论坛首页 综合技术论坛

脚本解释器(HOC)的实现与分析

浏览 6511 次
该帖已经被评为良好帖
作者 正文
   发表时间:2008-12-23   最后修改:2009-04-08

HOC(High Order Calculator) 是一个解释型的程序语言,最初的版本由Brain Kernighan和Rob Pike在《The UNIX Programming Environment》[UNIX编程环境]一书中作为一个例子给出。本身由lex/yacc构造,结构十分清晰,作为一个教学语言,HOC支持函数,具有类C的语法,有简单的I/O,变量赋值,表达式计算,错误恢复等机制。

 

后来,Bell实验室又陆续开发出了一些改进的版本,使得HOC可以平坦的移植到各种Linux系统中,我在上学的时候阅读过[UNIX编程环境] 这本书,并且对其中的HOC做了一些简单的改进,后来又找到了Bell实验室的一个版本,深入的学了一遍,由于这个发布版本出自Research UNIX系统,我又对源码做了一些修改,并将其移植到了Windows平台。

 

在第一次学习HOC解释器的时候,是在编译原理课程结束后,当时是想在linux下设计一个通用的数学计算引擎,然后将计算出的数据通过一个前端展 示系统(最好平台无关)展示给最终用户。开始,准备用Delphi自己写一个,但是一直没有实现,这个项目就停止了。直到后来发现了一个优秀的绘图工具 gnuplot(关于gnuplot的更多细节,请参看我的另一篇文章), 用它来做前端似乎再合适不过了,于是,我决定将原来的改进后的HOC移植到Windows下,然后进行一个简单的整合。

 

下面是用HOC语言写的一段代码:


代码很简单,先定义一个过程:plotSin(在HOC中有procedure,function之分,前者没有返回值,而后者有),这个过程定义了三个临时变量begin,end,step,其中PI是一个常量,其值为3.1415926, 然后是一个for循环,begin不断加step(0.1),直到不小于end,退出循环,同时每次迭代时,先计算sin(begin)的值,并打印此时的begin和sin(begin)值。最后,调用这个过程,执行计算并退出。

 

这个是程序生成的数据:


将数据交给gnuplot展示,gunplot可以轻易的从数据文件中读出数据,并以第一列为横坐标,第二类为纵坐标画出图形来,根据上边这个数据文件,gnuplot画出的图形结果如下:


如果需要绘制3-D的图形,事实上更为简单一些。如下面的代码所示:


代码很简单,就是两层循环,计算出sin(x)*cos(y)的值,打印出来,一次x迭代结束后,打印一个空行,这样gunplot可以识别次文件,并画出3-D的图形来。

 

使用gnuplot的3-D绘制命令,splot,可以得到下边的图形:


z = sin(x)*cos(y)



 z = x * y



 z = x^2 - y^2 (鞍面)

 

整个思路很清晰,没有什么难懂的地方,而这个HOC的原始版本就是在UNIX下用lex/yacc开发的,只要对正则表达式和BNF形式比较熟悉就 可以很快的理解整个解释器的实现(建议直接去看源码)。如果不太熟悉,那么就接着往下看,我会详细解释这些工具的用法和一些形式语言的理论。

 

  • 形式语言

在计算机科学中,形式语言 是用精确的数学定义或者机器可识别的公式定义的语言,形式语言跟自然语言很类似,包含两部分:语法语义 。形式语言的定义 为:

写道
形式语言是一个字母表上的某些有限长的字符串的集合。数学定义如下:字母表 Σ 为任意有限集合,ε 表示空串, 记 Σ0 为{ε},全体长度为 n 的字串为 Σn , Σ* 为 Σ0∪Σ1∪…∪Σn∪…, 语言 L 定义为 Σ* 的任意子集。
 
  • 正则表达式和BNF

1940年代,Warren McCulloch与Walter Pitts将神经系统中的神经元描述成小而简单的自动控制元。在1950年代,数学家斯蒂芬·科尔·克莱尼利用称之为正则集合 的数学符号来描述此模型。正则表达式又称为模式(pattern),用来描述一系列符合某个句法 规则的串,正则表达式的表达能力十分强大,特别在对串的描述上。通过一系列的数学符号的引入,使得一个很简洁的表达式可以匹配一个很复杂的串,这正是使用 正则表达式的目的。正则表达式有很多的现,C,JAVA,JavaScript等语言都支持正则表达式,perl语言对正则表达式的支持更是到达了一个空 前的高度。

 

在对一些有某些特征的串进行描述的时候,通常会觉得特别难,在使用状态机的理论后,可以得到一定的简化,在数学上可以证明,状态机的表达能力跟正则表达式的表达能力是相等的,也就是说,一切能用状态机表示出来的语言用正则语言也是可以描述的。

 

下面说两个简单的例子,我们在表达“浮点数”这个概念时,用自然语言可以做如下描述:“由若干个数字开头,然后是一个点号(.),然后又是若干个数字”。将这种不确定的语言如何翻译成机器能识别的语言呢?幸好,科学家发明了正则表达式,比如这个例子中,我们可以使用:[0-9]+\.[0-9]{1,} 来表示(当然,这个版本可能有bug,暂时不考虑)。又比如,在很多计算机程序设计语言中,变量命的规则为“以下划线或者字母开头,由数字,下划线,字母组成,长度不超过某个限制(比如64个字符)”,用正则表达式可以做出下面的描述:[_a-zA-Z][_a-zA-Z0-9]{,63}.

 

BNF,说起BNF就更牛了,BNF是一种上下文无关文法 (context-free),基本上所有的计算机语言都是使用上下文无关文法描述的,在表达能力上,上下文无关文法要比有限自动机正则文法 强大,先看看一个上下文无关文法的简单例子:

语言G1,有以下规则:

写道
A -> 0A1
A -> B
B -> #
 

 

写道
上下文无关文法由替换规则组成,这些替换规则被称为产生式(production)。每一条规则占一行, 由一个符号和一个串构成,符号和串之间用->连接,符号成为变元,或称非终结符,而右边的串由变元和另一种被称为终结符的符号组成。左边的符号通常 用大写字母表示,而终结符通常用小写字母,数字或特殊字符表示。一个上下文无关文法需要一个起始变元和规则。
 

 

语言L(G1)可以描述这样一个语言:L(G1) = {0n # 1n | n >= 0}。
上下文无关文法的形式定义是这样:

写道
上下文无关文法是一个四元组(V, Σ, R, S) 且
1) V是一个有穷集合,称为变元集
2) Σ是一个与V不相交的有穷集合,称为终结符集
3) R是一个有穷规则集,每条规则由一个变元(非终结符)和一个由变元和终结符组成的串组成
4) S ∈ V是起始变元
 



如在文法G1中,V={A, B}, Σ = {0, 1, #}, S = A, R为:
A -> 0A1
A -> B
B -> #

这部分基本上是纯理论,看懂了下边的很好理解,看不懂的也没有关系,在下边的实践中慢慢的理解,最终会理解的。

  • lex/yacc

这两个工具太有名了,而且功能非常之强大,在UNIX下已经牛了几十年了,很多工具和语言的解释器都是用它们来做的。一般来说,lex生成关于记号 的规则,生成yacc需要用到的tokens,yacc定义文法以及语义,而语义的解释一般由外部的C来完成,UNIX下,C是原生的,而且这些工具可以 无缝连接,所以在*nix下做一个语言的解释器是很容易的。当然,如果你在windows平台,照样可以完成这些动作,只是稍微有点麻烦。 lex/yacc已经被已经到了windows平台,而且有很多个版本,GNU Bison已经很好的工作在win32平台了。还有一个集成开发环境,叫Parser Generator,不过这个是面向学生和教育工作者的,其他的人需要购买一个License.

 

lex中,用正则表达式定义一些记号,如数字,字符串,关键字等的定义可以放在这个里,主要是做词法分析。lex将输入的文件按字符读入,然后匹配定义好的规则,如果发现是数字则返回数字,等等。返回的结果交给yacc(语法分析)做进一步处理。

 

yacc,使用BNF描述一些语法规则,它将lex返回来的记号与自己的规则相匹配,发现匹配后,执行一定的语义解释,翻译!

  • C语言的函数指针

C语言中,函数是可以作为一个指针,这个指针指向函数的内存空间,如果这些指针放在一个数组中,你甚至可以通过指针的移动如*pc++来调用下一个函数(当然,这种方式本身是不推荐的)。

定义一个函数指针

double (*func)(double);

表示,当以了一个函数指针*func,这个函数接受一个double类型的参数,并返回一个double型的数。比如,在HOC中,有一个函数名与具体函数之间的映射表,代码如下

 

init.c line42

static struct {        /* Built-ins */
    char *name;
    double    (*func)(double);
} builtins[] = {
    "sin",    sin,
    "cos",    cos,
    "tan",    tan,
    "atan",    atan,
    "asin",    Asin,    /* checks range */
    "acos", Acos,    /* checks range */
    "sinh",    Sinh,    /* checks range */
    "cosh",    Cosh,    /* checks range */
    "tanh",    tanh,
    "log",    Log,    /* checks range */
    "log10", Log10,    /* checks range */
    "exp",    Exp,    /* checks range */
    "sqrt",    Sqrt,    /* checks range */
    "gamma", Gamma,    /* checks range */
    "int",    integer,
    "abs",    fabs,
    "erf",    erf,
    "erfc",    erfc,
    0,    0
};
 

 

再比如,HOC的符号表 (编译器内部的一个常用的数据结构,用于存储编译过程中的二元组)Symbol结构:

hoc.h line4

typedef struct Symbol { /* symbol table entry */
    char *name;
    long type;
    union {
        double val; /* VAR */
        double (*ptr)(double); /* BLTIN */
        Inst *defn; /* FUNCTION, PROCEDURE */
        char *str; /* STRING */
    } u;
    struct Symbol *next; /* to link to another */
} Symbol;
 

 

其中内部的匿名union中,有一个字段double (*ptr)(double)就是一个函数指针,名字为ptr,用于表示内建的函数表,也就是刚才提到的builtins数组。

好了,理论就先说到这里,下面开始从头开始构造HOC语言,我会先设计一个简单的框架,我们逐步扩展这个框架,并在最后实现这个语言解释器。好了,可以开始了……

 

  • 一个简单的计算器

hoc.l

%{
#include "y.tab.h"
extern YYSTYPE yylval;
extern int lineno;
%}
%%
[ \t]+        {;}//空白字符,如空格,table等
[0-9]+|[0-9]*\.[0-9]+   
            {//浮点数
                sscanf(yytext,"%lf",&yylval.val);
                return NUMBER;
            }
\n          {//换行
                lineno++;
                return '\n';
            }
.           {//其他任意字符
                return yytext[0];
            }
%%
 

hoc.l很简单,读到空白字符,如空格,table等键则忽略不计,接着读下一个字符,读到换行,就将lineno变量加一,读到浮点数,则将内容读入yylval,并返回NUMBER标记。

 

hoc.y

%{
#include <stdio.h>
#include <stdlib.h>
char *progname;//记录程序名,为了显示错误
int    lineno = 1;//行号,用于显示错误
%}
%union{
    double val;
}
%token <val> NUMBER
%type <val> expr
%left '+' '-'
%left '*' '/'
%left UNARYMINUS//left 意思为这些操作符的结合方式是从左到右,而有些操作符如平方,与此相反
%%
list    :   
        |    list '\n'
        |    list expr '\n'    {printf("\t%.8g\n",$2);}//打印结果
        ;
expr    :    NUMBER            {$$ = $1;}
        |    '-' expr %prec UNARYMINUS {$$ = -$2;}//负数
        |    expr '+' expr    {$$ = $1 + $3;}
        |    expr '-' expr    {$$ = $1 - $3;}
        |    expr '*' expr    {$$ = $1 * $3;}
        |    expr '/' expr    {$$ = $1 / $3;}
        |    '(' expr ')'     {$$ = $2;}
        ;
%%
//上边的$$表示根规则(变元)的值,$1,$2,$i 等表示,第i个子表达式(终结符或者变元)
int main(int argc,char **argv)
{
    progname = argv[0];//记录程序的名字
    yyparse();
}
yywrap()
{
    return 1;
}
yyerror(char *s)
{
    warning(s,(char *)0);
}
warning(char *s,char *t)
{
    fprintf(stderr,"%s : %s",progname,s);
    if(t)
        fprintf(stderr," %s",t);
    fprintf(stderr," near line %d\n",lineno);
}
 

 

hoc.y中间的%%与%%之间的一段就是计算器的BNF的描述,这样一个简洁的描述和一些简单的语义规则($$ = $1 + $3等)即可完成一个桌面计算器的形式描述。其他的几个函数,是yacc要求实现的,做一些错误处理等操作。

如果你工作在*nix系统,可以使用下面的makefile来自动编译整个程序,需要注意的是,你需要一个lex和一个yacc,当然,C的编译器和目标文件的连接器也是必须的。

 

makefile

hoc:    y.tab.o lex.yy.o
    gcc y.tab.o lex.yy.o -o hoc
y.tab.o:y.tab.c
    gcc -c y.tab.c
y.tab.c:hoc.y
    yacc -d hoc.y
lex.yy.o:lex.yy.c
    gcc -c lex.yy.c
lex.yy.c:hoc.l
    lex hoc.l

clean:
    rm -f y.tab.[cho]
    rm -f lex.yy.[cho]

 

编译通过后,你即可使用在shell中测试一些简单的表达式求值:
$./hoc
这个版本的hoc可以处理一些比较简单的表达式,如(1+3)*(5-2),(-12)*6/2等,可以计算出结果,并打印出来。如果有不认识的文法如a++,3^2 = ?或者除0错误4/0等,你会得到一个错误信息,并且hoc会退出(这正是YACC默认的行为)。

  • 支持变量

下一个版本,我们给hoc加入变量声明的机制,变量可以是a-z中的任意个字母,如可以定义:a = 2,b = -4等形式的量,变量可以跟数字一样做+/-/*/等操作。我们可以简单的加入一个数组来维护这些变量,对于第一个版本来说,改动并不大:

 

hoc.l

[a-z]{
         yylval.index = yytext[0] - 'a';
         return VAR;
     }
 

对hoc.l来说,我们可以添加这样一个简单的规则,将读到的变量的ASCII值放入一个全局变量(在lex和yacc中共享)中,并返回记号VAR,yac会对这个记号做处理。

 

hoc.y

double mem[26];
... ...
%union{
    double val;
    int    index;
}
expr:
... ...
|    VAR             {$$ = mem[$1];}
|    VAR '=' expr    {$$ = mem[$1] = $3;}
... ...
 

对于hoc.y改动也不是很大,增加了一个用于存储变量的值的数组mem,这个数组的大小跟英文中的字母数目一样,从规则expr的改动可以看出,当你在给一个变量赋值后,可以通过变量名来引用这个变量的值,比如,你先设置一个变量x = 5,在接下来的某个地方使用x,你会得到一个输出5,当然,这两个语句之间要确保x没有被修改过。

 

  • 错误恢复

当你的程序在执行过程中,你可能不太希望一出错马上就退出,可能想要让系统从错误中恢复过来,继续下边的语句,这虽然不一定是必须的,但是,在这里可能是有用的。

 

#include <setjmp.h>
jmp_buf begin;
int main(int argc,char **argv)
{
    int fpecatch();
    progname = argv[0];
    setjmp(begin);
    signal(SIGFPE,fpecatch);//注册回调函数,当发生FPE时,调用fpecatch()
    yyparse();//调用分析程序
}
fpecatch()//Floating point exception
{
    warning("floating point exception",(char *)0);
}
yyerror(char *s)
{
    warning(s,(char *)0);
    longjmp(begin,0);//跳转回begin初始化的地方
}

 

现在main中初始化一个jmp_buf型的变量begin,然后设置信号setjmp(begin),然后调用yyparse(),当错误发生 时,如除零错误,yacc会调用yyerror()来处理,这时,在yyerror内部,可以调用一个系统调用longjmp(begin, 0),即可恢复到begin被初始化的地方,即main函数中,yyparse()之前的位置。

 

关于C语言中,这个jmp_buf, setjmp(jmp_buf b)和longjmp(jmp_buf buf, int code)的具体使用,可以参考别的C语言手册。

  • 与C整合,调用外部的C函数

lex/yacc真正强大之处在于他们和C语言的结合能力上。它们可以自由的使用外部的C语言定义好的函数。事实上,由于lex/yacc只是一种 中间结果,它们最终还是要生成C代码的,所以使用外部的C语言是没有任何问题的。我们现在可以给hoc添加幂函数的处理,对幂函数的实现我们可以使用外部 的C语言的math库。

hoc.y

... ...
extern double POW(double ,double);
... ...
%right '^'//幂函数的操作符是自右到左结合的
... ...
expr :
... ...
|    expr '^' expr     {$$ = POW($1,$3);}//调用外部的POW函数
... ...
 

math.c

#include <stdio.h>
#include <math.h>

double POW(double x,double y)//当然,也可以在内部调用math.pow,但是这里要说明的是使用外部的C代码
{
    return pow(x,y);
}

 



 

我们可以进行一些简单的测试,现在我们可以把第二个版本的hoc的完整代码给出来:

 

lex.l

%{
#include "y.tab.h"
extern YYSTYPE yylval;
extern int lineno;
%}
%%
[ \t]+          {;}
[0-9]+|[0-9]*\.[0-9]+  
             {
               sscanf(yytext,"%lf",&yylval.val);
               return NUMBER;
             }
[a-z]        {
               yylval.index = yytext[0] - 'a';
               return VAR;
             }
\n           {lineno++;return '\n';}
.            {return yytext[0];}
%%
 

 

lex.y

%{
#include <stdio.h>
#include <stdlib.h>
char *progname;
int    lineno = 1;
double mem[26];
extern double POW(double ,double);
%}
%union{
    double val;
    int    index;
}
%token <val> NUMBER
%token <index> VAR
%type <val> expr
%right '='
%left '+' '-'
%left '*' '/'
%left UNARYMINUS
%right '^'
%%
list    :   
        |    list '\n'
        |    list expr '\n'    {printf("\t%.8g\n",$2);}
        |    list error '\n'   {yyerrok;}
        ;
expr    :    NUMBER
        |    VAR              {$$ = mem[$1];}
        |    VAR '=' expr     {$$ = mem[$1] = $3;}
        |    '-' expr %prec UNARYMINUS {$$ = -$2;}
        |    expr '+' expr    {$$ = $1 + $3;}
        |    expr '-' expr    {$$ = $1 - $3;}
        |    expr '*' expr    {$$ = $1 * $3;}
        |    expr '/' expr    {if($3 == 0.0)
                                yyerror("devide zero error\n");
                                $$ = $1 / $3;}
        |    expr '^' expr    {$$ = POW($1,$3);}
        |    '(' expr ')'     {$$ = $2;}
        ;
%%
#include <signal.h>
#include <setjmp.h>
jmp_buf begin;
int main(int argc,char **argv)
{
    int fpecatch();
    progname = argv[0];
    setjmp(begin);
    signal(SIGFPE,fpecatch);
    yyparse();
}
fpecatch()//Floating point exception
{
    warning("floating point exception",(char *)0);
}
yyerror(char *s)
{
    warning(s,(char *)0);
    longjmp(begin,0);
}
yywrap()
{
    return 1;
}
warning(char *s,char *t)
{
    fprintf(stderr,"%s : %s",progname,s);
    if(t)
        fprintf(stderr," %s",t);
    fprintf(stderr," near line %d\n",lineno);
}
 

 

math.c

#include <stdio.h>
#include <math.h>

double POW(double x,double y)
{
    return pow(x,y);
}

 

makefile

hoc:    y.tab.o lex.yy.o maths.o
    gcc y.tab.o lex.yy.o maths.o -o hoc -lm
y.tab.o:y.tab.c
    gcc -c y.tab.c
y.tab.c:hoc.y
    yacc -d hoc.y
lex.yy.o:lex.yy.c
    gcc -c lex.yy.c
lex.yy.c:hoc.l
    lex hoc.l
maths.o:maths.c
    gcc -c maths.c
clean:
    rm -f y.tab.[cho]
    rm -f lex.yy.[cho]
    rm -f maths.o
 

make成功以后,就可以测试一下,对变量的支持,和错误的恢复,以及对幂函数的支持。现在离我们的目标还有多远呢?我觉得已经比较接近了,但是, 我们现在还需要支持更多的外部函数,如计算正弦余弦函数,计算对数函数,开方,幂函数等等。还有,像很多个数学引擎一样,我们应该考虑内建一些常量,如 PI,E等。当然,除了我们第二个版本的半成品,再没有一个语言的变量会规定为一个字母,因此,我们需要对这些方面进行一些改造。

 

这一次就先写这些,我对高版本的HOC再做一些注释,然后再写一些解释很分析出来。

   发表时间:2009-04-08  
一直忘了将源码附在文章后边,今天整理资料才发现,赶紧上传上来,非常抱歉。希望大家拿到代码后自己测试一下,当然,你也可以通过一点一点修改的方式来学习,lex/yacc的功能十分强大(不要说javacc之类的),每个工具的适用场合都是不同的。lex/yacc的好处在于效率比较高(毕竟生成的是C语言代码)。
0 请登录后投票
   发表时间:2009-04-08  
C的效率确实比较高,但是在目前的计算机硬件的基础上,代码级的差异已经不是很明显了。javacc写的脚本定义比较清晰,有jjTree的支持,可以很完善的做出脚本语言的解析器来。
0 请登录后投票
   发表时间:2009-06-27  
实在不喜欢VB,测试一下这个
0 请登录后投票
论坛首页 综合技术版

跳转论坛:
Global site tag (gtag.js) - Google Analytics