编译原理——文法与语言

---

文法与语言

在编译原理的知识体系中，文法与语言是极为关键的基石，它们为我们理解程序设计语言的构造和分析提供了重要的理论基础。

一、文法的概念

文法，简单来说，就是用来描述语言的语法结构的形式规则。它就像是一种语言的 “语法手册”，规定了什么样的符号组合是合法的，什么样的是不合法的。例如，在英语中，“I love you” 是符合语法规则的句子，而 “Love I you” 则不符合。在程序设计语言里，文法同样起着类似的作用，规定了诸如变量声明、语句结构等的正确形式。

文法通常由一组产生式组成，每个产生式描述了如何从一个符号（或符号串）推导出另一个符号串。以一个简单的算术表达式文法为例：

E -> E + T | T
T -> T * F | F
F -> (E) | num

这里 E、T、F 是非终结符，它们需要通过产生式不断推导；+、*、(、)、num 是终结符。产生式 E -> E + T | T 表示非终结符 E 可以推导为 E + T 或者 T。比如，对于表达式 3 + 4 * 5，可以从 E 开始，根据这些产生式逐步推导出来。

二、符号与符号串

符号是组成语言的最基本元素，它可以是字母、数字、标点符号或者其他特殊字符。比如在 C 语言中，‘a’、‘1’、‘;’ 等都是符号。符号串则是由符号组成的有限序列。例如，“abc”、“123xyz” 都是符号串。

在编译过程中，我们处理的输入就是由各种符号组成的符号串。比如对于 C 语言代码 int num = 10;，这一整段代码就是一个符号串，编译器会将其分解为一个个符号进行处理。为了更直观地理解符号串，我们可以用表格展示：

符号串	组成符号
“abc”	‘a’、‘b’、‘c’
“123xyz”	‘1’、‘2’、‘3’、‘x’、‘y’、‘z’
“int num = 10;”	‘i’、‘n’、‘t’、‘ ’、‘n’、‘u’、‘m’、‘ ’、‘=’、‘ ’、‘1’、‘0’、‘;’

三、文法与语言的形式定义

从形式化的角度来看，文法可以定义为一个四元组 $G=(V_N,V_T,P,S)$。其中，$V_N$ 是非终结符集合，这些符号不能单独出现在最终的句子中，它们需要通过产生式不断推导；$V_T$ 是终结符集合，这是语言中实际出现的符号；$P$ 是产生式集合，描述了符号之间的推导关系；$S$ 是开始符号，是整个推导的起始点。

语言则是由文法 $G$ 产生的所有句子的集合，这些句子都是从开始符号 $S$ 通过一系列产生式推导得到的终结符串。继续以上述算术表达式文法为例：

• V N = { E , T , F } V_N = \{E, T, F\} VN​={ E,T,F}
• V T = { + , ∗ , ( , ) , n u m } V_T = \{ +, *, (, ), num \} VT​={ +,∗,(,),num}
• $P$ 就是前面列出的产生式集合
• $S=E$

像 (3 + 4) * 5 这样的终结符串，就是通过从开始符号 E 不断应用产生式推导出来的，属于该文法所定义的语言。

四、文法的类型

根据对产生式施加的不同限制，文法可以分为四类。

1. 0 型文法：也称为短语文法，对产生式没有特殊限制，具有最强的描述能力，但在实际应用中较少使用。其产生式形式为 $\alpha \to \beta$，其中 $\alpha$ 和 $\beta$ 都是符号串，且 $\alpha$ 中至少含有一个非终结符。
2. 1 型文法：即上下文有关文法，其产生式的形式为 $\alpha A\beta \to \alpha \gamma \beta$，意味着只有在上下文 $\alpha$ 和 $\beta$ 的环境下，非终结符 $A$ 才能被替换为 $\gamma$。例如，对于产生式 aAb -> axyb，只有当 A 的左边是 a，右边是 b 时，A 才能被替换为 xy。
3. 2 型文法：也就是上下文无关文法，产生式形式为 $A\to \gamma$，此时非终结符的替换不依赖于上下文，这是程序设计语言语法描述中最常用的文法类型。比如前面提到的算术表达式文法就是上下文无关文法。
4. 3 型文法：又称正规文法，它的产生式形式为 $A\to aB$ 或 $A\to a$，主要用于描述词法结构。例如，产生式 S -> aA，A -> bB，B -> c 等，通过这种方式可以描述类似 abc 这样简单的词法结构。

五、上下文无关文法及其语法树

上下文无关文法由于其产生式的简洁性和独立性，在程序设计语言的语法分析中被广泛应用。语法树则是对上下文无关文法推导过程的一种图形化表示。

例如，对于文法 $G:S\to AB,A\to a,B\to b$，当推导句子 “ab” 时，其语法树如下：

      S
     / \
    A   B
   /   /
  a   b

根节点是开始符号 S，从 S 出发，根据产生式 S -> AB，有两个分支分别指向 A 和 B；再根据 A -> a 和 B -> b，A 节点的子节点是 a，B 节点的子节点是 b。语法树清晰地展示了句子的语法结构，帮助我们更好地理解文法的推导过程和句子的组成。

六、句型分析

句型分析是编译过程中的重要环节，它的任务是识别输入的符号串是否为给定文法的句型（包括句子）。主要有两种分析方法，即自上而下分析和自下而上分析。

1. 自上而下分析：从开始符号出发，试图通过推导得到输入符号串。例如，递归下降分析法是一种常见的自上而下分析方法。假设我们有文法 S -> aSb | ab，要分析输入符号串 “aabb”。从开始符号 S 出发，根据产生式 S -> aSb，可以推导出 aSb，再对新的 S 应用产生式 S -> aSb，得到 aaSbb，最后应用 S -> ab，得到 aabb，成功匹配输入符号串。
2. 自下而上分析：则从输入符号串开始，逐步归约到开始符号。例如，算符优先分析法和 LR 分析法是自下而上分析方法。对于输入符号串 “aabb”，自下而上分析可能先将相邻的 “ab” 归约为 S，得到 “aSb”，再将 “aSb” 归约为 S。

通过句型分析，我们可以判断程序是否符合语法规则，为后续的语义分析和代码生成奠定基础。

七、有关文法实际应用的一些说明

在实际的编译器开发中，文法起着核心作用。从词法分析器识别单词，到语法分析器构建语法树，再到语义分析和代码生成，每一步都与文法密切相关。

合理设计文法能够使编译器更加高效、准确地工作。例如，在设计一门新的程序设计语言时，需要精心定义文法，确保语言具有清晰、一致的语法结构，同时便于编译器进行分析和处理。以 Python 语言为例，其简洁而灵活的语法背后有着精心设计的文法。Python 的缩进规则在文法中也有体现，通过特定的文法规则来判断代码块的层次结构。

此外，对于已有的程序设计语言，深入理解其文法有助于程序员更好地编写符合语法规范的代码，提高代码的可读性和可维护性。比如在 C++ 中，理解函数声明、类定义等语法结构对应的文法，能帮助程序员避免常见的语法错误，写出更健壮的代码。