Reported by Erik van der Kouwe <vdkouwe at cs.vu.nl>:
[minix.git] / man / man1 / flex.1
blob5556f9ac13925b4f225fc4066f9b67d55f0b9624
1 .TH FLEX 1 "26 May 1990" "Version 2.3"
2 .SH NAME
3 flex, lex - fast lexical analyzer generator
4 .SH SYNOPSIS
5 .B flex
6 .B [-bcdfinpstvFILT8 -C[efmF] -Sskeleton]
7 .I [filename ...]
8 .SH DESCRIPTION
9 .I flex
10 is a tool for generating
11 .I scanners:
12 programs which recognized lexical patterns in text.
13 .I flex
14 reads
15 the given input files, or its standard input if no file names are given,
16 for a description of a scanner to generate.  The description is in
17 the form of pairs
18 of regular expressions and C code, called
19 .I rules.  flex
20 generates as output a C source file,
21 .B lex.yy.c,
22 which defines a routine
23 .B yylex().
24 This file is compiled and linked with the
25 .B -lfl
26 library to produce an executable.  When the executable is run,
27 it analyzes its input for occurrences
28 of the regular expressions.  Whenever it finds one, it executes
29 the corresponding C code.
30 .LP
31 For full documentation, see
32 .B flexdoc(1).
33 This manual entry is intended for use as a quick reference.
34 .SH OPTIONS
35 .I flex
36 has the following options:
37 .TP
38 .B -b
39 Generate backtracking information to
40 .I lex.backtrack.
41 This is a list of scanner states which require backtracking
42 and the input characters on which they do so.  By adding rules one
43 can remove backtracking states.  If all backtracking states
44 are eliminated and
45 .B -f
47 .B -F
48 is used, the generated scanner will run faster.
49 .TP
50 .B -c
51 is a do-nothing, deprecated option included for POSIX compliance.
52 .IP
53 .B NOTE:
54 in previous releases of
55 .I flex
56 .B -c
57 specified table-compression options.  This functionality is
58 now given by the
59 .B -C
60 flag.  To ease the the impact of this change, when
61 .I flex
62 encounters
63 .B -c,
64 it currently issues a warning message and assumes that
65 .B -C
66 was desired instead.  In the future this "promotion" of
67 .B -c
69 .B -C
70 will go away in the name of full POSIX compliance (unless
71 the POSIX meaning is removed first).
72 .TP
73 .B -d
74 makes the generated scanner run in
75 .I debug
76 mode.  Whenever a pattern is recognized and the global
77 .B yy_flex_debug
78 is non-zero (which is the default), the scanner will
79 write to
80 .I stderr
81 a line of the form:
82 .nf
84     --accepting rule at line 53 ("the matched text")
86 .fi
87 The line number refers to the location of the rule in the file
88 defining the scanner (i.e., the file that was fed to flex).  Messages
89 are also generated when the scanner backtracks, accepts the
90 default rule, reaches the end of its input buffer (or encounters
91 a NUL; the two look the same as far as the scanner's concerned),
92 or reaches an end-of-file.
93 .TP
94 .B -f
95 specifies (take your pick)
96 .I full table
98 .I fast scanner.
99 No table compression is done.  The result is large but fast.
100 This option is equivalent to
101 .B -Cf
102 (see below).
104 .B -i
105 instructs
106 .I flex
107 to generate a
108 .I case-insensitive
109 scanner.  The case of letters given in the
110 .I flex
111 input patterns will
112 be ignored, and tokens in the input will be matched regardless of case.  The
113 matched text given in
114 .I yytext
115 will have the preserved case (i.e., it will not be folded).
117 .B -n
118 is another do-nothing, deprecated option included only for
119 POSIX compliance.
121 .B -p
122 generates a performance report to stderr.  The report
123 consists of comments regarding features of the
124 .I flex
125 input file which will cause a loss of performance in the resulting scanner.
127 .B -s
128 causes the
129 .I default rule
130 (that unmatched scanner input is echoed to
131 .I stdout)
132 to be suppressed.  If the scanner encounters input that does not
133 match any of its rules, it aborts with an error.
135 .B -t
136 instructs
137 .I flex
138 to write the scanner it generates to standard output instead
140 .B lex.yy.c.
142 .B -v
143 specifies that
144 .I flex
145 should write to
146 .I stderr
147 a summary of statistics regarding the scanner it generates.
149 .B -F
150 specifies that the
151 .I fast
152 scanner table representation should be used.  This representation is
153 about as fast as the full table representation
154 .RB ( \-f ),
155 and for some sets of patterns will be considerably smaller (and for
156 others, larger).  See
157 .B flexdoc(1)
158 for details.
160 This option is equivalent to
161 .B -CF
162 (see below).
164 .B -I
165 instructs
166 .I flex
167 to generate an
168 .I interactive
169 scanner, that is, a scanner which stops immediately rather than
170 looking ahead if it knows
171 that the currently scanned text cannot be part of a longer rule's match.
172 Again, see
173 .B flexdoc(1)
174 for details.
176 Note,
177 .B -I
178 cannot be used in conjunction with
179 .I full
181 .I fast tables,
182 i.e., the
183 .B -f, -F, -Cf,
185 .B -CF
186 flags.
188 .B -L
189 instructs
190 .I flex
191 not to generate
192 .B #line
193 directives in
194 .B lex.yy.c.
195 The default is to generate such directives so error
196 messages in the actions will be correctly
197 located with respect to the original
198 .I flex
199 input file, and not to
200 the fairly meaningless line numbers of
201 .B lex.yy.c.
203 .B -T
204 makes
205 .I flex
206 run in
207 .I trace
208 mode.  It will generate a lot of messages to
209 .I stdout
210 concerning
211 the form of the input and the resultant non-deterministic and deterministic
212 finite automata.  This option is mostly for use in maintaining
213 .I flex.
215 .B -8
216 instructs
217 .I flex
218 to generate an 8-bit scanner.
219 On some sites, this is the default.  On others, the default
220 is 7-bit characters.  To see which is the case, check the verbose
221 .B (-v)
222 output for "equivalence classes created".  If the denominator of
223 the number shown is 128, then by default
224 .I flex
225 is generating 7-bit characters.  If it is 256, then the default is
226 8-bit characters.
227 .TP 
228 .B -C[efmF]
229 controls the degree of table compression.
231 .B -Ce
232 directs
233 .I flex
234 to construct
235 .I equivalence classes,
236 i.e., sets of characters
237 which have identical lexical properties.
238 Equivalence classes usually give
239 dramatic reductions in the final table/object file sizes (typically
240 a factor of 2-5) and are pretty cheap performance-wise (one array
241 look-up per character scanned).
243 .B -Cf
244 specifies that the
245 .I full
246 scanner tables should be generated -
247 .I flex
248 should not compress the
249 tables by taking advantages of similar transition functions for
250 different states.
252 .B -CF
253 specifies that the alternate fast scanner representation (described in
254 .B flexdoc(1))
255 should be used.
257 .B -Cm
258 directs
259 .I flex
260 to construct
261 .I meta-equivalence classes,
262 which are sets of equivalence classes (or characters, if equivalence
263 classes are not being used) that are commonly used together.  Meta-equivalence
264 classes are often a big win when using compressed tables, but they
265 have a moderate performance impact (one or two "if" tests and one
266 array look-up per character scanned).
268 A lone
269 .B -C
270 specifies that the scanner tables should be compressed but neither
271 equivalence classes nor meta-equivalence classes should be used.
273 The options
274 .B -Cf
276 .B -CF
278 .B -Cm
279 do not make sense together - there is no opportunity for meta-equivalence
280 classes if the table is not being compressed.  Otherwise the options
281 may be freely mixed.
283 The default setting is
284 .B -Cem,
285 which specifies that
286 .I flex
287 should generate equivalence classes
288 and meta-equivalence classes.  This setting provides the highest
289 degree of table compression.  You can trade off
290 faster-executing scanners at the cost of larger tables with
291 the following generally being true:
294     slowest & smallest
295           -Cem
296           -Cm
297           -Ce
298           -C
299           -C{f,F}e
300           -C{f,F}
301     fastest & largest
305 .B -C
306 options are not cumulative; whenever the flag is encountered, the
307 previous -C settings are forgotten.
309 .B -Sskeleton_file
310 overrides the default skeleton file from which
311 .I flex
312 constructs its scanners.  You'll never need this option unless you are doing
313 .I flex
314 maintenance or development.
315 .SH SUMMARY OF FLEX REGULAR EXPRESSIONS
316 The patterns in the input are written using an extended set of regular
317 expressions.  These are:
320     x          match the character 'x'
321     .          any character except newline
322     [xyz]      a "character class"; in this case, the pattern
323                  matches either an 'x', a 'y', or a 'z'
324     [abj-oZ]   a "character class" with a range in it; matches
325                  an 'a', a 'b', any letter from 'j' through 'o',
326                  or a 'Z'
327     [^A-Z]     a "negated character class", i.e., any character
328                  but those in the class.  In this case, any
329                  character EXCEPT an uppercase letter.
330     [^A-Z\\n]   any character EXCEPT an uppercase letter or
331                  a newline
332     r*         zero or more r's, where r is any regular expression
333     r+         one or more r's
334     r?         zero or one r's (that is, "an optional r")
335     r{2,5}     anywhere from two to five r's
336     r{2,}      two or more r's
337     r{4}       exactly 4 r's
338     {name}     the expansion of the "name" definition
339                (see above)
340     "[xyz]\\"foo"
341                the literal string: [xyz]"foo
342     \\X         if X is an 'a', 'b', 'f', 'n', 'r', 't', or 'v',
343                  then the ANSI-C interpretation of \\x.
344                  Otherwise, a literal 'X' (used to escape
345                  operators such as '*')
346     \\123       the character with octal value 123
347     \\x2a       the character with hexadecimal value 2a
348     (r)        match an r; parentheses are used to override
349                  precedence (see below)
352     rs         the regular expression r followed by the
353                  regular expression s; called "concatenation"
356     r|s        either an r or an s
359     r/s        an r but only if it is followed by an s.  The
360                  s is not part of the matched text.  This type
361                  of pattern is called as "trailing context".
362     ^r         an r, but only at the beginning of a line
363     r$         an r, but only at the end of a line.  Equivalent
364                  to "r/\\n".
367     <s>r       an r, but only in start condition s (see
368                below for discussion of start conditions)
369     <s1,s2,s3>r
370                same, but in any of start conditions s1,
371                s2, or s3
374     <<EOF>>    an end-of-file
375     <s1,s2><<EOF>>
376                an end-of-file when in start condition s1 or s2
379 The regular expressions listed above are grouped according to
380 precedence, from highest precedence at the top to lowest at the bottom.
381 Those grouped together have equal precedence.
383 Some notes on patterns:
384 .IP -
385 Negated character classes
386 .I match newlines
387 unless "\\n" (or an equivalent escape sequence) is one of the
388 characters explicitly present in the negated character class
389 (e.g., "[^A-Z\\n]").
390 .IP -
391 A rule can have at most one instance of trailing context (the '/' operator
392 or the '$' operator).  The start condition, '^', and "<<EOF>>" patterns
393 can only occur at the beginning of a pattern, and, as well as with '/' and '$',
394 cannot be grouped inside parentheses.  The following are all illegal:
397     foo/bar$
398     foo|(bar$)
399     foo|^bar
400     <sc1>foo<sc2>bar
403 .SH SUMMARY OF SPECIAL ACTIONS
404 In addition to arbitrary C code, the following can appear in actions:
405 .IP -
406 .B ECHO
407 copies yytext to the scanner's output.
408 .IP -
409 .B BEGIN
410 followed by the name of a start condition places the scanner in the
411 corresponding start condition.
412 .IP -
413 .B REJECT
414 directs the scanner to proceed on to the "second best" rule which matched the
415 input (or a prefix of the input).
416 .B yytext
418 .B yyleng
419 are set up appropriately.  Note that
420 .B REJECT
421 is a particularly expensive feature in terms scanner performance;
422 if it is used in
423 .I any
424 of the scanner's actions it will slow down
425 .I all
426 of the scanner's matching.  Furthermore,
427 .B REJECT
428 cannot be used with the
429 .I -f
431 .I -F
432 options.
434 Note also that unlike the other special actions,
435 .B REJECT
436 is a
437 .I branch;
438 code immediately following it in the action will
439 .I not
440 be executed.
441 .IP -
442 .B yymore()
443 tells the scanner that the next time it matches a rule, the corresponding
444 token should be
445 .I appended
446 onto the current value of
447 .B yytext
448 rather than replacing it.
449 .IP -
450 .B yyless(n)
451 returns all but the first
452 .I n
453 characters of the current token back to the input stream, where they
454 will be rescanned when the scanner looks for the next match.
455 .B yytext
457 .B yyleng
458 are adjusted appropriately (e.g.,
459 .B yyleng
460 will now be equal to
461 .I n
463 .IP -
464 .B unput(c)
465 puts the character
466 .I c
467 back onto the input stream.  It will be the next character scanned.
468 .IP -
469 .B input()
470 reads the next character from the input stream (this routine is called
471 .B yyinput()
472 if the scanner is compiled using
473 .B C++).
474 .IP -
475 .B yyterminate()
476 can be used in lieu of a return statement in an action.  It terminates
477 the scanner and returns a 0 to the scanner's caller, indicating "all done".
479 By default,
480 .B yyterminate()
481 is also called when an end-of-file is encountered.  It is a macro and
482 may be redefined.
483 .IP -
484 .B YY_NEW_FILE
485 is an action available only in <<EOF>> rules.  It means "Okay, I've
486 set up a new input file, continue scanning".
487 .IP -
488 .B yy_create_buffer( file, size )
489 takes a
490 .I FILE
491 pointer and an integer
492 .I size.
493 It returns a YY_BUFFER_STATE
494 handle to a new input buffer large enough to accomodate
495 .I size
496 characters and associated with the given file.  When in doubt, use
497 .B YY_BUF_SIZE
498 for the size.
499 .IP -
500 .B yy_switch_to_buffer( new_buffer )
501 switches the scanner's processing to scan for tokens from
502 the given buffer, which must be a YY_BUFFER_STATE.
503 .IP -
504 .B yy_delete_buffer( buffer )
505 deletes the given buffer.
506 .SH VALUES AVAILABLE TO THE USER
507 .IP -
508 .B char *yytext
509 holds the text of the current token.  It may not be modified.
510 .IP -
511 .B int yyleng
512 holds the length of the current token.  It may not be modified.
513 .IP -
514 .B FILE *yyin
515 is the file which by default
516 .I flex
517 reads from.  It may be redefined but doing so only makes sense before
518 scanning begins.  Changing it in the middle of scanning will have
519 unexpected results since
520 .I flex
521 buffers its input.  Once scanning terminates because an end-of-file
522 has been seen,
524 void yyrestart( FILE *new_file )
525 may be called to point
526 .I yyin
527 at the new input file.
528 .IP -
529 .B FILE *yyout
530 is the file to which
531 .B ECHO
532 actions are done.  It can be reassigned by the user.
533 .IP -
534 .B YY_CURRENT_BUFFER
535 returns a
536 .B YY_BUFFER_STATE
537 handle to the current buffer.
538 .SH MACROS THE USER CAN REDEFINE
539 .IP -
540 .B YY_DECL
541 controls how the scanning routine is declared.
542 By default, it is "int yylex()", or, if prototypes are being
543 used, "int yylex(void)".  This definition may be changed by redefining
544 the "YY_DECL" macro.  Note that
545 if you give arguments to the scanning routine using a
546 K&R-style/non-prototyped function declaration, you must terminate
547 the definition with a semi-colon (;).
548 .IP -
549 The nature of how the scanner
550 gets its input can be controlled by redefining the
551 .B YY_INPUT
552 macro.
553 YY_INPUT's calling sequence is "YY_INPUT(buf,result,max_size)".  Its
554 action is to place up to
555 .I max_size
556 characters in the character array
557 .I buf
558 and return in the integer variable
559 .I result
560 either the
561 number of characters read or the constant YY_NULL (0 on Unix systems)
562 to indicate EOF.  The default YY_INPUT reads from the
563 global file-pointer "yyin".
564 A sample redefinition of YY_INPUT (in the definitions
565 section of the input file):
568     %{
569     #undef YY_INPUT
570     #define YY_INPUT(buf,result,max_size) \\
571         { \\
572         int c = getchar(); \\
573         result = (c == EOF) ? YY_NULL : (buf[0] = c, 1); \\
574         }
575     %}
578 .IP -
579 When the scanner receives an end-of-file indication from YY_INPUT,
580 it then checks the
581 .B yywrap()
582 function.  If
583 .B yywrap()
584 returns false (zero), then it is assumed that the
585 function has gone ahead and set up
586 .I yyin
587 to point to another input file, and scanning continues.  If it returns
588 true (non-zero), then the scanner terminates, returning 0 to its
589 caller.
591 The default
592 .B yywrap()
593 always returns 1.  Presently, to redefine it you must first
594 "#undef yywrap", as it is currently implemented as a macro.  It is
595 likely that
596 .B yywrap()
597 will soon be defined to be a function rather than a macro.
598 .IP -
599 YY_USER_ACTION
600 can be redefined to provide an action
601 which is always executed prior to the matched rule's action.
602 .IP -
603 The macro
604 .B YY_USER_INIT
605 may be redefined to provide an action which is always executed before
606 the first scan.
607 .IP -
608 In the generated scanner, the actions are all gathered in one large
609 switch statement and separated using
610 .B YY_BREAK,
611 which may be redefined.  By default, it is simply a "break", to separate
612 each rule's action from the following rule's.
613 .SH FILES
615 .I flex.skel
616 skeleton scanner.
618 .I lex.yy.c
619 generated scanner (called
620 .I lexyy.c
621 on some systems).
623 .I lex.backtrack
624 backtracking information for
625 .B -b
626 flag (called
627 .I lex.bck
628 on some systems).
630 .B -lfl
631 library with which to link the scanners.
632 .SH "SEE ALSO"
634 flexdoc(1), lex(1), yacc(1), sed(1), awk(1x).
636 M. E. Lesk and E. Schmidt,
637 .I LEX - Lexical Analyzer Generator
638 .SH DIAGNOSTICS
639 .I reject_used_but_not_detected undefined
642 .I yymore_used_but_not_detected undefined -
643 These errors can occur at compile time.  They indicate that the
644 scanner uses
645 .B REJECT
647 .B yymore()
648 but that
649 .I flex
650 failed to notice the fact, meaning that
651 .I flex
652 scanned the first two sections looking for occurrences of these actions
653 and failed to find any, but somehow you snuck some in (via a #include
654 file, for example).  Make an explicit reference to the action in your
655 .I flex
656 input file.  (Note that previously
657 .I flex
658 supported a
659 .B %used/%unused
660 mechanism for dealing with this problem; this feature is still supported
661 but now deprecated, and will go away soon unless the author hears from
662 people who can argue compellingly that they need it.)
664 .I flex scanner jammed -
665 a scanner compiled with
666 .B -s
667 has encountered an input string which wasn't matched by
668 any of its rules.
670 .I flex input buffer overflowed -
671 a scanner rule matched a string long enough to overflow the
672 scanner's internal input buffer (16K bytes - controlled by
673 .B YY_BUF_MAX
674 in "flex.skel").
676 .I scanner requires -8 flag -
677 Your scanner specification includes recognizing 8-bit characters and
678 you did not specify the -8 flag (and your site has not installed flex
679 with -8 as the default).
682 fatal flex scanner internal error--end of buffer missed -
683 This can occur in an scanner which is reentered after a long-jump
684 has jumped out (or over) the scanner's activation frame.  Before
685 reentering the scanner, use:
688     yyrestart( yyin );
692 .I too many %t classes! -
693 You managed to put every single character into its own %t class.
694 .I flex
695 requires that at least one of the classes share characters.
696 .SH AUTHOR
697 Vern Paxson, with the help of many ideas and much inspiration from
698 Van Jacobson.  Original version by Jef Poskanzer.
700 See flexdoc(1) for additional credits and the address to send comments to.
701 .SH DEFICIENCIES / BUGS
703 Some trailing context
704 patterns cannot be properly matched and generate
705 warning messages ("Dangerous trailing context").  These are
706 patterns where the ending of the
707 first part of the rule matches the beginning of the second
708 part, such as "zx*/xy*", where the 'x*' matches the 'x' at
709 the beginning of the trailing context.  (Note that the POSIX draft
710 states that the text matched by such patterns is undefined.)
712 For some trailing context rules, parts which are actually fixed-length are
713 not recognized as such, leading to the abovementioned performance loss.
714 In particular, parts using '|' or {n} (such as "foo{3}") are always
715 considered variable-length.
717 Combining trailing context with the special '|' action can result in
718 .I fixed
719 trailing context being turned into the more expensive
720 .I variable
721 trailing context.  For example, this happens in the following example:
724     %%
725     abc      |
726     xyz/def
730 Use of unput() invalidates yytext and yyleng.
732 Use of unput() to push back more text than was matched can
733 result in the pushed-back text matching a beginning-of-line ('^')
734 rule even though it didn't come at the beginning of the line
735 (though this is rare!).
737 Pattern-matching of NUL's is substantially slower than matching other
738 characters.
740 .I flex
741 does not generate correct #line directives for code internal
742 to the scanner; thus, bugs in
743 .I flex.skel
744 yield bogus line numbers.
746 Due to both buffering of input and read-ahead, you cannot intermix
747 calls to <stdio.h> routines, such as, for example,
748 .B getchar(),
749 with
750 .I flex
751 rules and expect it to work.  Call
752 .B input()
753 instead.
755 The total table entries listed by the
756 .B -v
757 flag excludes the number of table entries needed to determine
758 what rule has been matched.  The number of entries is equal
759 to the number of DFA states if the scanner does not use
760 .B REJECT,
761 and somewhat greater than the number of states if it does.
763 .B REJECT
764 cannot be used with the
765 .I -f
767 .I -F
768 options.
770 Some of the macros, such as
771 .B yywrap(),
772 may in the future become functions which live in the
773 .B -lfl
774 library.  This will doubtless break a lot of code, but may be
775 required for POSIX-compliance.
778 .I flex
779 internal algorithms need documentation.
780 .\" ref. to awk(9) man page corrected -- ASW 2005-01-15