C++模板”>>”編譯問題與詞法消歧設(shè)計(jì)
在編譯理論中，通常將編譯過程抽象為5個(gè)主要階段：詞法分析(Lexical Analysis)，語法分析(Parsing)，語義分析(Semantic Analysis)，優(yōu)化(Optimization)，代碼生成(Code Generation)。這5個(gè)階段類似Unix管道模型，上一個(gè)階段的輸出作為下一個(gè)階段的輸入。其中，詞法分析是根據(jù)輸入源代碼文本流，分割出詞，識(shí) 別類別，產(chǎn)生詞法元素(Token)流，如：
- int a = 10;
經(jīng)過詞法分析會(huì)得到[(Type, "int"), (Identifier, "a"), (AssignOperator, "="), (IntLiteral, 10)]，在后續(xù)的語法分析階段，就會(huì)根據(jù)這些詞法元素匹配相應(yīng)的語法規(guī)則。在我學(xué)習(xí)編譯原理時(shí)，教科書中對于詞法分析的介紹主要是基于正則表達(dá)式的，言 下之意就是普通語言的詞法規(guī)則是可以通過正則表達(dá)式描述的。比如，C語言的變量名規(guī)則是“包含字母、數(shù)字或下劃線，并且以字母或下劃線開頭”，這就可以用 正則表達(dá)式[a-zA-Z][a-zA-Z0-9]*表達(dá)。但是，在實(shí)踐中我發(fā)現(xiàn)不管是主流語言，還是自己設(shè)計(jì)的DSL都大量存在不能簡單通過正則表達(dá)式進(jìn)行詞法分析的例子。來看C++98的模版例子：
- map<int, vector<int>>
上面這段代碼會(huì)被C++98編譯器中報(bào)語法錯(cuò)誤，原因在于它把“>>”識(shí)別成了位右移運(yùn)算符而不是兩個(gè)模版右括號，在C++98中必須在兩個(gè)括號中間加空格，寫成
- map<int, vector<int> >
除此了C++模版，據(jù)我所知，經(jīng)典的FORTRAN語言的語法規(guī)則更是大量存在詞法歧義。
我認(rèn)為從本質(zhì)上講，這類問題的根源在于詞法分析的依據(jù)只是簡單的詞法規(guī)則，并不具備所有的語法信息，而詞法歧義必須提升一層在語法規(guī)則中消除。所 以，在我自己設(shè)計(jì)一些DSL的時(shí)候干脆就把詞法分析和語法分析合二為一了，相當(dāng)于讓語法分析在字符層次上去進(jìn)行，而不是經(jīng)典的詞法元素層次上，這就是所謂 的Scannerless Parsing。采用這種方法的例子并不少見，TeX, Wiki, Makefile和Perl 6等語言的語法分析器都屬此類。
Scannerless Parsing方法彌補(bǔ)了詞法規(guī)則無法消歧的問題，但是同時(shí)也破壞了詞法和語法分析簡單清晰的管道結(jié)構(gòu)，總體上增加了實(shí)現(xiàn)和理解的復(fù)雜度。另外，像C++ 這樣大型的語言，如果開始是有詞法分析的，稍微碰到一個(gè)歧義就整個(gè)轉(zhuǎn)成Scannerless Parsing未免也顯得太夸張了。這個(gè)問題困擾了我很久，直到最近才找到了一個(gè)滿意的解決方案。還是以上面”>>”為例，我們知道現(xiàn)在 C++11已經(jīng)允許不加空格了，那么C++11編譯器是如何處理這個(gè)詞法歧義的呢？答案是：詞法分析階段既然分析不好”>>”，干脆就不分析 了，直接把”>” “>”交給語法分析器來分析，其他沒有詞法歧義的照舊。當(dāng)我知道這個(gè)方案的時(shí)候不由得感嘆：妙！理論上，詞法分析是可以什么也不做的，全部把字符一 一交給語法分析器也沒有問題，所以，干脆讓詞法分析只做有把握的部分，解決不了的交給語法分析器，這樣就既保留了管道結(jié)構(gòu)，又解決了詞法歧義。
下面我們再來看看C++11規(guī)范關(guān)于這個(gè)問題的定義：
|
可見，在C++11中，詞法分析器是把”>>”直接當(dāng)成兩個(gè)”>”傳給了語法分析器，然后在語法分析中如果匹配了template- argument-lis語法，***個(gè)”>”符號會(huì)被直接認(rèn)為是模版結(jié)束符，而不是大于，也不是位移符號。根據(jù)這個(gè)定義，我構(gòu)造了一個(gè)例子：
- template<int N>
- class Foo {
- };
- Foo<3>>1> foo;
這個(gè)例子在C++98中是能正確編譯的，”>>”被解釋成了位移運(yùn)算，但是它反而不能在C++11中編譯了，因?yàn)楦鶕?jù)規(guī)范***個(gè)”>”被解釋成了模版參數(shù)結(jié)束符。如果要在C++11中編譯，需要顯式地加上括號：
- Foo<(3>>1)> foo;
