刚把一个“从文法文件到 LL(1) 预测分析表”的小工具写完,整个过程比我想象的有意思,也踩了几个坑。编译原理课上学的时候觉得这块理论性很强,真正动手用 C++ 实现一遍,才发现很多细节光看课本是体会不到的,比如 First 集和 Follow 集的迭代计算到底怎么终止、空产生式怎么处理、预测分析表的冲突怎么定位。这篇就聊聊我的设计思路、核心数据结构和 C++ 实现细节,最后再把常见问题整理成一份排查笔记。想自己手写 LL(1) 分析器、或者正在做编译原理课程设计的同学,这篇可以直接参考。
1. 整体设计与思路拆解
1.1 这个项目到底在做什么
先明确一下目标:输入是一个纯文本格式的文法文件,里面写着一组产生式;程序负责解析这个文件,自动求出每个非终结符的 First 集和 Follow 集,然后根据这两个集合构建预测分析表。如果文法不是 LL(1) 文法,程序还要能明确指出哪里出现了冲突,方便你回头去改文法。
很多人在网上搜索 LL(1) 预测分析表相关的内容,其实核心诉求是两类:一是纯粹想知道这个表是怎么算出来的,二是想拿到一套能跑的代码去应付课程设计或实际项目。我写这个工具的时候,刻意让整个过程保持透明——每个集合的求解结果都打印出来,表格构建完成后也以可视化的文本形式输出,这样既能当学习工具,也能当生成器用。
整个系统的输出是分析表,但真正花功夫的部分在前面的集合计算。我在实验中发现一个规律:如果你把 First 集和 Follow 集算得足够准确,填表本身只是一个查表动作,代码量很少;反之,集合计算只要有一步出错,最终表会错得非常诡异,而且很难通过检查表来定位问题。所以这篇博文会把重点放在集合计算的实现逻辑上。
1.2 程序总流程与模块划分
我建议把程序拆成四个层次,每一层之间用清晰的接口隔开:
- 文件解析层:读入文法文本,转成内存中的产生式列表,顺便完成符号的分类(终结符、非终结符)。
- 符号管理层:为每个符号分配一个整数 ID,并维护符号名、是否为终结符等元信息。
- 集合计算层:计算所有非终结符的 First 集与 Follow 集。
- 表格构建层:根据 First/Follow 集填充预测分析表,并做冲突检测。
这四个模块独立测试都很容易。我在写代码时是先把符号管理层做完,单独写了一个测试函数打印所有符号和产生式;等 First 集算完再打印一次;整个过程像搭积木,每一步都验证过了再往下走,最终联调时基本没费什么劲。
模块划分有一个额外的好处:如果以后想扩展成 SLR(1) 分析器,只需要替换集合计算层和表格构建层,文件解析和符号管理可以直接复用。
需要模型API调用? 免费领10W Token,多模型网关一键接入 Claude、DeepSeek 等主流模型。
2. 核心数据结构与文法文件解析
2.1 符号编码与产生式结构
C++ 里处理文法的第一步是设计符号表示。直接用字符串来做集合运算虽然直观,但效率很低,而且 set
符号表的实现可以用一个 vector
cpp复制vector<string> symbol_names;
unordered_map<string, int> symbol_id_map;
int get_symbol_id(const string& name) {
auto it = symbol_id_map.find(name);
if (it != symbol_id_map.end()) return it->second;
symbol_names.push_back(name);
symbol_id_map[name] = symbol_names.size() - 1;
return symbol_names.size() - 1;
}
这里有一个关键点:终结符和非终结符都放在同一个表中,不要分开两个表。原因是产生式的右侧经常混合终结符和非终结符,分离存储会引入额外的类型判断和转换。用一个统一的表,在解析产生式时用一个小规则决定符号类型即可:产生式左侧出现的符号一定是非终结符,右侧中所有不在左侧出现的符号就是终结符。特殊符号 epsilon(空串)和结束标记 $ 也需要分配固定 ID,我习惯把它们定义在符号表的最前面,方便后续判断。
产生式结构体可以这样定义:
cpp复制struct Production {
int lhs; // 左部非终结符 ID
vector<int> rhs; // 右部符号序列,epsilon 用特殊 ID 表示
int index; // 产生式编号,方便调试引用
};
vector<Production> productions;
注意右部的类型是 vectorE' -> epsilon 会被表示成 rhs = {EPSILON_ID}。实际计算时遇到 EPSILON_ID 要单独处理,它不能参与终结符合集的普通合并。
2.2 文法文件格式设计
文件格式我参考了常见的教材写法,用 -> 分隔左右部,多个候选用 | 分隔:
code复制E -> T E'
E' -> + T E' | epsilon
T -> F T'
T' -> * F T' | epsilon
F -> ( E ) | id
这个格式的好处是直白,不需要像 yacc 那样写 %token 声明。读取时按行处理,遇到 -> 拆分左部和右部,右部再按 | 切分候选。空的候选需要特别小心,比如 E' -> | + T E' 这种写法应当被识别为含有一个空串候选,而不是直接忽略。
有些读者习惯用 ε 表示空串,我在解析时做了兼容:遇到 epsilon、ε、# 这三种写法都映射到 EPSILON_ID。这样不同教材的表示习惯都能直接使用,不用手工改文件。
文件读取完整代码大致如下:
cpp复制void parse_grammar_file(const string& filename) {
ifstream fin(filename);
string line;
while (getline(fin, line)) {
// 去掉行首行尾空白
trim(line);
// 跳过空行和注释行
if (line.empty() || line[0] == '#') continue;
// 按 -> 分离左右部
auto arrow_pos = line.find("->");
if (arrow_pos == string::npos) {
cerr << "无效文法行: " << line << endl;
continue;
}
string lhs_str = trim_copy(line.substr(0, arrow_pos));
string rh
