SQL 语句解析过程详解

SQL 语句解析过程详解：

1．输入SQL语句

2．词法分析------flex

使用词法分析器（由Flex生成）将 SQL 语句分解为一个个单词，这些单词被称为“标记“。标记包括关键字、标识符、运算符、分隔符等。

2.1 flex 原理

1、使用 flex 工具定义正则表达式规则来匹配不同类型的词法单元；例如，可以定义以下规则：

匹配关键字：SELECT、FROM、WHERE、HAVING等。
匹配标识符：由字母或下划线开头，后跟字母、数字或下划线组成。
匹配运算符：比如=、<、>、+、等。
匹配常量：包括整数、浮点数、字符串等。

2、生成词法分析器代码：根据定义的词法规则，使用Flex工具生成对应的词法分析器代码；

3、输入查询字符串：将要解析的查询字符串作为输入提供给同法分析器；

4、扫描和匹配：词法分析器从输入字符串中逐个读取字符，并尝试将其与定义的词法规则进行匹配；

5、生成词法单元：当词法分析器匹配到一个词法规则时，它会生成相应的词法单元并返回给语法分析器。每个词法单元通常包含两部分信息：

词法单元类型(token type)：表示该词法单元的种类，比如关键字、标识符、运算符等；
词法单元值(tokenvalue)：表示该词法单元具体的取值；

6、继续扫描：词法分析器会持续从输入字符串中读取字符，并重复步骤4和步骤5，直到整个查询字符串被完全解析为一系列词法单元；

7、返回词法单元序列：当整个查询字符串都被解析后，词法分析器将返回一个包含所有词法单元的序列给语法分析器，供后续的语法分析处理；

2.2 flex 文件代码结构

2.2.1 flex 文件介绍

1、flex文件代码

%option noyywrap
%{
definition
%}%%
rules
%%
Code

（1）%option 指定 flex 扫描时的一些特性。yywrap 通常在多文件扫描时定义使用。常用的一些选项有：

Noyywrap：告诉flex不使用yywrap函数；
yylineno：会告诉flex生成一个名为yylineno的整型变量来保存当前的行号；
case-insensitive 正则表达式规则大小写无关；

（2）definitio部分为定义部分，包括引入头文件，变量声明，函数声明，注释等，这部分会被原样拷贝到输出的.c文件中。

（3）rules部分定义词法规则，使用正则表达式定义词法，后面{}内则是扫描到对应词法时的动作代码；“|”是一个特殊符号，表示下一个模式应用相同的动作；正则表达式后面不指定动作，则相应的模式会被忽略。

（4）code部分为C语言的代码。yylex为flex的函数，使用yylex开始扫描。

2.2.2 flex 文件常用变量

（1）yytext：词法分析程序当前识别到的一些词素，与转换规则部分中的某个模式相匹配；

（2）yylength：词法分析程序当前识别到的词素的长度；

（3）yylval：yylval是在bison中定义的联合类型变量（union），因为Flex生成的词法分析程序yylex()需要向bison生成的语法分析器返回识别到的词法单元，所以需要使用yylval来保存词法单元的属性值；

2.2.3 正则表达式

.        匹配除换行符”\n”以外的任何单个字符；*        匹配前面表达式的零个或多个拷贝；[]       匹配括号中任意字符的字符类，如果第一个字符是 “^”，则匹配除括号中的字符以外的任意字符；“-” 指示一个字符范围，例如“[0-9]”和“[0123456789]”含义相同；除了以 “\” 开始的转义序列，元字符在括号内没有任何含义；^       作为正则表达式的行首匹配行的开头，也用于方括号中的否定；$       作为正则表达式的行尾匹配行的结尾；\        用于转义元字符，也作为常用的C转义序列的一部分，例如”\n”表示换行，“\*” 表示非元字符的星号；+       匹配前面的正则表达式一次或多次出现；？      匹配前面的正则表达式零次或一次出现；|         匹配前面的正则表达式或随后的正则表达式；“…”  引号中的每个字符解释为字面意义，除C转义序列外元字符会失去其特殊含义；()      将一系列正则表达式组成一个新的正则表达式，例如(01)，表示字符序列 01；{}      当括号中包含一个或两个数字时，指示前面的模式允许被匹配多少次，例如{1，3}表示匹配字母一次到三次；

2.2.4 flex 文件具体案例

1、创建一个名为 lexer.l 的文件，其中包含词法规则；

%{
#include <stdio.h>
%}%%
SELECT                  { printf("Keyword: SELECT\n"); }
FROM                    { printf("Keyword: FROM\n"); }
WHERE                   { printf("Keyword: WHERE\n"); }
AND                     { printf("Keyword: AND\n"); }
OR                      { printf("Keyword: OR\n"); }[0-9]+                  { printf("Number: %s\n"， yytext); }[A-Za-z_][A-Za-z0-9_]*  { printf("Identifier: %s\n"， yytext); }
[=><]+                  { printf("Operator: %s\n"， yytext); }
[ \t\n]                 ; // Skip whitespace.                       { printf("Unknown: %s\n"，yytext); }%%int main() {    yylex();   return 0;
}

2、使用 flex 命令编译 lexer.l 文件，生成词法分析器代码

（1）执行下列语句生成词法分析器代码

flex lexer.l

（2）词法分析器生成结果

lex.yy.c

（3）编译生成的词法分析器代码，生成可执行文件

gcc -o lexer lex.yy.c -lfl

（4）运行可执行文件并输入一些算术表达式进行测试

./lexer输入：SELECT * FROM table;

（5）执行结果如下

说明：

-ll：这是旧版本的Flex生成器（例如Flex 2.5.4）的链接选项。它指示链接器将使用名为 libl.a 或 libl.so 的库文件。在以前的版本中，Flex生成的词法分析器的默认名称是 lex.yy.c，而库文件的名称以 "l" 开头，因此使用 -ll 是一种传统的方式。
-lg：这是新版本的Flex生成器（例如Flex 2.5.35）的链接选项。类似于旧版本的 -ll，它指示链接器使用名为 libg.a 或 libg.so 的库文件。这种新方式是为了避免与其他工具和库发生命名冲突。
-lfl：这是一个与Flex生成的词法分析器库相关的选项。-lfl 表示链接器将使用名为 libfl.a 或 libfl.so 的库文件。这个库包含了Flex所需的运行时支持函数。

注意：

如果 flex 词法分析器对 .l 进行编译时报错:

/opt/h/devtoolset-11/root/usr/ibexec/gcex86.64-redhat-linux/11/ld: cannot find -lfn

解决方案：

该错误表明链接器无法找到名为 -if 的库文件。这通常是因为在您的系统上缺少libfl库，或者库文件的路径未正确配置。要解决这个问题，您可以尝试以下步骤：

1、确认库是否已安装:首先，请确保您的系统上已安装了libfl库。您可以尝试使用包管理器来安装它。在基于Red Hat的系统中，您可能需要执行类似于以下的命令:

yum install flex-devel

2、检查库文件路径:如果库已安装，但链接器仍然找不到它，可能是因为库文件的路径未正确配置。您可以尝试手动指定库文件的路径。例如，假设libfl库文件位于/usr/lib64目录下，您可以使用以下方式链接：

gcc -o my program lex.yy.c -L/usr/lib64 -1f1

3、更新库文件缓存:如果您最近安装了libfl库，但链接器仍然找不到它，您可能需要更新库文件缓存。运行以下命令以更新库文件缓存：

sudo ldconfig

3．语法分析------bison

使用语法分析器（由 Bison 生成）根据语法规则进行语法分析，生成抽象语法树。语法树是一种树形结构，它表示 SQL 语句的语法结构。语法分析器会检查语法树是否符合 SQL 语法规则，如果不符合，则会抛出语法错误。

3.1 bison原理

3.2 bison文件代码结构

1、bison文件代码

%{
// C 代码和头文件的声明
#include <stdio.h>
// 在这里可以定义全局变量和函数等
%}
// Bison 的选项部分
%option verbose   		// 控制 Bison 解析器的详细输出// Bison 的声明部分    
%token NAME       	    // 定义终结符或标记的名称
%token NUMBER%left ‘+’ ‘-‘           // 定义运算符的优先级和结合性
%left ‘*’ ‘/’%{
// 在这里可以编写更多的 C 代码
%}// Bison 的规则部分%%
// 语法规则的定义
expression : expression '+' expression           | expression '-' expression           | expression '*' expression           | expression '/' expression           | '(' expression ')'           | NUMBER           ;
// 更多的语法规则...
%%// C 代码部分（选项中的 %{ ... %} 和规则部分中的 %% 之间的部分）
// 在这里可以编写与语法规则相关的 C 代码
int main() {    yyparse();  // 调用 Bison 生成的解析函数    return 0;
}

bison文件的书写格式与flex文件的书写格式基本一致，只是规则的定义语法不同。

3.3 规则语法介绍

（1）终结符（Terminals）

终结符是语法规则中的基本符号，通常是语言中的关键字、运算符、标识符等。可以使用%token来定义终结符。以下是一个示例：

%token NUMBER 
%token PLUS MINUS TIMES DIVIDE 
%token IDENTIFIER 
%token SEMICOLON

在这个示例中，我们定义了几个终结符，包括数字（NUMBER）、加号（PLUS）、减号（MINUS）、乘号（TIMES）、除号（DIVIDE）、标识符（IDENTIFIER）和分号（SEMICOLON）等。终结符是语法规则中的基本符号，代表语言中的最小单元或词汇元素。终结符在语法分析的过程中与输入字符串的实际内容进行匹配，帮助构建解析树或语法分析树。在 Bison 文件中，终结符通常以大写字母或使用引号括起来的字符串表示。

（2）非终结符（Non-terminals）

非终结符表示语法规则中的抽象结构，可以由其他非终结符和/或终结符组成。您可以使用 %type 来定义非终结符的类型。以下是一个示例：

%type <expr> expression%type <term> term%type <factor> factor

在这个示例中，我们定义了三个非终结符 expression、term 和 factor，并指定了它们的类型。这些类型标记可以在产生式的操作部分使用，以便对解析树节点进行更复杂的操作。非终结符在语法分析树中代表了一些更高级的结构，可以用来执行语义操作、构建解析树，并帮助描述语言的抽象语法结构。在 Bison 文件中，非终结符通常以小写字母开头。

终结符和非终结符在 Bison 文件中共同定义了语法规则，帮助我们描述和分析特定编程语言或语言的一部分。终结符代表了实际的词法单元，而非终结符则代表了更高层次的语法结构。通过将终结符和非终结符组合起来，我们可以创建复杂的语法规则，用于生成和解析语言的有效字符串。

（3）“文法”

“文法”是一组规则，用于描述编程语言或语言的语法结构。这些规则定义了语言的句法（syntax），即哪些组合是有效的、合法的语句和表达式，以及它们如何组合在一起。文法规则使用产生式（productions）的形式来表示，其中包含终结符（terminals）和非终结符（non-terminals）的组合。

文法规则在 Bison 文件中是使用 BNF（巴科斯-诺尔范式）或 EBNF（扩展巴科斯-诺尔范式）的形式表示的。BNF 是一种形式化的表示方法，用于定义上下文无关文法（Context-Free Grammar），这些文法用于指定编程语言的语法规则。

expression : expression '+' term| expression '-' term| term;

（4） %start

%start 指令用于指定文法的起始非终结符。起始非终结符是语法分析的入口点，也就是从哪个语法规则开始构建解析树或语法分析树。

%start program%%statements : statement| statements statement;statement : assignment| if_statement| while_statement| /* ... other statement types ... */ ;

%start program 指定了起始非终结符为 program。这意味着语法分析将从 program 规则开始，逐步展开其他非终结符，最终构建解析树。在实际语法规则中，起始非终结符的选择取决于您想要分析的语言的语法结构。

（5）$

在语法规则中，$ 用于引用当前产生式的右侧的符号或值。例如，在产生式的右侧，$1 表示该产生式右侧的第一个元素（终结符或非终结符），$2表示第二个元素，依此类推。这些引用用于将产生式右侧的值传递给产生式左侧。注意：生产式的起始下标为1。

（6）$$

在语法规则中，$$ 用于引用当前产生式的结果。当 Bison 解析器完成一个产生式的分析并计算出其结果时，该结果会被赋值给 $$。这通常用于构建解析树的节点或为更高层次的语法规则提供结果。

（7）|

| 用于表示多个产生式之间的选择。它在上下文无关文法中用于定义非终结符的不同产生式形式。每个产生式通过竖线分隔，表示它们是该非终结符的可能形式之一。

3.4 bison文件具体案例

1、创建一个名为parser.l的文件，其中包含词法规则；

%{
#include <stdio.h>
#include <stdlib.h>
%}//定义终结符
%token SELECT INSERT UPDATE DELETE FROM WHERE 
%token INTO VALUES SET
%token ID INT STRING%%//定义规则statement: SELECT columns FROM table WHERE condition ';'| INSERT INTO table '(' columns ')' VALUES '(' values ')' ';'| UPDATE table SET assignments WHERE condition ';'| DELETE FROM table WHERE condition ';';columns: ID| columns '，' ID;table: ID;assignments: ID '=' value| assignments '，' ID '=' value;values: value| values '，' value;value: INT| STRING;condition: ID '=' value;%%int main() {yyparse();return 0;
}int yyerror(const char *s) {printf("Error: %s\n"， s);return 0;
}

2、使用 bison 命令编译 lexer.l 文件