使用 Python 开发一个 Python 解释器
一起养成写作习惯！这是我参与「掘金日新计划 · 4 月更文挑战」的第16天，点击查看活动详情。
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。
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。
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或词法分析。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 = float(t.value) return t
def t_NUM(t): r"""\d+""" t.value = 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 = '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：
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 alternative1 或 alternative2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 NUM、FLOAT、+、-、*、/ 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] = opsp[2]
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 和 %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 UPLUS 和 UMINUS 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 UPLUS 和 UMINUS 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。PLUS 和 MINUS 优先级相同并且具有左结合性（运算从左至右执行）。MUL 和 DIV 的优先级高于 PLUS 和 MINUS，也具有左结合性。POW 亦是如此，不过优先级更高。UPLUS 和 UMINUS 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 = float(t.value) return t
def t_NUM(t): r"""\d+""" t.value = 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] = opsp[2]
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。
致谢
由于作者才疏学浅，更兼时间和精力所限，代码中错误之处在所难免，敬请读者批评指正。
声明：发布此文是出于传递更多知识以供交流学习之目的。若有来源标注错误或侵犯了您的合法权益 ，请作者持权属证明与我们联系，我们将及时更正、删除，谢谢。