詞法分析

詞法分析（英語：lexical analysis）是計算機科學中將字符序列轉換為單詞（Token）序列的過程。進行詞法分析的程序或者函數叫作詞法分析器（Lexical analyzer，簡稱Lexer），也叫掃描器（Scanner）。詞法分析器一般以函數的形式存在，供語法分析器調用。

詞法分析階段是編譯過程的第一個階段，是編譯的基礎。這個階段的任務是從左到右一個字符一個字符地讀入源程序，即對構成源程序的字符流進行掃描然後根據構詞規則識別單詞(也稱單詞符號或符號)。詞法分析程序實現這個任務。詞法分析程序可以使用Lex等工具自動生成。

詞法分析是編譯程序的第一個階段且是必要階段；詞法分析的核心任務是掃描、識別單詞且對識別出的單詞給出定性、定長的處理；實現詞法分析程序的常用途徑:自動生成,手工生成. ^[1] 

編譯(compilation , compile) 1、利用編譯程序從源語言編寫的源程序產生目標程序的過程。 2、用編譯程序產生目標程序的動作。 編譯就是把高級語言變成計算機可以識別的2進制語言，計算機只認識1和0，編譯程序把人們熟悉的語言換成2進制的。 編譯程序把一個源程序翻譯成目標程序的工作過程分為五個階段：詞法分析；語法分析；語義檢查和中間代碼生成；代碼優化；目標代碼生成。主要是進行詞法分析和語法分析，又稱為源程序分析，分析過程中發現有語法錯誤，給出提示信息。 ^[2] 

組織輸入、掃描、分析、輸出； ^[1] 

接收字符串形式的源程序，按照源程序輸入的次序依次掃描源程序，在掃描的同時根據語言的詞法規則識別出具有獨立意義的單詞，併產生與源程序等價的屬性字（Token）流 . ^[1] 

(1) 只要不修改接口，則詞法分析器所作的修改不會影響整個編譯器，且詞法分析器易於維護； ^[1] 

(2) 整個編譯器結構簡捷、清晰； ^[1] 

(3) 可以採用有效的方法和工具進行處理。 ^[1] 

完成詞法分析任務的程序稱為詞法分析程序或詞法分析器或掃描器。 ^[1] 

從左至右地對源程序進行掃描，按照語言的詞法規則識別各類單詞，併產生相應單詞的屬性字。 ^[1] 

這裏的單詞是一個字符串，是構成源代碼的最小單位。從輸入字符流中生成單詞的過程叫作單詞化（Tokenization），在這個過程中，詞法分析器還會對單詞進行分類。

詞法分析器通常不會關心單詞之間的關係（屬於語法分析的範疇），舉例來説：詞法分析器能夠將括號識別為單詞，但並不保證括號是否匹配。

針對如下C語言表達式：

sum=3+2;將其單詞化後可以得到下表內容：

單詞經常使用正則表達式進行定義，像lex一類的詞法分析器生成器就支持使用正則表達式。語法分析器讀取輸入字符流、從中識別出語素、最後生成不同類型的單詞。其間一旦發現無效單詞，便會報錯。

詞法分析的第一階段即掃描器，通常基於有限狀態自動機。掃描器能夠識別其所能處理的單詞中可能包含的所有字符序列（單個這樣的字符序列即前面所説的“語素”）。例如“整數”單詞可以包含所有數字字符序列。很多情況下，根據第一個非空白字符便可以推導出該單詞的類型，於是便可逐個處理之後的字符，直到出現不屬於該類型單詞字符集中的字符（即最長一致原則）。

源詞法分析器的設計與實現程序的輸入與預處理: ^[1] 

成對且對半互補的輸入緩衝區模式。

n: 取2的整次冪；每個半區的末尾設置標誌“ eof ” 表示讀入該半區的源程序的結束； ^[1] 

B：單詞w開始指針； F：掃描w的指針； ^[1] 

預處理程序： （作用） ^[1] 

1） 減少內存空間佔用； ^[1] 

2） 減輕掃描器實質性處理的負擔； ^[1] 

預處理程序主要任務： 1） 濾掉源程序中的非單詞成分(如無用空格；換行符等)；2） 其他的預處理工作:濾掉註釋；宏替換；文件包含的嵌入；條件編譯的嵌入. ^[1] 

單詞生成器

單詞化（Tokenization）即將輸入字符串分割為單詞、進而將單詞進行分類的過程。生成的單詞隨後便被用來進行語法分析。

例如對於如下字符串： The quick brown fox jumps over the lazy dog

計算機並不知道這是以空格分隔的九個英語單詞，只知道這是普通的43個字符構成的字符串。可以通過一定的方法（這裏即使用空格作為分隔符）將語素（這裏即英語單詞）從輸入字符串中分割出來。分割後的結果用XML可以表示如下：

<sentence> <word>The</word>

<word>quick</word>

<word>brown</word>

<word>fox</word>

<word>jumps</word>

<word>over</word>

<word>the</word>

<word>lazy</word>

<word>dog</word></sentence>

然而，語素只是一類字符構成的字符串（字符序列），要構建單詞，語法分析器需要第二階段的評估器（Evaluator）。評估器根據語素中的字符序列生成一個“值”，這個“值”和語素的類型便構成了可以送入語法分析器的單詞。一些諸如括號的語素並沒有“值”，評估器函數便可以什麼都不返回。整數、標識符、字符串的評估器則要複雜的多。評估器有時會抑制語素，被抑制的語素（例如空白語素和註釋語素）隨後不會被送入語法分析器。

例如對於某程序設計語言的源程序片段：

net_worth_future = (assets - liabilities);

在進行語法分析後可能生成以下單詞流（空格被抑制）：

NAME "net_worth_future"EQUALS

OPEN_PARENTHESIS

NAME "assets"

MINUS

NAME "liabilities"

CLOSE_PARENTHESIS

SEMICOLON

儘管在某些情況下需要手工編寫詞法分析器，一般情況下詞法分析器都用自動化工具生成。