Question

我正在尝试编写一个程序来检查某些C源代码是否符合变量命名约定。为此，我需要分析源代码并确定所有本地和全局变量的类型。

最终结果几乎肯定是一个python程序，但分析代码的工具可以是python模块，也可以是生成易于解析的报告的应用程序。或者（更多内容如下），它可以是一种从编译器中提取信息的方式（通过报告或类似方式）。如果有帮助的话，它很可能是Keil ARM编译器。

我一直在试验ctags，这对于查找所有typedef和宏定义等非常有用，但它没有提供直接查找变量类型的方法，尤其是在定义时分布在多行（我希望它不会！）。

示例可能包括：

static volatile u8 var1; // should be flagged as static and volatile and a u8 (typedef of unsigned 8-bit integer)
volatile   /* comments */   
    static /* inserted just to make life */
        u8 /* difficult! */   var2 =
        (u8) 72
           ; // likewise (nasty syntax, but technically valid C)
const uint_16t *pointer1;  // flagged as a pointer to a constant uint_16t
int * const pointer2; // flagged as a constant pointer to an int
const char * const pointer3; // flagged as a constant pointer to a constant char
static MyTypedefTYPE var3; // flagged as a MyTypedefTYPE variable
u8 var4, var5, var6 = 72;
int *array1[SOME_LENGTH]; // flagged as an array of pointers to integers
char array2[FIRST_DIM][72]; // flagged as an array of arrays of type char

等等等

还需要确定它们是本地变量还是全局/文件范围变量（ctags可以做什么），如果它们是本地的，我理想地喜欢它们在其中声明的函数的名称

另外，我想对函数做类似的事情：确定返回类型，它们是否是静态的以及它们所有参数的类型和名称。

不幸的是，这对于C语法来说相当困难，因为参数顺序具有一定的灵活性，并且参数之间允许的空白量具有很大的灵活性。我已经玩弄了一些花哨的正则表达式来完成这项工作，但它远非理想，因为有很多不同的情况可以应用，所以正则表达式很快变得无法管理。我不禁想到编译器必须能够这样做（为了工作！），所以我想知道是否有可能提取这些信息。 Keil编译器似乎为每个编译的源文件生成一个“.crf”文件，这似乎包含该文件中声明的所有变量，但它是二进制格式，我找不到任何有关如何解析这个的信息文件。另外，从ctags中获取信息的方法也是完美的。

任何人都可以提供任何帮助，我们将不胜感激。

谢谢，

的Al

Answer 1

有许多Python解析器包可用于描述语法，然后它将生成Python代码来解析该语法。

Ned Batchelder写了 very nice summary

其中，Ply用于解析C源代码的名为 pycparser 的项目中。我建议从这开始。

其他一些解析器项目也可能有样本C解析器。

编辑：只是注意到pycparser甚至有一个示例Python脚本，就像旧的cdecl程序一样parse C type declarations。

Answer 2

如何完全从另一侧接近它。您已经拥有一个完全理解C类型系统所有细微差别的解析器：编译器本身。因此，使用完全调试支持编译项目，并在调试数据中进行探索。

对于基于binutils支持的格式的系统，您可以使用BFD库学习所需的大部分详细信息。

微软的调试格式在某种程度上得到了MSDN上的图书馆和文档的支持，但我的谷歌今天很弱，而且我没有把我知道存在的文章放到这里链接。

Keil 8051编译器（我这里没有使用他们的ARM编译器）使用Intel OMF或OMF2格式，并且调试符号用于调试器或“任何与Intel兼容的仿真器”的文档。 Keil C51使用的OMF规格可从Keil获得，因此我认为类似的规格也可用于其他编译器。

对Keil网站的快速扫描似乎表明他们放弃了他们专有的ARM编译器，转而使用ARM的RealView编译器，后者似乎使用带有DWARF格式调试信息的ELF对象。 BFD应该支持Dwarf，并且应该为您提供验证类型和名称是否匹配所需的一切。

Answer 3

查看ANTLR。它是一个解析器生成器，带有python绑定。 ANTLR站点为包含C的常用语言提供了大量语法。您可以下载C语法并在适当的位置添加操作以收集您感兴趣的信息。甚至还有一个用于创建和调试语法的简洁图形工具。（我知道这似乎很好，但它实际上非常方便而且不讨厌）

ANTLR主页：http://www.antlr.org
他们的语法页面：http://www.antlr.org/grammar/list
ANSI C语法：http://www.antlr.org/grammar/1153358328744/C.g
ANTLR Python目标信息：http://www.antlr.org/wiki/display/ANTLR3/Antlr3PythonTarget

我只是做了类似的事情，除了获取我的符号信息，我实际上是从GDB中提取它。

Answer 4

您要做的是轻量级的静态分析。您可能会看到Wikipedia指向的工具。

自己解析C代码对我来说听起来是错误的方向：其中就是疯狂。如果你坚持，那么[f] lex和yacc（bison）是编译器编写者可能使用的工具。

或者，如果ctags或cscope获得80％的通道，两者的源代码都可以广泛使用。最后20％是一个简单的编程问题。：）

Answer 5

我为几年前工作的项目做过类似的事情。我最后编写了C编译器的前半部分。不要被这种前景吓到。它实际上比听起来容易得多，特别是如果你只是寻找某些令牌（在这种情况下是变量定义）。

在线查找有关如何扫描C源代码，检测感兴趣的令牌以及解析结果的文档。一个好的开始是Wikipedia's artricle on lexical analysis。

识别C项目中所有变量的类型

5 个答案: