设我有以下输入
1 + 2 * 3
这将输出7,因为首先使用BIDMAS进行了乘法
2 * 3 = 6
然后加法之后
1 + 6 = 7
我有一个简单的语法,所以我知道如何获得此顺序,但是我不知道如何将其存储为AST。 为了简化答案,让我们假设这是您将收到的唯一输入,并且语法可以是
program = add
add = mul {"+" mul}
mul = NUM {"*" NUM}
因此,基本上,您如何制作一个数据结构来存储AST?
PS我在用C做这个。
免责声明:此表示是主观的,仅用于说明。
从根本上来说,您的AST就像二叉树一样构造,其中每个AST节点都是一个“ C”结构,既包含“左”指针又包含“右”指针。 AST的其他元素通常是上下文相关的。 例如,变量声明与函数定义或函数中的表达式的比较。 对于您引用的示例,粗糙的树将反映以下情况:
+
/ \
1 *
/\
2 3
因此,通过将上述节点1 +(2 * 3)替换为您的AST构造将类似于:
-----------------
| type: ADDOP |
| left: struct* |
| right: struct*|
-----------------
/ \
/ \
(ADDOP left points to) (ADDOP right points to)
------------------------ --------------------------
| type: NUMLITERAL | | type: MULTOP |
| value: 1 | | left: struct* |
| left: struct* (null) | | right: struct* |
| right: struct*(null) | --------------------------
------------------------ / \
/ \
(MULTOP left points to) (MULTOP right points to)
------------------------ --------------------------
| type: NUMLITERAL | | type: NUMLITERAL |
| value: 2 | | value: 3 |
| left: struct* (null) | | left: struct* (null) |
| right: struct*(null) | | right: struct* (null) |
------------------------ --------------------------
我假设您对“ C”以及如何malloc
节点和分配左/右指针足够了解。
现在剩下的活动将是对树进行后顺序遍历,以评估表达式并产生结果,或者发出与编译结果对齐的适当的中间代码/机器代码。 任何一种选择都会带来大量的思想和计划。
顺便说一句:如前所述,AST节点通常将具有基于您要表示的抽象级别的属性。 另请注意,典型的编译器可能出于不同的原因利用多个AST。 是的,请多多阅读/研究。
注意:这说明了AST的数据结构,但是@mikeb答案对于如何将字符串“ 1 + 2 * 3”放入这种结构的节点来说是坚如磐石。
我会使用“调车场”算法-> https://en.wikipedia.org/wiki/Shunting-yard_algorithm
那里也有伪代码。
自由贸易协定:
在计算机科学中,调车场算法是一种解析以中缀符号指定的数学表达式的方法。 它可以用于生成后缀表示法字符串(也称为反向波兰表示法(RPN))或抽象语法树(AST)。 该算法是由Edsger Dijkstra发明的,并被称为“调车场”算法,因为其操作类似于铁路调车场。 Dijkstra首先在Mathematisch Centrum报告MR 34/61中描述了Shunting Yard算法。
像RPN的评估一样,调车场算法是基于堆栈的。 中缀表达式是大多数人习惯的数学符号形式,例如“ 3 + 4”或“ 3 + 4 *(2-1)”。 为了进行转换,有两个文本变量(字符串),输入和输出。 还有一个堆栈,用于保存尚未添加到输出队列的运算符。 要进行转换,程序将按顺序读取每个符号并根据该符号执行某些操作。 以上示例的结果为“ 3 4 +”或“ 3 4 2 1-* +”。
调车场算法后来被推广到操作员优先级解析中。
该代码,因为有人指出,这不是存储它的方法(如果您不喜欢C,请从http://rosettacode.org/wiki/Parsing/Shunting-yard_algorithm中选择 ):
#include <sys/types.h>
#include <regex.h>
#include <stdio.h>
typedef struct {
const char *s;
int len, prec, assoc;
} str_tok_t;
typedef struct {
const char * str;
int assoc, prec;
regex_t re;
} pat_t;
enum assoc { A_NONE, A_L, A_R };
pat_t pat_eos = {"", A_NONE, 0};
pat_t pat_ops[] = {
{"^\\)", A_NONE, -1},
{"^\\*\\*", A_R, 3},
{"^\\^", A_R, 3},
{"^\\*", A_L, 2},
{"^/", A_L, 2},
{"^\\+", A_L, 1},
{"^-", A_L, 1},
{0}
};
pat_t pat_arg[] = {
{"^[-+]?[0-9]*\\.?[0-9]+([eE][-+]?[0-9]+)?"},
{"^[a-zA-Z_][a-zA-Z_0-9]*"},
{"^\\(", A_L, -1},
{0}
};
str_tok_t stack[256]; /* assume these are big enough */
str_tok_t queue[256];
int l_queue, l_stack;
#define qpush(x) queue[l_queue++] = x
#define spush(x) stack[l_stack++] = x
#define spop() stack[--l_stack]
void display(const char *s)
{
int i;
printf("\033[1;1H\033[JText | %s", s);
printf("\nStack| ");
for (i = 0; i < l_stack; i++)
printf("%.*s ", stack[i].len, stack[i].s); // uses C99 format strings
printf("\nQueue| ");
for (i = 0; i < l_queue; i++)
printf("%.*s ", queue[i].len, queue[i].s);
puts("\n\n<press enter>");
getchar();
}
int prec_booster;
#define fail(s1, s2) {fprintf(stderr, "[Error %s] %s\n", s1, s2); return 0;}
int init(void)
{
int i;
pat_t *p;
for (i = 0, p = pat_ops; p[i].str; i++)
if (regcomp(&(p[i].re), p[i].str, REG_NEWLINE|REG_EXTENDED))
fail("comp", p[i].str);
for (i = 0, p = pat_arg; p[i].str; i++)
if (regcomp(&(p[i].re), p[i].str, REG_NEWLINE|REG_EXTENDED))
fail("comp", p[i].str);
return 1;
}
pat_t* match(const char *s, pat_t *p, str_tok_t * t, const char **e)
{
int i;
regmatch_t m;
while (*s == ' ') s++;
*e = s;
if (!*s) return &pat_eos;
for (i = 0; p[i].str; i++) {
if (regexec(&(p[i].re), s, 1, &m, REG_NOTEOL))
continue;
t->s = s;
*e = s + (t->len = m.rm_eo - m.rm_so);
return p + i;
}
return 0;
}
int parse(const char *s) {
pat_t *p;
str_tok_t *t, tok;
prec_booster = l_queue = 0;
display(s);
while (*s) {
p = match(s, pat_arg, &tok, &s);
if (!p || p == &pat_eos) fail("parse arg", s);
/* Odd logic here. Don't actually stack the parens: don't need to. */
if (p->prec == -1) {
prec_booster += 100;
continue;
}
qpush(tok);
display(s);
re_op: p = match(s, pat_ops, &tok, &s);
if (!p) fail("parse op", s);
tok.assoc = p->assoc;
tok.prec = p->prec;
if (p->prec > 0)
tok.prec = p->prec + prec_booster;
else if (p->prec == -1) {
if (prec_booster < 100)
fail("unmatched )", s);
tok.prec = prec_booster;
}
while (l_stack) {
t = stack + l_stack - 1;
if (!(t->prec == tok.prec && t->assoc == A_L)
&& t->prec <= tok.prec)
break;
qpush(spop());
display(s);
}
if (p->prec == -1) {
prec_booster -= 100;
goto re_op;
}
if (!p->prec) {
display(s);
if (prec_booster)
fail("unmatched (", s);
return 1;
}
spush(tok);
display(s);
}
return 1;
}
int main()
{
int i;
const char *tests[] = {
"3 + 4 * 2 / ( 1 - 5 ) ^ 2 ^ 3", /* RC mandated: OK */
"123", /* OK */
"3+4 * 2 / ( 1 - 5 ) ^ 2 ^ 3.14", /* OK */
"(((((((1+2+3**(4 + 5))))))", /* bad parens */
"a^(b + c/d * .1e5)!", /* unknown op */
"(1**2)**3", /* OK */
0
};
if (!init()) return 1;
for (i = 0; tests[i]; i++) {
printf("Testing string `%s' <enter>\n", tests[i]);
getchar();
printf("string `%s': %s\n\n", tests[i],
parse(tests[i]) ? "Ok" : "Error");
}
return 0;
}
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.