错误是在语法中还是在代码中？

Question

我不确定这个语法对于 shell 命令语言是否正确，它也应该能够执行单引号和双引号。似乎非平凡的命令有效，例如ls -al | sort | wc -l 但简单的单引号不起作用： echo 'foo bar' 不起作用。

%{
    #include "shellparser.h"
%}

%option reentrant
%option noyywrap

%x SINGLE_QUOTED
%x DOUBLE_QUOTED

%%

"|"                     { return PIPE; }

[ \t\r]                 { }
[\n]                    { return EOL; }

[a-zA-Z0-9_\.\-]+       { return FILENAME; }

[']                     { BEGIN(SINGLE_QUOTED); }
<SINGLE_QUOTED>[^']+    { }
<SINGLE_QUOTED>[']      { BEGIN(INITIAL); return ARGUMENT; }
<SINGLE_QUOTED><<EOF>>  { return -1; }

["]                     { BEGIN(DOUBLE_QUOTED); }
<DOUBLE_QUOTED>[^"]+    { }
<DOUBLE_QUOTED>["]      { BEGIN(INITIAL); return ARGUMENT; }
<DOUBLE_QUOTED><<EOF>>  { return -1; }

[^ \t\r\n|'"]+          { return ARGUMENT; }

%%

我扫描和解析 shell 的代码是

 params[0] = NULL;
    printf("> ");
    i=1;
    do {
        lexCode = yylex(scanner);
        text = strdup(yyget_text(scanner));//yyget_text(scanner);
        /*printf("lexCode %d command %s inc:%d", lexCode, text, i);*/
        ca = text;
        if (lexCode != EOL) {
            params[i++] = text;
        }
        Parse(shellParser, lexCode, text);
        if (lexCode == EOL) {
            dump_argv("Before exec_arguments", i, params);
            exec_arguments(i, params);
            corpse_collector();
            Parse(shellParser, 0, NULL);
            i=1;
        }
    } while (lexCode > 0);

    if (-1 == lexCode) {
        fprintf(stderr, "The scanner encountered an error.\n");
    }

CMake 构建文件是

cmake_minimum_required(VERSION 3.0)
project(openshell)
find_package(FLEX)
FLEX_TARGET(ShellScanner shellscanner.l shellscanner.c)
set(CMAKE_VERBOSE_MAKEFILE on)
include_directories(/usr/include/readline)
ADD_EXECUTABLE(lemon lemon.c)
add_custom_command(OUTPUT shellparser.c COMMAND lemon -s shellparser.y DEPENDS shellparser.y)
add_executable(openshell shellparser.c ${FLEX_ShellScanner_OUTPUTS} main.c openshell.h errors.c errors.h util.c util.h stack.c stack.h shellscanner.l shellscanner.h)
file(GLOB SOURCES "./*.c")
target_link_libraries(openshell ${READLINE_LIBRARY} ${FLEX_LIBRARIES})
set(CMAKE_C_FLAGS "${CMAKE_C_FLAGS} -Wall -O3 -std=c99")

我的项目在 my github 上可用。一个典型的 shell 会话，由于一些错误，只有一些命令可以工作，如下所示。

> ls -al | sort | wc
argument ::= FILENAME .
argumentList ::= argument .
command ::= FILENAME argumentList .
command ::= FILENAME .
command ::= FILENAME .
commandList ::= command .
commandList ::= command PIPE commandList .
commandList ::= command PIPE commandList .
 {(null)} {ls} {-al} {|} {sort} {|} {wc}
     45     398    2270
3874: child 3881 status 0x0000
in ::= in commandList EOL .
> who
command ::= FILENAME .
commandList ::= command .
 {(null)} {who}
dac      :0           2016-04-18 05:17 (:0)
dac      pts/2        2016-04-18 05:20 (:0)
3874: child 3887 status 0x0000
in ::= in commandList EOL .
> ls -al | awk '{print }'
argument ::= FILENAME .
argumentList ::= argument .
command ::= FILENAME argumentList .
argument ::= ARGUMENT .
argumentList ::= argument .
command ::= FILENAME argumentList .
commandList ::= command .
commandList ::= command PIPE commandList .
 {(null)} {ls} {-al} {|} {awk} {'}
awk: cmd. line:1: '
awk: cmd. line:1: ^ invalid char ''' in expression
3874: child 3896 status 0x0100
in ::= in commandList EOL .
>

我可以观察到这两个命令都有相同的错误：当我们希望它导致 {echo} {foo bar} 时，echo 'foo bar' 会变成 {echo} {'} 乱码，以便 shell 条带引号并执行这样的命令

char *cmd[] = { "/usr/bin/echo", "foo bar", 0 };

Answer 1

yytext 持有指向与最近识别的模式匹配的子字符串的指针。

因此，当您的扫描器 returns ARGUMENT 位于单引号字符串的末尾时，yytext 指向终止单引号。碰巧，这在您的调试跟踪中是可见的。

如果你想"build up"一个令牌，你应该看看flex函数yymore()。（不要忘记结束单引号不是引用字符串的一部分。）

为单引号和双引号字符串返回 ARGUMENT 既具有误导性又不精确。

这是不精确的，因为双引号字符串的处理方式与单引号字符串的处理方式截然不同，因为封闭的替换语法得到了扩展，需要对解析器进行递归调用（甚至需要这样做才能识别字符串的末尾：考虑 "$(echo "Hello, world!")"，作为一个简单的例子）。

这是一种误导，因为引用段的末尾并未标记单词的末尾。事实上，头脑简单的扫描仪不会正确地找到线形结尾。考虑：

x="a b"
printf "[%s]\n" '$x'$x"$x"

最后，我不清楚你为什么选择使用 lemon 而不是 bison/yacc，因为你没有使用一个在这种情况下有用的功能：它实现了 "push" 接口，允许您从词法分析器规则调用解析器。当然，现代野牛版本——甚至不太现代的野牛版本——也实现了此功能。并不是说我对柠檬有任何偏见——我认为它可能是这个问题的完美匹配，正是因为需要进行递归解析。

Answer 2

规则有问题

<SINGLE_QUOTED>[^']+ { }

因为它删除了引号内的所有字符。您得到的 "yytext" 是收盘价（由于规则 <SINGLE_QUOTED>['] ...）。您必须将文本存储在某处，并在检测到结束引号时使用它。例如。（非常糟糕的编码风格，错误检查等省略，抱歉）

<SINGLE_QUOTED>[^']+    { mystring = strdup(yytext); }

<SINGLE_QUOTED>[']      { BEGIN(INITIAL);
      /*  mystring contains the whole string now,
           yytext contains only "'" */
                          return ARGUMENT; }

错误是在语法中还是在代码中？

Is the bug in the grammar or in the code?

c

shell

posix

lemon

flex-lexer