Question

我使用bison为教育目的构建解析器。这是我非常简单的语法：

program: KW_VAR ident {printf("var %s\n", $2);} ;

ident:
 | IDENTIFIER OP_PLUS IDENTIFIER {sprintf($$, "%s + %s\n", $1, $3);}
 ;

其中KW_VAR代表单词＆＃39; var＆＃39;和OP_PLUS运营商＆＃39; +＆＃39;。

var hello + hi 是此语法的可接受短语。因此，当我使用上面的代码时，一切正常，printf给出了： var hello + hi 。但是当我尝试在sprintf中更改$ 1，$ 3的顺序时，printf给出： var hi + hi + 。我期待的是 var hi + hello 。

program: KW_VAR ident {printf("var %s\n", $2);} ;

ident:
 | IDENTIFIER OP_PLUS IDENTIFIER {sprintf($$, "%s + %s\n", $3, $1);}
 ;

为什么会这样？我的代码中有什么问题吗？

Answer 1

让我们考虑以下代码：

const char* greeting = "Hello";
const char* greeted = "world";
char* message;
sprintf(message, "%s, %s!", greeting, greeted);

这有效吗？不！ message从未初始化，因此它指向外太空。你当然不能将它传递给sprintf并期望一切都能解决。

那么我们对以下内容有什么期望？

sprintf($$, "%s + %s\n", $3, $1);

我们还没有初始化$$，所以我们再次套印一些随机内存。除了在这种情况下，它不是随机的，因为在野牛生成的解析器执行任何操作之前，它首先执行此操作：

$$ = $1;

如此有效，sprintf来电是：

sprintf($1, "%s + %s\n", $3, $1);

这是不同形式的未定义行为。在Ubuntu系统上从man 3 sprintf引用，

标准明确指出，如果在调用sprintf()
时源和目标缓冲区重叠，则结果是不确定的

该联机帮助页指出，虽然标准不允许使用某些gcc和glibc版本，但如果源缓冲区覆盖自身（作为附加到缓冲区的一种方式），它可能看起来有效。

当然，假设字符串中有足够的空间指向$1来保存sprintf的结果。在那儿？谁知道？我们没有看到$1来自哪里。

语义值$1由词法扫描程序填充。在扫描仪中执行此操作的正确方法如下（尽管实际模式可能包含下划线）：

[[:alpha:]][[:alnum:]]*   {  yylval = strdup(yytext); return IDENTIFIER; }

在这种情况下，语义值$1将不够长，因为它将完全复制标识符所需的时间，而不再是。即使sprintf“似乎工作”，它也将是缓冲区溢出，随机内存将被覆盖。 [注1]

那么，该怎么办？如果有的话，简单的解决方案是使用asprintf，它类似于sprintf，除了它分配一个新的缓冲区。使用该功能，您可以编写野牛行动：

asprintf(&$$, "%s + %s\n", $3, $1);

（注意&：asprintf需要一个指向char*的指针，并将分配的内存地址返回到指向的参数。所以在这个调用结束时，{ {1}}将使用正确的字符串指向新分配的缓冲区。）

如果您的系统没有$$，或者您希望为不支持的系统做好准备，请查看this answer中asprintf的实施情况

注释

很多时候，你会在学生写的词汇扫描仪中看到以下内容：
```
concatf
```
这是不正确的，因为[[:alpha:]][[:alnum:]]* { yylval = yytext; /* DON'T DO THIS!!! */ return IDENTIFIER; }指向属于词法扫描程序本身的临时缓冲区。无法保证在解析器查看指针时，它仍将指向相同的数据。或者，确实，在任何事情上;扫描仪很可能已释放缓冲区并开始使用不同的缓冲区。所以这已经成了问题。如果这还不够，那么yytext将覆盖扫描仪的输入缓冲区，这可能会在读取下一个标记时产生有趣的后果。

野牛：$ 1，$ 2等的替代订单给出了错误的输出

1 个答案:

注释