JAVACC 入门(转载)

读了JavaCC自带文档中的SimpleExamples之后，有一点心得，于是总结一下，以备遗忘。

JavaCC的输入文档是一个词法和语法的规范文件，其中也包括一些动作的描述，它的后缀应该是jj。

简而言之，一个jj文档由下面几个部分构成：

l         Options{}部分：这个部分对产生的语法分析器的特性进行说明，例如向前看的token的个数（用来解除冲突）。这一部分是可以省略的，因为每一个选项都有默认值，当我们没有对某个选项进行说明时，它就采用默认值。也可以把这些选项作为javacc命令的参数来启动javacc，可以达到同样的效果。

l         分析器类的声明：这个部分指定了分析器类的名字，以及其他类中成员的声明。这个部分是必须有的。这个部分的声明如下：

PARSER_BEGIN(classname)

Class classname {

……

}

PARSER_END(classname)

l         词法部分声明：这里面有四类：SKIP、TOKEN、SPECIAL_TOKEN、MORE。其中，SKIP用来说明被忽略的串，下面是一个例子：

SKIP {

“ “

|

“\n”

|

“\r”

}

TOKEN用来说明在词法层次上识别的token，下面是一个例子：

TOKEN {

<ID: (“a”-“z”|”A”-“Z”)+>

|

<NUM: (“0”-“9”)+>

}

这个部分是可以省略的。

在词法声明部分，以#开头的token只是在词法分析时使用，不能作为语法分析的输入，也就是说，它相对词法分析是局部的。

l         语法声明和动作代码：这一部分生成的代码会直接插入分析器类声明的结束括号之前。一般而言，语法中的每一个非终结符都对应一个函数，其中函数的形式如下：

Return_type function_name()

{     变量声明和一些初始化的动作

}

{

上下文无关文法的右部分，其中每个组成部分的形式如下：

语法部分 {动作部分}

两个部分都可以省略。语法部分可以是一个字符串（简单的token常常可以这样处理），TOKEN中声明的token，或一个对某个非终结符对应的函数的调用。

}

以上说明的是jj文件的组成部分，下面再说明一下jj文件中语法的表示方法。Javacc中的语法表示吸收了UNIX中正规文法的一些记号，下面是一些：

l         []：其中的内容是可选的。

l         +：前面的内容出现一次或多次。

l         -：前后构成的闭区间。

l         *: 前面的内容出现0次或多次。

l         ?：前面的内容出现0次或一次。

l         ~：后面的内容的补。

l         |：前面或后面。

l         ()：改变运算的优先级，把其中的内容作为一个整体。

很遗憾的是，javacc有一些问题，即它采用的是自顶向下的分析方法，而且没有回溯功能，因此如何解决冲突的问题，是程序员的责任。Javacc产生的程序采用的分析方法既不是纯正的递归下降算法（可以回溯），也不是纯正的LL算法，事实上，它和二者既有联系又有区别。

与递归下降算法相比，它们的共同点是都采用了函数来表示对应的非终结符，通过函数调用来表示非终结符之间的组成关系。二者之间的不同点在于javacc没有回溯能力，也就是说，如何展开非终结符在编译时就已经确定了。

与LL算法算法相比，它们的共同点是如何展开非终结符都是静态确定的（javacc是函数调用，LL是展开表），事实上，采用缺省选项的javacc的语言是LL(1)的语言。不同之处在于，前者采用的是函数调用，后者采用的是栈上展开的方法。

因为javacc的基础是自顶向下的分析方法，所以必须要解决的下面的两个问题：左递归和公因子。关于左递归的问题，一般采用经典的修改文法的方法解决。关于公因子的问题，可以改写算法（提取公因子），也可以通过展望（look ahead）更多符号的方法来解决。但是因为javacc扩展了经典的BNF，因此它面临更多的问题。总之，当在编译时碰到冲突问题时，就说到了一个choice point。

可以将javacc中choice point归结为以下几类：

l         由选择算子|引入的冲突，

l         由可省略算子[]或？引入的冲突

l         由重复算子*引入的冲突

l         由重复算子+引入的冲突

当在javacc中碰到冲突时，可以采用下面的方法之一解决问题：

l         修改语法，使之成为LL(1)语法。这个方法有一个问题：修改后的语法可能非常不直观了L

l         在jj文件中给javacc一些提示。这些提示可以根据展望的作用域分成全局提示和部分提示。要采用全局提示，只要将LOOKAHEAD=k写到Options块中即可（当然也可以写到javacc的命令行里），这样javacc产生的分析器就可以分析LL(K)语法生成的语言。也可以设置一个局部的LOOKAHEAD，这样既保持了LL(1)的高效性，又可以解决choice point中的。LOOKAHEAD的局部声明形式是LOOKAHEAD(…)，其中括号中的可以是数字（说明向后看多少个记号），或者是一个表示文法的串（当成功时选择）。LOOKAHEAD的完整形式为LOOKAHEAD(amount, expansion, {java语言里的逻辑表达式})，它的含义是，如果到达amount个记号后，expansion如果仍然成立，且逻辑表达式也成立，则执行下面的展开。

采用第一种方法的好处是效率非常高，对机器友好，易于维护，采用第二种方法的好处是语法更加直观，但是却不易维护。有时候采用第一种方法是无法解决冲突的，第二种方法是唯一的选择。