PHP的词法解析器：re2c

出处：http://www.phppan.com/2011/09/php-lexical-re2c/ 作者： 胖胖 re2c是一个扫描器制作工具，可以创建非常快速灵活的扫描器。它可以产生高效代码，基于C语言，可以支持C/C代码。 与其它类的扫描器不同，它偏重于为正则表达式产生高效代码（和他的名字一

出处：http://www.phppan.com/2011/09/php-lexical-re2c/

作者：胖胖

re2c是一个扫描器制作工具，可以创建非常快速灵活的扫描器。它可以产生高效代码，基于C语言，可以支持C/C++代码。 与其它类似的扫描器不同，它偏重于为正则表达式产生高效代码（和他的名字一样）。因此，这比传统的词法分析器有更广泛的应用范围。 你可以在sourceforge.net获取源码。

PHP在最开始的词法解析器是使用的是flex，后来PHP的改为使用re2c。 在源码目录下的Zend/zend_language_scanner.l 文件是re2c的规则文件， 如果需要修改该规则文件需要安装re2c才能重新编译。

re2c调用方式：

re2c [-bdefFghisuvVw1] [-o output] [-c [-t header]] file

我们通过一个简单的例子来看下re2c。如下是一个简单的扫描器，它的作用是判断所给的字符串是数字/小写字母/大小字母。 当然，这里没有做一些输入错误判断等异常操作处理。示例如下：

<span>#include <stdio.h></stdio.h></span>

<span>char</span> <span>*</span>scan<span>(</span><span>char</span> <span>*</span>p<span>)</span><span>{</span>
<span>#define YYCTYPE char</span>
<span>#define YYCURSOR p</span>
<span>#define YYLIMIT p</span>
<span>#define YYMARKER q</span>
<span>#define YYFILL(n)</span>
    <span>/*!re2c
      [0-9]+ {return "number";}
      [a-z]+ {return "lower";}
      [A-Z]+ {return "upper";}
      [^] {return "unkown";}
     */</span>
<span>}</span>

<span>int</span> main<span>(</span><span>int</span> argc<span>,</span> <span>char</span><span>*</span> argv<span>[</span><span>]</span><span>)</span>
<span>{</span>
    <span>printf</span><span>(</span><span>"%s<span>\n</span>"</span><span>,</span> scan<span>(</span>argv<span>[</span><span>1</span><span>]</span><span>)</span><span>)</span><span>;</span>

    <span>return</span> <span>0</span><span>;</span>
<span>}</span>

如果你是在ubuntu环境下，可以执行下面的命令生成可执行文件。

re2c -o a.c a.l
gcc a.c -o a
chmod +x a
./a 1000

此时程序会输出number。

我们解释一下我们用到的几个re2c约定的宏。

• YYCTYPE 用于保存输入符号的类型，通常为char型和unsigned char型
• YYCURSOR 指向当前输入标记， -当开始时，它指向当前标记的第一个字符，当结束时，它指向下一个标记的第一个字符
• YYFILL(n) 当生成的代码需要重新加载缓存的标记时，则会调用YYFILL(n)。
• YYLIMIT 缓存的最后一个字符，生成的代码会反复比较YYCURSOR和YYLIMIT，以确定是否需要重新填充缓冲区。

参照如上几个标识的说明，可以较清楚的理解生成的a.c文件，当然，re2c不会仅仅只有上面代码所显示的标记， 这只是一个简单示例，更多的标识说明和帮助信息请移步 re2c帮助文档：http://re2c.org/manual.html。

更多编译器相关算法: Compiler Algorithms