Question

我正在阅读解析器和解析器生成器，并在维基百科的LR解析页面中找到了这个语句：

可以使用LR解析器的某些变体来解析许多编程语言。一个值得注意的例外是C ++。

为什么会这样？ C ++的哪个特定属性导致无法使用LR解析器进行解析？

使用谷歌，我只发现C可以用LR（1）完美解析，但C ++需要LR（∞）。

Answer 1

LR解析器无法通过设计处理模糊的语法规则。（在20世纪70年代制定这些想法时，理论变得更容易了。）

C和C ++都允许以下语句：

x * y ;

它有两种不同的解析：

它可以是y的声明，作为指向x
它可以是x和y的乘法，丢掉了答案。

现在，您可能认为后者是愚蠢的，应该被忽略。大多数人会同意你的意见;但是，有些情况可能会发生有副作用（例如，如果乘法过载）。但这不是重点。关键是是两个不同的解析，因此是一个程序可能意味着不同的东西取决于应该如何解析。

编译器必须在适当的情况下接受适当的信息，并且在没有任何其他信息（例如，x的类型的知识）的情况下必须收集两者以便稍后决定做什么。因此语法必须允许这样。这使得语法含糊不清。

因此纯LR解析无法处理此问题。许多其他广泛可用的解析器生成器，例如Antlr，JavaCC，YACC或传统的Bison，甚至PEG样式的解析器，也不能以“纯粹”的方式使用。

有许多更复杂的情况（解析模板语法需要任意前瞻，而LALR（k）可以向前看大多数k代币），但只有一个反例才能击落纯 LR（或其他）解析。

大多数真正的C / C ++解析器通过使用一些来处理这个例子一种具有额外黑客攻击的确定性解析器：它们与符号表交织解析集合...所以当遇到“x”时，解析器知道x是否是类型，因此可以在两个潜在的解析之间做出选择。但解析器这不是上下文，LR解析器（纯粹的等等）（最好）没有上下文。

可以作弊，并添加每个规则缩减时间语义检查到LR解析器做消除歧义。（这段代码通常不简单）。大多数其他解析器类型有一些方法可以在各个点添加语义检查在解析中，可以用来做到这一点。

如果你作弊足够，你可以让LR解析器工作 C和C ++。海湾合作委员会的人做了一段时间，但给了它手动编码解析，我认为因为他们想要更好的错误诊断。

然而，还有另一种方法，它既干净又干净并且在没有任何符号表的情况下解析C和C ++就好了 hackery：GLR parsers。这些是完全无上下文解析器（实际上是无限的展望）。 GLR解析器只接受两个解析，产生一个“树”（实际上是一个主要是树状的有向无环图）这代表了模棱两可的解析。解析后的传递可以解决歧义。

我们在C和C ++前端使用这种技术 DMS Software Reengineering Tookit（截至2017年6月这些处理MS和GNU方言中的完整C ++ 17）。它们已被用于处理数百万行大型C和C ++系统，具有完整，精确的解析，生成具有完整源代码细节的AST。（见the AST for C++'s most vexing parse.）

Answer 2

Lambda the Ultimate上有一个讨论LALR grammar for C++的有趣话题。

它包含指向PhD thesis的链接，其中包含对C ++解析的讨论，其中指出：

“C ++语法含糊不清，依赖于上下文和潜在的需要无限的前瞻来解决一些含糊不清的“。

接着提供了一些例子（参见pdf的第147页）。

示例是：

int(x), y, *const z;

含义

int x;
int y;
int *const z;

比较：

int(x), y, new int;

含义

(int(x)), (y), (new int));

（以逗号分隔的表达式）。

两个令牌序列具有相同的初始子序列但具有不同的解析树，这取决于最后一个元素。在消除歧义之前，可以有任意多个令牌。

Answer 3

问题永远不会像这样定义，而应该是有趣的：

对C ++语法的最小修改是什么，这是必要的，以便这个新语法可以被“非上下文”yacc解析器完美解析？（仅使用一个'hack'：typename / identifier disambiguation，解析器通知每个typedef / class / struct的词法分析器）

我看到几个：

Type Type;被禁止。声明为typename的标识符不能成为非typename标识符（请注意struct Type Type不明确且仍然允许）。

names tokens有3种类型：
- types：builtin-type或者因为typedef / class / struct
- 模板函数
- 标识符：函数/方法和变量/对象
将模板函数视为不同的标记可以解决func<歧义问题。如果func是模板函数名称，则<必须是模板参数列表的开头，否则func是函数指针，<是比较运算符。
Type a(2);是一个对象实例化。 Type a();和Type a(int)是函数原型。
int (k);完全被禁止，应该写成int k;
typedef int func_type();和 typedef int (func_type)();被禁止。

函数typedef必须是函数指针typedef：typedef int (*func_ptr_type)();
模板递归限制为1024，否则增加的最大值可以作为选项传递给编译器。
int a,b,c[9],*d,(*f)(), (*g)()[9], h(char);也可能被禁止，取而代之的是int a,b,c[9],*d; int (*f)();

int (*g)()[9];

int h(char);

每个函数原型或函数指针声明一行。

一个非常优选的选择是更改可怕的函数指针语法

int (MyClass::*MethodPtr)(char*);

被重新合成为：

int (MyClass::*)(char*) MethodPtr;

这与演员运营商(int (MyClass::*)(char*))
typedef int type, *type_ptr;也可能被禁止：每个typedef一行。因此它会成为

typedef int type;

typedef int *type_ptr;
sizeof int，sizeof char，sizeof long long和co。可以在每个源文件中声明。因此，使用类型int的每个源文件应以
开头
#type int : signed_integer(4)

和unsigned_integer(4)将被禁止在#type指令之外这将是许多C ++标题中存在的愚蠢sizeof int歧义的重要一步

如果遇到使用模糊语法的C ++源代码，实现resyntaxed C ++的编译器会将source.cpp移动到ambiguous_syntax文件夹，并自动创建一个明确的翻译版source.cpp编译它。

如果您了解一些，请添加不明确的C ++语法！

Answer 4

正如您在answer here中看到的那样，C ++包含的语法无法通过LL或LR解析器进行确定性解析，因为类型解析阶段（通常是解析后）更改操作的顺序< / em>，因此AST的基本形状（通常预期由第一阶段解析提供）。

Answer 5

我认为你非常接近答案。

LR（1）意味着从左到右的解析只需要一个令牌来预测上下文，而LR（∞）意味着无限的前瞻。也就是说，解析器必须知道即将发生的所有事情，以便找出它现在的位置。

Answer 6

可以使用LALR（1）解析器解析C ++中的“ typedef”问题，该解析器在解析时会构建符号表（不是纯LALR解析器）。用这种方法可能无法解决“模板”问题。这种LALR（1）解析器的优点是语法（如下所示）是LALR（1）语法（没有歧义）。

/* C Typedef Solution. */

/* Terminal Declarations. */

   <identifier> => lookup();  /* Symbol table lookup. */

/* Rules. */

   Goal        -> [Declaration]... <eof>               +> goal_

   Declaration -> Type... VarList ';'                  +> decl_
               -> typedef Type... TypeVarList ';'      +> typedecl_

   VarList     -> Var /','...     
   TypeVarList -> TypeVar /','...

   Var         -> [Ptr]... Identifier 
   TypeVar     -> [Ptr]... TypeIdentifier                               

   Identifier     -> <identifier>       +> identifier_(1)      
   TypeIdentifier -> <identifier>      =+> typedefidentifier_(1,{typedef})

// The above line will assign {typedef} to the <identifier>,  
// because {typedef} is the second argument of the action typeidentifier_(). 
// This handles the context-sensitive feature of the C++ language.

   Ptr          -> '*'                  +> ptr_

   Type         -> char                 +> type_(1)
                -> int                  +> type_(1)
                -> short                +> type_(1)
                -> unsigned             +> type_(1)
                -> {typedef}            +> type_(1)

/* End Of Grammar. */

可以正确解析以下输入：

 typedef int x;
 x * y;

 typedef unsigned int uint, *uintptr;
 uint    a, b, c;
 uintptr p, q, r;

LRSTAR parser generator读取上面的语法符号，并生成一个解析器，该解析器处理“ typedef”问题，而在解析树或AST中没有歧义。（披露：我是创建LRSTAR的人。）

为什么不能用LR（1）解析器解析C ++？

6 个答案: