# 词法分析科学计算器 > http://gogs.mkyr.fun:99/myuan/elang ## 目标 本节的目标是实现包含一些初等函数的计算器, 允许输入的例子如下: ``` # 允许以#开始写注释, #到行尾的将被忽略 1 + sin(degree(30)) # 角度制的30度 2 - cos(pi) / 10 # 默认为弧度制, 支持定义常量 3 * log(10, 100) # 以10为底, 取100的对数 4 / (2^3 / 4^2) # 当然仍然还有括号可以用 ``` ## 代码流程 上一节中实现功能时边读入边解析和计算, 如果按照这样的逻辑完成本节的目标, 代码将会冗长又固执, 难以阅读和修改. 本节的代码清晰地分为了两个部分: 1. 词法分析, 将文本拆成不同的词单元, 这里靠正则表达式拆 2. 语法分析, 根据不同的模式分析语法生成语法树, 上文中语法大致可以分为 2.1 a + b 中缀表达式 2.2 f(a, b, c) 函数调用式 2.3 a * (b + c) / (f(a) + 2) 带括号的前二者 3. 解释执行语法树中的内容 ## 词法分析 此处的「词」是一个泛指, 意为某些同类字的集合, 如「12334.235」是「数字和小数点」的集合是词, 「sin」是「字母」的集合是词, 「# 注释文本」也是词. 这里定义了一些词类型 ``` .版本 2 .常量 词类型枚举 .常量 词类_数字, "1" .常量 词类_整数部分, "2" .常量 词类_小数部分, "3" .常量 词类_标识符, "4" .常量 词类_算符, "5" .常量 词类_括号, "6" .常量 词类_注释, "7" .常量 词类_空格, "8" .常量 词类型枚举数量, "8" ``` 词类_整数部分和词类_小数部分是为了迁就小数匹配, 词法分析的时候是跳过这两个的. 词法分析的时候逻辑很简单, 伪代码大约是: ``` 对于每一个词类 如果 是整数部分 或 小数部分 到循环尾 end 如果 正则匹配对当前剩余文本匹配成功 记录匹配结果和类型 文本游标往右走匹配结果那么长 跳出循环 end end ``` 这样一趟后就得到了这样的结果 ``` > 词法分析 sin(x) + cos(pi * y) - ln(x) * 123.456 # 注释 用时 0ms 当前类型: 4, 内容: sin 当前类型: 6, 内容: ( 当前类型: 4, 内容: x 当前类型: 6, 内容: ) 当前类型: 5, 内容: + 当前类型: 4, 内容: cos 当前类型: 6, 内容: ( 当前类型: 4, 内容: pi 当前类型: 5, 内容: * 当前类型: 4, 内容: y 当前类型: 6, 内容: ) 当前类型: 5, 内容: - 当前类型: 4, 内容: ln 当前类型: 6, 内容: ( 当前类型: 4, 内容: x 当前类型: 6, 内容: ) 当前类型: 5, 内容: * 当前类型: 1, 内容: 123.456 当前类型: 7, 内容: # 注释 ---- > ``` ## 语法树设计 语法树通常没有定型, 需因地制宜设计. 数学表达式通常可以视为一个纯的无求值顺序问题的语言. 可以做如下规约: ``` 0 ± x -> ±(0, x) x ± 0 -> ±(x, 0) a + b -> +(a, b) 12345 -> +(12345, 0) ``` 这样的话所有的计算表达式都可以写作 函(函甲, 函乙, 函丙, 函丁...) > 函: 指函数 那么语法树的每一个节点应当包含如下信息 - 原始文本, debug用 - 函数名 - 参数数组, 类型为节点 但是很遗憾, 这样的代码会报递归定义错误, 我又没找到怎么把一个指针重新解释成某个自定义类型等我开始扩展易语言语法的时候首先要处理这个事情, 那只能自己申请内存管理数据了, 按C的写法数据结构定义如下: ```C { char 函数名[16], // 定长16, 再长不支持了 int32_t 参数量, // int32_t 参数数组容量, // 参数数组指针后有多大容量, 按照每次*2扩充 uint64_t *参数数组指针, // 按长整数, 未来迁移到x64时兼容 } // 此结构单个长度为 16+8+8 = 32 字节 ``` 内存结构如图: 函数名u8[16]当前参数数量int32当前参数数组容量int32数组头指针uint643, 4, 5, 6, 7, 8...数组元素1uint64函数名u8[16]数组头指针uint64数组元素2uint64函数名u8[16]数组头指针uint64 终于可以开始写递归下降器了. ## 其他 细微之处的东西在代码的注释里. 本节代码使用 git 组织, 每一个里程碑我都会创建一个 commit, 你可以通过 git 回溯来分步查看我的编码过程. 如果你不会 git, 可以下载一个 github desktop, 可以直接在 GUI 上看到各个 commit 的内容. ### 额外阅读 - 正则表达式 - - https://regex101.com/ - - https://www.runoob.com/regexp/regexp-syntax.html - 递归下降器 - - https://zhuanlan.zhihu.com/p/31271879 - - https://zh.wikipedia.org/wiki/%E9%80%92%E5%BD%92%E4%B8%8B%E9%99%8D%E8%A7%A3%E6%9E%90%E5%99%A8 ## 下节预告 本节代码仍然使用纯的易语言做文本分析, 但是如果你详细读了这份代码, 会发现大量的重复, 之后我将使用 JavaScript 的 [peggyjs](https://peggyjs.org/online) 库来重新做这件事, 同时, 如果你认真读了本节代码, 你也可以轻松读懂 peggyjs 的大部分东西. > *不过严格来说, 正则表达式也是 DSL, 因此用了正则表达式就不算是纯易语言了.*