使用|使用 Python 开发一个 Python 解释器

计算机只能理解机器码。归根结底,编程语言只是一串文字,目的是为了让人类更容易编写他们想让计算机做的事情。真正的魔法是由编译器和解释器完成,它们弥合了两者之间的差距。解释器逐行读取代码并将其转换为机器码。
在本文中,我们将设计一个可以执行算术运算的解释器。
我们不会重新造轮子。文章将使用由 David M. Beazley 开发的词法解析器 —— PLY(Python Lex-Yacc。
【使用|使用 Python 开发一个 Python 解释器】PLY 可以通过以下方式下载:

$ pip install ply

我们将粗略地浏览一下创建解释器所需的基础知识。
使用|使用 Python 开发一个 Python 解释器
文章图片

标记(Token) 标记是为解释器提供有意义信息的最小字符单位。标记包含一对名称和属性值。
让我们从创建标记名称列表开始。这是一个必要的步骤。
tokens = ( # 数据类型 "NUM", "FLOAT", # 算术运算 "PLUS", "MINUS", "MUL", "DIV", # 括号 "LPAREN", "RPAREN", )

词法分析器(Lexer) 将语句转换为标记的过程称为标记化词法分析。执行词法分析的程序是词法分析器
# 标记的正则表达 t_PLUS= r"+" t_MINUS= r"-" t_MUL= r"*" t_DIV= r"/" t_LPAREN = r"(" t_RPAREN = r")" t_POW= r"^" # 忽略空格和制表符 t_ignore = " \t"# 为每个规则添加动作 def t_FLOAT(t): r"""\d+.\d+""" t.value = https://www.it610.com/article/float(t.value) return tdef t_NUM(t): r"""\d+""" t.value = https://www.it610.com/article/int(t.value) return t# 未定义规则字符的错误处理 def t_error(t): # 此处的 t.value 包含未标记的其余输入 print(f"keyword not found: {t.value[0]}\nline {t.lineno}") t.lexer.skip(1)# 如果遇到 \n 则将其设为新的一行 def t_newline(t): r"""\n+""" t.lexer.lineno += t.value.count("\n")

为导入词法分析器,我们将使用:
import ply.lex as lex
t_ 是一个特殊的前缀,表示定义标记的规则。每条词法规则都是用正则表达式制作的,与 Python 中的 re 模块兼容。正则表达式能够根据规则扫描输入并搜索符合的符号串。正则表达式定义的文法称为正则文法。正则文法定义的语言则称为正则语言。
定义好了规则,我们将构建词法分析器。
data = 'https://www.it610.com/article/a = 2 +(10 -8)/1.0'lexer = lex.lex() lexer.input(data)while tok := lexer.token(): print(tok)

为了传递输入字符串,我们使用 lexer.input(data)lexer.token() 将返回下一个 LexToken 实例,最后返回 None。根据上述规则,代码 2 + ( 10 -8)/1.0 的标记将是:
使用|使用 Python 开发一个 Python 解释器
文章图片

紫色字符代表的是标记的名称,其后是标记的具体内容。\
巴科斯-诺尔范式(Backus-Naur Form,BNF) 大多数编程语言都可以用上下文无关文法来编写。它比常规语言更复杂。对于上下文无关文法,我们用上下文无关语法,它是描述语言中所有可能语法的规则集。BNF 是一种定义语法的方式,它描述了编程语言的语法。让我们看看例子:
symbol : alternative1 | alternative2 …
根据产生式,: 的左侧被替换为右侧的其中一个值替换。右侧的值由 | 分隔(可理解为 symbol 定义为 alternative1alternative2或…… 等等)。对于我们的这个算术解释器,语法规格如下:
expression : expression '+' expression | expression '-' expression | expression '/' expression | expression '*' expression | expression '^' expression | +expression | -expression | ( expression ) | NUM | FLOAT

输入的标记是诸如 NUMFLOAT+-*/ 之类的符号,称作终端(无法继续分解或产生其他符号的字符)。一个表达式由终端和规则集组成,例如 expression 则称为非终端
解析器(Parser) 我们将使用 YACC(Yet Another Compiler Compiler) 作为解析器生成器。导入模块:import ply.yacc as yacc
from operator import (add, sub, mul, truediv, pow)# 我们的解释器支持的运算符列表 ops = { "+": add, "-": sub, "*": mul, "/": truediv, "^": pow, }def p_expression(p): """expression : expression PLUS expression | expression MINUS expression | expression DIV expression | expression MUL expression | expression POW expression""" if (p[2], p[3]) == ("/", 0): # 如果除以 0,则将“INF”(无限)作为值 p[0] = float("INF") else: p[0] = ops[p[2]](p[1], p[3])def p_expression_uplus_or_expr(p): """expression : PLUS expression %prec UPLUS | LPAREN expression RPAREN""" p[0] = p[2]def p_expression_uminus(p): """expression : MINUS expression %prec UMINUS""" p[0] = -p[2]def p_expression_num(p): """expression : NUM | FLOAT""" p[0] = p[1]# 语法错误时的规则 def p_error(p): print(f"Syntax error in {p.value}")

在文档字符串中,我们将添加适当的语法规范。p 列表中的的元素与语法符号一一对应,如下所示:
expression : expression PLUS expression p[0]p[1]p[2] p[3]

在上文中,%prec UPLUS%prec UMINUS 是用来表示自定义运算的。%prec 即是 precedence 的缩写。在符号中本来没有 UPLUSUMINUS 这个说法(在本文中这两个自定义运算表示一元正号和符号,其实 UPLUSUMINUS 只是个名字,想取什么就取什么)。之后,我们可以添加基于表达式的规则。YACC 允许为每个令牌分配优先级。我们可以使用以下方法设置它:
precedence = ( ("left", "PLUS", "MINUS"), ("left", "MUL", "DIV"), ("left", "POW"), ("right", "UPLUS", "UMINUS") )

在优先级声明中,标记按优先级从低到高的顺序排列。PLUSMINUS 优先级相同并且具有左结合性(运算从左至右执行)。MULDIV 的优先级高于 PLUSMINUS,也具有左结合性。POW 亦是如此,不过优先级更高。UPLUSUMINUS 则是具有右结合性(运算从右至左执行)。
要解析输入我们将使用:
parser = yacc.yacc() result = parser.parse(data) print(result)

完整代码如下:
##################################### # 引入模块# ##################################### from logging import (basicConfig, INFO, getLogger) from operator import (add, sub, mul, truediv, pow)import ply.lex as lex import ply.yacc as yacc# 我们的解释器支持的运算符列表 ops = { "+": add, "-": sub, "*": mul, "/": truediv, "^": pow, }##################################### # 标记集# ##################################### tokens = ( # 数据类型 "NUM", "FLOAT", # 算术运算 "PLUS", "MINUS", "MUL", "DIV", "POW", # 括号 "LPAREN", "RPAREN", )##################################### # 标记的正则表达式# ##################################### t_PLUS= r"+" t_MINUS= r"-" t_MUL= r"*" t_DIV= r"/" t_LPAREN = r"(" t_RPAREN = r")" t_POW= r"^" # 忽略空格和制表符 t_ignore = " \t"# 为每个规则添加动作 def t_FLOAT(t): r"""\d+.\d+""" t.value = https://www.it610.com/article/float(t.value) return tdef t_NUM(t): r"""\d+""" t.value = https://www.it610.com/article/int(t.value) return t# 未定义规则字符的错误处理 def t_error(t): # 此处的 t.value 包含未标记的其余输入 print(f"keyword not found: {t.value[0]}\nline {t.lineno}") t.lexer.skip(1)# 如果看到 \n 则将其设为新的一行 def t_newline(t): r"""\n+""" t.lexer.lineno += t.value.count("\n")##################################### # 设置符号优先级# ##################################### precedence = ( ("left", "PLUS", "MINUS"), ("left", "MUL", "DIV"), ("left", "POW"), ("right", "UPLUS", "UMINUS") )##################################### # 书写 BNF 规则# ##################################### def p_expression(p): """expression : expression PLUS expression | expression MINUS expression | expression DIV expression | expression MUL expression | expression POW expression""" if (p[2], p[3]) == ("/", 0): # 如果除以 0,则将“INF”(无限)作为值 p[0] = float("INF") else: p[0] = ops[p[2]](p[1], p[3])def p_expression_uplus_or_expr(p): """expression : PLUS expression %prec UPLUS | LPAREN expression RPAREN""" p[0] = p[2]def p_expression_uminus(p): """expression : MINUS expression %prec UMINUS""" p[0] = -p[2]def p_expression_num(p): """expression : NUM | FLOAT""" p[0] = p[1]# 语法错误时的规则 def p_error(p): print(f"Syntax error in {p.value}")##################################### # 主程式# ##################################### if __name__ == "__main__": basicConfig(level=INFO, filename="logs.txt")lexer = lex.lex() parser = yacc.yacc()while True: try: result = parser.parse( input(">>>"), debug=getLogger()) print(result) except AttributeError: print("invalid syntax")

结论 由于这个话题的体积庞大,这篇文章并不能将事物完全的解释清楚,但我希望你能很好地理解文中涵盖的表层知识。我很快会发布关于这个话题的其他文章。谢谢你,祝你有个美好的一天。
以上就是本次分享的所有内容,如果你觉得文章还不错,欢迎关注公众号:Python编程学习圈,每日干货分享,发送“J”还可领取大量学习资料。或是前往编程学习网,了解更多编程技术知识。

    推荐阅读