遞迴下降語法分析

只要給定C語言的的生成規則、不停展開，從生成規則的角度來看，這樣可以機械化地生成出任意的C語言程式。但是我們在 9cc 所做的事情，其實是相反。我們是從外面給定C語言程式，展開成輸入的文字列的展開順序，也就是想要知道變成輸入的文字列的語法樹的結構。

針對某種生成規則，只要給予規則，可以機械性地寫出找出符合該規則生成句子的語法樹的程式。接下來要說明的「遞迴下降語法分析法」就是其中一種技巧。

舉例來說想想四則運算的文法。底下是剛剛的四則運算文法：

expr = mul ("+" mul | "-"
 mul)*
mul  = term ("*" term | "/" term)*
term = num | "(" expr ")"

用遞迴下降分析法來寫分析器的基本策略是，把非終端符號和函式一一對應。於是，分析器有expr、mul、num這3個函式。這幾個函式，會負責解析和它們名字一樣規則的標記列。

我們來考慮具體的程式碼。給分析器的輸入是標記列。因為我們想要用分析器建回抽象語法樹，我們要來定義抽象語法樹結點（node）的型態。底下程式碼描述結點的型態：

// 抽象語法樹結點的種類
typedef enum {
  ND_ADD, // +
  ND_SUB, // -
  ND_MUL, // *
  ND_DIV, // /
  ND_NUM, // 整數
} NodeKind;

typedef struct Node Node;

// 抽象語法樹結點的結構
struct Node {
  NodeKind kind; // 結點的型態
  Node *lhs;     // 左邊
  Node *rhs;     // 右邊
  int val;       // 只在kind為ND_NUM時使用
};

lhs和rhs代表 left-hand side 和 right-hand side，也就是左邊和右邊的意思。

接下來開始定義建立新結點的函式。在這個文法下，四則運算分為有左邊和右邊的2個運算子、和數值這兩種種類，我們配合這兩種種類的運算準備兩個函式：

Node *new_node(NodeKind kind, Node *lhs, Node *rhs) {
  Node *node = calloc(1, sizeof(Node));
  node->kind = kind;
  node->lhs = lhs;
  node->rhs = rhs;
  return node;
}

Node *new_node_num(int val) {
  Node *node = calloc(1, sizeof(Node));
  node->kind = ND_NUM;
  node->val = val;
  return node;
}

再來就用這些函數和資料結構來寫我們的分析器吧。+和-為左結合的運算子。底下為分析左結合運算子的函式：

Node *expr() {
  Node *node = mul();

  for (;;) {
    if (consume('+'))
      node = new_node(ND_ADD, node, mul());
    else if (consume('-'))
      node = new_node(ND_SUB, node, mul());
    else
      return node;
  }
}

consume是之前定義的函式，這個函式在下一個輸入串流中的標記和函式引數相符時，會前進一個標記並回傳為真。

接下來仔細看expr函式。應該可以理解這是把expr = mul ("+" mul | "-" mul)*這個生成規則，直接對應到函式呼叫的迴圈中的函式。從上述expr函式回傳的抽象語法樹中，運算子是左結合，也就是說回傳的結點是會從左邊往下長的。

我們來接著定義expr中用到的mul函式。*或/也是左結合的演算子，所以我們用同樣的方式來寫。程式碼如下：

Node *mul() {
  Node *node = term();

  for (;;) {
    if (consume('*'))
      node = new_node(ND_MUL, node, term());
    else if (consume('/'))
      node = new_node(ND_DIV, node, term());
    else
      return node;
  }
}

上述程式的函式間呼叫的關係，原原本本對應了mul = term ("*" term | "/" term)*這條生成規則。

最後我們來定義term函式。term所讀進的不是左結合的運算子，所以雖然不能照上述的方式來寫，我們可以用底下的term函式來描述term = "(" expr ")" | num這條生成規則：

Node *term() {
  // 下一個標記如果是"("，則應該是"(" expr ")"
  if (consume('(')) {
    Node *node = expr();
    expect(')');
    return node;
  }

  // 否則應該為數值
  return new_node_num(expect_number());
}

好，看起來所有的函式都湊齊了，但這真的能分析標記列嗎？乍看之下可能不好懂，但是使用這些函式充份可以分析標記列。舉例來說我們來考慮1+2*3這個算式。

首先會呼叫expr。我們先假定算式全體符合expr（在這裡確實是這樣）開始讀輸入。我們可以看到expr→mul→term的函式呼叫順序，然後讀到1這個標記，expr會回傳代表1的語法樹。

接著，expr裡 consume('+')判斷式為真，所以會消費一個+標記、再度呼叫mul。現在剩下的輸入只剩下2*3。

mul和上次一樣會呼叫term，雖然讀到了2這個標記，但這次並不會馬上回傳。因為mul裡的 consume('*')判斷式為真，mul會再次呼叫term並讀進3這個標記。最後mul會回傳代表2*3的語法樹。

回傳到expr後，會把代表1和代表2*3的語法樹結合，建立代表1+2*3的語法樹，然後作為回傳值跳出expr。也就是正確地分析了1+2*3這個式子。

函式呼叫的關係和函式們讀進的標記如下圖所示。下圖中，對應1+2*3整個式子的是expr層，這代表的是讀進整個輸入的expr函式呼叫。expr上有兩個mul，分別代表讀進1和2*3的mul函式呼叫。

底下是稍微複雜的例子。下圖表示的是分析1*2+(3+4)時的函式呼叫關係。

對於不熟悉遞迴的程式設計師來說，上述的函式可能不太好理解。說實話，對應該非常熟悉遞迴的筆者來說，也覺得這樣的程式運作像某種魔法。遞迴的程式，就算搞懂了背後的原理也還是會覺得不可思議，可能遞迴就是這樣的東西吧。請在腦中多追幾次程式碼，確定程式的運作。

上述這樣把1條生成規則對應到1個函式的手法就叫作「遞迴下降語法解析」。上述的分析器中，會先從左邊讀1個標記，再決定是要呼叫哪一個函式或是要回傳。像這樣先讀1個標記的遞迴下降分析器稱為LL(1)分析器。而用LL(1)分析器可寫出的文法則稱為LL(1)文法。（譯註：關於LL法和LL(k)分析器請參考https://zh.wikipedia.org/zh-tw/LL%E5%89%96%E6%9E%90%E5%99%A8）

Previous包含遞迴的生成規則 Next堆疊機

Last updated 5 years ago