etc/services - sync with NetBSD-8
[minix.git] / external / bsd / flex / dist / doc / flex.texi
blob07ce3ac6c7e05b7259c83490d31983f870178d3d
1 \input texinfo.tex @c -*-texinfo-*-
2 @c %**start of header
3 @setfilename flex.info
4 @include version.texi
5 @settitle Lexical Analysis With Flex, for Flex @value{VERSION}
6 @set authors Vern Paxson, Will Estes and John Millaway
7 @c  "Macro Hooks" index
8 @defindex hk
9 @c  "Options" index
10 @defindex op
11 @dircategory Programming
12 @direntry
13 * flex: (flex).      Fast lexical analyzer generator (lex replacement).
14 @end direntry
15 @c %**end of header
17 @copying
19 The flex manual is placed under the same licensing conditions as the
20 rest of flex:
22 Copyright @copyright{} 2001, 2002, 2003, 2004, 2005, 2006, 2007, 2012
23 The Flex Project.
25 Copyright @copyright{} 1990, 1997 The Regents of the University of California.
26 All rights reserved.
28 This code is derived from software contributed to Berkeley by
29 Vern Paxson.
31 The United States Government has rights in this work pursuant
32 to contract no. DE-AC03-76SF00098 between the United States
33 Department of Energy and the University of California.
35 Redistribution and use in source and binary forms, with or without
36 modification, are permitted provided that the following conditions
37 are met:
39 @enumerate
40 @item
41  Redistributions of source code must retain the above copyright
42 notice, this list of conditions and the following disclaimer.
44 @item
45 Redistributions in binary form must reproduce the above copyright
46 notice, this list of conditions and the following disclaimer in the
47 documentation and/or other materials provided with the distribution.
48 @end enumerate
50 Neither the name of the University nor the names of its contributors
51 may be used to endorse or promote products derived from this software
52 without specific prior written permission.
54 THIS SOFTWARE IS PROVIDED ``AS IS'' AND WITHOUT ANY EXPRESS OR
55 IMPLIED WARRANTIES, INCLUDING, WITHOUT LIMITATION, THE IMPLIED
56 WARRANTIES OF MERCHANTABILITY AND FITNESS FOR A PARTICULAR
57 PURPOSE.
58 @end copying
60 @titlepage
61 @title Lexical Analysis with Flex
62 @subtitle Edition @value{EDITION}, @value{UPDATED}
63 @author @value{authors}
64 @page
65 @vskip 0pt plus 1filll
66 @insertcopying
67 @end titlepage
68 @contents
69 @ifnottex
70 @node Top, Copyright, (dir), (dir)
71 @top flex
73 This manual describes @code{flex}, a tool for generating programs that
74 perform pattern-matching on text.  The manual includes both tutorial and
75 reference sections.
77 This edition of @cite{The flex Manual} documents @code{flex} version
78 @value{VERSION}. It was last updated on @value{UPDATED}.
80 This manual was written by @value{authors}.
82 @menu
83 * Copyright::                   
84 * Reporting Bugs::              
85 * Introduction::                
86 * Simple Examples::             
87 * Format::                      
88 * Patterns::                    
89 * Matching::                    
90 * Actions::                     
91 * Generated Scanner::           
92 * Start Conditions::            
93 * Multiple Input Buffers::      
94 * EOF::                         
95 * Misc Macros::                 
96 * User Values::                 
97 * Yacc::                        
98 * Scanner Options::             
99 * Performance::                 
100 * Cxx::                         
101 * Reentrant::                   
102 * Lex and Posix::               
103 * Memory Management::           
104 * Serialized Tables::           
105 * Diagnostics::                 
106 * Limitations::                 
107 * Bibliography::                
108 * FAQ::                         
109 * Appendices::                  
110 * Indices::                     
112 @detailmenu
113  --- The Detailed Node Listing ---
115 Format of the Input File
117 * Definitions Section::         
118 * Rules Section::               
119 * User Code Section::           
120 * Comments in the Input::       
122 Scanner Options
124 * Options for Specifying Filenames::  
125 * Options Affecting Scanner Behavior::  
126 * Code-Level And API Options::  
127 * Options for Scanner Speed and Size::  
128 * Debugging Options::           
129 * Miscellaneous Options::       
131 Reentrant C Scanners
133 * Reentrant Uses::              
134 * Reentrant Overview::          
135 * Reentrant Example::           
136 * Reentrant Detail::            
137 * Reentrant Functions::         
139 The Reentrant API in Detail
141 * Specify Reentrant::           
142 * Extra Reentrant Argument::    
143 * Global Replacement::          
144 * Init and Destroy Functions::  
145 * Accessor Methods::            
146 * Extra Data::                  
147 * About yyscan_t::              
149 Memory Management
151 * The Default Memory Management::  
152 * Overriding The Default Memory Management::  
153 * A Note About yytext And Memory::  
155 Serialized Tables
157 * Creating Serialized Tables::  
158 * Loading and Unloading Serialized Tables::  
159 * Tables File Format::          
163 * When was flex born?::         
164 * How do I expand backslash-escape sequences in C-style quoted strings?::  
165 * Why do flex scanners call fileno if it is not ANSI compatible?::  
166 * Does flex support recursive pattern definitions?::  
167 * How do I skip huge chunks of input (tens of megabytes) while using flex?::  
168 * Flex is not matching my patterns in the same order that I defined them.::  
169 * My actions are executing out of order or sometimes not at all.::  
170 * How can I have multiple input sources feed into the same scanner at the same time?::  
171 * Can I build nested parsers that work with the same input file?::  
172 * How can I match text only at the end of a file?::  
173 * How can I make REJECT cascade across start condition boundaries?::  
174 * Why cant I use fast or full tables with interactive mode?::  
175 * How much faster is -F or -f than -C?::  
176 * If I have a simple grammar cant I just parse it with flex?::  
177 * Why doesn't yyrestart() set the start state back to INITIAL?::  
178 * How can I match C-style comments?::  
179 * The period isn't working the way I expected.::  
180 * Can I get the flex manual in another format?::  
181 * Does there exist a "faster" NDFA->DFA algorithm?::  
182 * How does flex compile the DFA so quickly?::  
183 * How can I use more than 8192 rules?::  
184 * How do I abandon a file in the middle of a scan and switch to a new file?::  
185 * How do I execute code only during initialization (only before the first scan)?::  
186 * How do I execute code at termination?::  
187 * Where else can I find help?::  
188 * Can I include comments in the "rules" section of the file?::  
189 * I get an error about undefined yywrap().::  
190 * How can I change the matching pattern at run time?::  
191 * How can I expand macros in the input?::  
192 * How can I build a two-pass scanner?::  
193 * How do I match any string not matched in the preceding rules?::  
194 * I am trying to port code from AT&T lex that uses yysptr and yysbuf.::  
195 * Is there a way to make flex treat NULL like a regular character?::  
196 * Whenever flex can not match the input it says "flex scanner jammed".::  
197 * Why doesn't flex have non-greedy operators like perl does?::  
198 * Memory leak - 16386 bytes allocated by malloc.::  
199 * How do I track the byte offset for lseek()?::  
200 * How do I use my own I/O classes in a C++ scanner?::  
201 * How do I skip as many chars as possible?::  
202 * deleteme00::              
203 * Are certain equivalent patterns faster than others?::              
204 * Is backing up a big deal?::              
205 * Can I fake multi-byte character support?::              
206 * deleteme01::              
207 * Can you discuss some flex internals?::              
208 * unput() messes up yy_at_bol::              
209 * The | operator is not doing what I want::              
210 * Why can't flex understand this variable trailing context pattern?::              
211 * The ^ operator isn't working::              
212 * Trailing context is getting confused with trailing optional patterns::              
213 * Is flex GNU or not?::              
214 * ERASEME53::              
215 * I need to scan if-then-else blocks and while loops::              
216 * ERASEME55::              
217 * ERASEME56::              
218 * ERASEME57::              
219 * Is there a repository for flex scanners?::              
220 * How can I conditionally compile or preprocess my flex input file?::              
221 * Where can I find grammars for lex and yacc?::              
222 * I get an end-of-buffer message for each character scanned.::              
223 * unnamed-faq-62::              
224 * unnamed-faq-63::              
225 * unnamed-faq-64::              
226 * unnamed-faq-65::              
227 * unnamed-faq-66::              
228 * unnamed-faq-67::              
229 * unnamed-faq-68::              
230 * unnamed-faq-69::              
231 * unnamed-faq-70::              
232 * unnamed-faq-71::              
233 * unnamed-faq-72::              
234 * unnamed-faq-73::              
235 * unnamed-faq-74::              
236 * unnamed-faq-75::              
237 * unnamed-faq-76::              
238 * unnamed-faq-77::              
239 * unnamed-faq-78::              
240 * unnamed-faq-79::              
241 * unnamed-faq-80::              
242 * unnamed-faq-81::              
243 * unnamed-faq-82::              
244 * unnamed-faq-83::              
245 * unnamed-faq-84::              
246 * unnamed-faq-85::              
247 * unnamed-faq-86::              
248 * unnamed-faq-87::              
249 * unnamed-faq-88::              
250 * unnamed-faq-90::              
251 * unnamed-faq-91::              
252 * unnamed-faq-92::              
253 * unnamed-faq-93::              
254 * unnamed-faq-94::              
255 * unnamed-faq-95::              
256 * unnamed-faq-96::              
257 * unnamed-faq-97::              
258 * unnamed-faq-98::              
259 * unnamed-faq-99::              
260 * unnamed-faq-100::             
261 * unnamed-faq-101::             
262 * What is the difference between YYLEX_PARAM and YY_DECL?::
263 * Why do I get "conflicting types for yylex" error?::
264 * How do I access the values set in a Flex action from within a Bison action?::
266 Appendices
268 * Makefiles and Flex::          
269 * Bison Bridge::                
270 * M4 Dependency::               
271 * Common Patterns::               
273 Indices
275 * Concept Index::               
276 * Index of Functions and Macros::  
277 * Index of Variables::          
278 * Index of Data Types::         
279 * Index of Hooks::              
280 * Index of Scanner Options::    
282 @end detailmenu
283 @end menu
284 @end ifnottex
285 @node Copyright, Reporting Bugs, Top, Top
286 @chapter Copyright
288 @cindex copyright of flex
289 @cindex distributing flex
290 @insertcopying
292 @node Reporting Bugs, Introduction, Copyright, Top
293 @chapter Reporting Bugs
295 @cindex bugs, reporting
296 @cindex reporting bugs
298 If you find a bug in @code{flex}, please report it using
299 the SourceForge Bug Tracking facilities which can be found on
300 @url{http://sourceforge.net/projects/flex,flex's SourceForge Page}.
302 @node Introduction, Simple Examples, Reporting Bugs, Top
303 @chapter Introduction
305 @cindex scanner, definition of
306 @code{flex} is a tool for generating @dfn{scanners}.  A scanner is a
307 program which recognizes lexical patterns in text.  The @code{flex}
308 program reads the given input files, or its standard input if no file
309 names are given, for a description of a scanner to generate.  The
310 description is in the form of pairs of regular expressions and C code,
311 called @dfn{rules}. @code{flex} generates as output a C source file,
312 @file{lex.yy.c} by default, which defines a routine @code{yylex()}.
313 This file can be compiled and linked with the flex runtime library to
314 produce an executable.  When the executable is run, it analyzes its
315 input for occurrences of the regular expressions.  Whenever it finds
316 one, it executes the corresponding C code.
318 @node Simple Examples, Format, Introduction, Top
319 @chapter Some Simple Examples
321 First some simple examples to get the flavor of how one uses
322 @code{flex}.
324 @cindex username expansion
325 The following @code{flex} input specifies a scanner which, when it
326 encounters the string @samp{username} will replace it with the user's
327 login name:
329 @example
330 @verbatim
331     %%
332     username    printf( "%s", getlogin() );
333 @end verbatim
334 @end example
336 @cindex default rule
337 @cindex rules, default
338 By default, any text not matched by a @code{flex} scanner is copied to
339 the output, so the net effect of this scanner is to copy its input file
340 to its output with each occurrence of @samp{username} expanded.  In this
341 input, there is just one rule.  @samp{username} is the @dfn{pattern} and
342 the @samp{printf} is the @dfn{action}.  The @samp{%%} symbol marks the
343 beginning of the rules.
345 Here's another simple example:
347 @cindex counting characters and lines
348 @example
349 @verbatim
350             int num_lines = 0, num_chars = 0;
352     %%
353     \n      ++num_lines; ++num_chars;
354     .       ++num_chars;
356     %%
358     int main()
359             {
360             yylex();
361             printf( "# of lines = %d, # of chars = %d\n",
362                     num_lines, num_chars );
363             }
364 @end verbatim
365 @end example
367 This scanner counts the number of characters and the number of lines in
368 its input. It produces no output other than the final report on the
369 character and line counts.  The first line declares two globals,
370 @code{num_lines} and @code{num_chars}, which are accessible both inside
371 @code{yylex()} and in the @code{main()} routine declared after the
372 second @samp{%%}.  There are two rules, one which matches a newline
373 (@samp{\n}) and increments both the line count and the character count,
374 and one which matches any character other than a newline (indicated by
375 the @samp{.} regular expression).
377 A somewhat more complicated example:
379 @cindex Pascal-like language
380 @example
381 @verbatim
382     /* scanner for a toy Pascal-like language */
384     %{
385     /* need this for the call to atof() below */
386     #include <math.h>
387     %}
389     DIGIT    [0-9]
390     ID       [a-z][a-z0-9]*
392     %%
394     {DIGIT}+    {
395                 printf( "An integer: %s (%d)\n", yytext,
396                         atoi( yytext ) );
397                 }
399     {DIGIT}+"."{DIGIT}*        {
400                 printf( "A float: %s (%g)\n", yytext,
401                         atof( yytext ) );
402                 }
404     if|then|begin|end|procedure|function        {
405                 printf( "A keyword: %s\n", yytext );
406                 }
408     {ID}        printf( "An identifier: %s\n", yytext );
410     "+"|"-"|"*"|"/"   printf( "An operator: %s\n", yytext );
412     "{"[\^{}}\n]*"}"     /* eat up one-line comments */
414     [ \t\n]+          /* eat up whitespace */
416     .           printf( "Unrecognized character: %s\n", yytext );
418     %%
420     int main( int argc, char **argv )
421         {
422         ++argv, --argc;  /* skip over program name */
423         if ( argc > 0 )
424                 yyin = fopen( argv[0], "r" );
425         else
426                 yyin = stdin;
428         yylex();
429         }
430 @end verbatim
431 @end example
433 This is the beginnings of a simple scanner for a language like Pascal.
434 It identifies different types of @dfn{tokens} and reports on what it has
435 seen.
437 The details of this example will be explained in the following
438 sections.
440 @node Format, Patterns, Simple Examples, Top
441 @chapter Format of the Input File
444 @cindex format of flex input
445 @cindex input, format of
446 @cindex file format
447 @cindex sections of flex input
449 The @code{flex} input file consists of three sections, separated by a
450 line containing only @samp{%%}.
452 @cindex format of input file
453 @example
454 @verbatim
455     definitions
456     %%
457     rules
458     %%
459     user code
460 @end verbatim
461 @end example
463 @menu
464 * Definitions Section::         
465 * Rules Section::               
466 * User Code Section::           
467 * Comments in the Input::       
468 @end menu
470 @node Definitions Section, Rules Section, Format, Format
471 @section Format of the Definitions Section
473 @cindex input file, Definitions section
474 @cindex Definitions, in flex input
475 The @dfn{definitions section} contains declarations of simple @dfn{name}
476 definitions to simplify the scanner specification, and declarations of
477 @dfn{start conditions}, which are explained in a later section.
479 @cindex aliases, how to define
480 @cindex pattern aliases, how to define
481 Name definitions have the form:
483 @example
484 @verbatim
485     name definition
486 @end verbatim
487 @end example
489 The @samp{name} is a word beginning with a letter or an underscore
490 (@samp{_}) followed by zero or more letters, digits, @samp{_}, or
491 @samp{-} (dash).  The definition is taken to begin at the first
492 non-whitespace character following the name and continuing to the end of
493 the line.  The definition can subsequently be referred to using
494 @samp{@{name@}}, which will expand to @samp{(definition)}.  For example,
496 @cindex pattern aliases, defining
497 @cindex defining pattern aliases
498 @example
499 @verbatim
500     DIGIT    [0-9]
501     ID       [a-z][a-z0-9]*
502 @end verbatim
503 @end example
505 Defines @samp{DIGIT} to be a regular expression which matches a single
506 digit, and @samp{ID} to be a regular expression which matches a letter
507 followed by zero-or-more letters-or-digits.  A subsequent reference to
509 @cindex pattern aliases, use of
510 @example
511 @verbatim
512     {DIGIT}+"."{DIGIT}*
513 @end verbatim
514 @end example
516 is identical to
518 @example
519 @verbatim
520     ([0-9])+"."([0-9])*
521 @end verbatim
522 @end example
524 and matches one-or-more digits followed by a @samp{.} followed by
525 zero-or-more digits.
527 @cindex comments in flex input
528 An unindented comment (i.e., a line
529 beginning with @samp{/*}) is copied verbatim to the output up
530 to the next @samp{*/}.
532 @cindex %@{ and %@}, in Definitions Section
533 @cindex embedding C code in flex input
534 @cindex C code in flex input
535 Any @emph{indented} text or text enclosed in @samp{%@{} and @samp{%@}}
536 is also copied verbatim to the output (with the %@{ and %@} symbols
537 removed).  The %@{ and %@} symbols must appear unindented on lines by
538 themselves.
540 @cindex %top
542 A @code{%top} block is similar to a @samp{%@{} ... @samp{%@}} block, except
543 that the code in a @code{%top} block is relocated to the @emph{top} of the
544 generated file, before any flex definitions @footnote{Actually,
545 @code{yyIN_HEADER} is defined before the @samp{%top} block.}. 
546 The @code{%top} block is useful when you want certain preprocessor macros to be
547 defined or certain files to be included before the generated code.
548 The single characters, @samp{@{}  and @samp{@}} are used to delimit the
549 @code{%top} block, as show in the example below:
551 @example
552 @verbatim
553     %top{
554         /* This code goes at the "top" of the generated file. */
555         #include <stdint.h>
556         #include <inttypes.h>
557     }
558 @end verbatim
559 @end example
561 Multiple @code{%top} blocks are allowed, and their order is preserved.
563 @node Rules Section, User Code Section, Definitions Section, Format
564 @section Format of the Rules Section
566 @cindex input file, Rules Section
567 @cindex rules, in flex input
568 The @dfn{rules} section of the @code{flex} input contains a series of
569 rules of the form:
571 @example
572 @verbatim
573     pattern   action
574 @end verbatim
575 @end example
577 where the pattern must be unindented and the action must begin
578 on the same line.
579 @xref{Patterns}, for a further description of patterns and actions.
581 In the rules section, any indented or %@{ %@} enclosed text appearing
582 before the first rule may be used to declare variables which are local
583 to the scanning routine and (after the declarations) code which is to be
584 executed whenever the scanning routine is entered.  Other indented or
585 %@{ %@} text in the rule section is still copied to the output, but its
586 meaning is not well-defined and it may well cause compile-time errors
587 (this feature is present for @acronym{POSIX} compliance. @xref{Lex and
588 Posix}, for other such features).
590 Any @emph{indented} text or text enclosed in @samp{%@{} and @samp{%@}}
591 is copied verbatim to the output (with the %@{ and %@} symbols removed).
592 The %@{ and %@} symbols must appear unindented on lines by themselves.
594 @node User Code Section, Comments in the Input, Rules Section, Format
595 @section Format of the User Code Section
597 @cindex input file, user code Section
598 @cindex user code, in flex input
599 The user code section is simply copied to @file{lex.yy.c} verbatim.  It
600 is used for companion routines which call or are called by the scanner.
601 The presence of this section is optional; if it is missing, the second
602 @samp{%%} in the input file may be skipped, too.
604 @node Comments in the Input,  , User Code Section, Format
605 @section Comments in the Input
607 @cindex comments, syntax of
608 Flex supports C-style comments, that is, anything between @samp{/*} and
609 @samp{*/} is
610 considered a comment. Whenever flex encounters a comment, it copies the
611 entire comment verbatim to the generated source code. Comments may
612 appear just about anywhere, but with the following exceptions:
614 @itemize
615 @cindex comments, in rules section
616 @item
617 Comments may not appear in the Rules Section wherever flex is expecting
618 a regular expression. This means comments may not appear at the
619 beginning of a line, or immediately following a list of scanner states.
620 @item
621 Comments may not appear on an @samp{%option} line in the Definitions
622 Section.
623 @end itemize
625 If you want to follow a simple rule, then always begin a comment on a
626 new line, with one or more whitespace characters before the initial
627 @samp{/*}).  This rule will work anywhere in the input file.
629 All the comments in the following example are valid:
631 @cindex comments, valid uses of
632 @cindex comments in the input
633 @example
634 @verbatim
636 /* code block */
639 /* Definitions Section */
640 %x STATE_X
643     /* Rules Section */
644 ruleA   /* after regex */ { /* code block */ } /* after code block */
645         /* Rules Section (indented) */
646 <STATE_X>{
647 ruleC   ECHO;
648 ruleD   ECHO;
650 /* code block */
654 /* User Code Section */
656 @end verbatim
657 @end example
659 @node Patterns, Matching, Format, Top
660 @chapter Patterns
662 @cindex patterns, in rules section
663 @cindex regular expressions, in patterns
664 The patterns in the input (see @ref{Rules Section}) are written using an
665 extended set of regular expressions.  These are:
667 @cindex patterns, syntax
668 @cindex patterns, syntax
669 @table @samp
670 @item x
671 match the character 'x'
673 @item .
674 any character (byte) except newline
676 @cindex [] in patterns
677 @cindex character classes in patterns, syntax of
678 @cindex POSIX, character classes in patterns, syntax of
679 @item [xyz]
680 a @dfn{character class}; in this case, the pattern
681 matches either an 'x', a 'y', or a 'z'
683 @cindex ranges in patterns
684 @item [abj-oZ]
685 a "character class" with a range in it; matches
686 an 'a', a 'b', any letter from 'j' through 'o',
687 or a 'Z'
689 @cindex ranges in patterns, negating
690 @cindex negating ranges in patterns
691 @item [^A-Z]
692 a "negated character class", i.e., any character
693 but those in the class.  In this case, any
694 character EXCEPT an uppercase letter.
696 @item [^A-Z\n]
697 any character EXCEPT an uppercase letter or
698 a newline
700 @item [a-z]@{-@}[aeiou]
701 the lowercase consonants
703 @item r*
704 zero or more r's, where r is any regular expression
706 @item r+
707 one or more r's
709 @item r?
710 zero or one r's (that is, ``an optional r'')
712 @cindex braces in patterns
713 @item r@{2,5@}
714 anywhere from two to five r's
716 @item r@{2,@}
717 two or more r's
719 @item r@{4@}
720 exactly 4 r's
722 @cindex pattern aliases, expansion of
723 @item @{name@}
724 the expansion of the @samp{name} definition
725 (@pxref{Format}).
727 @cindex literal text in patterns, syntax of
728 @cindex verbatim text in patterns, syntax of
729 @item "[xyz]\"foo"
730 the literal string: @samp{[xyz]"foo}
732 @cindex escape sequences in patterns, syntax of
733 @item \X
734 if X is @samp{a}, @samp{b}, @samp{f}, @samp{n}, @samp{r}, @samp{t}, or
735 @samp{v}, then the ANSI-C interpretation of @samp{\x}.  Otherwise, a
736 literal @samp{X} (used to escape operators such as @samp{*})
738 @cindex NULL character in patterns, syntax of
739 @item \0
740 a NUL character (ASCII code 0)
742 @cindex octal characters in patterns
743 @item \123
744 the character with octal value 123
746 @item \x2a
747 the character with hexadecimal value 2a
749 @item (r)
750 match an @samp{r}; parentheses are used to override precedence (see below)
752 @item (?r-s:pattern)
753 apply option @samp{r} and omit option @samp{s} while interpreting pattern.
754 Options may be zero or more of the characters @samp{i}, @samp{s}, or @samp{x}.
756 @samp{i} means case-insensitive. @samp{-i} means case-sensitive.
758 @samp{s} alters the meaning of the @samp{.} syntax to match any single byte whatsoever.
759 @samp{-s} alters the meaning of @samp{.} to match any byte except @samp{\n}.
761 @samp{x} ignores comments and whitespace in patterns. Whitespace is ignored unless
762 it is backslash-escaped, contained within @samp{""}s, or appears inside a 
763 character class.
765 The following are all valid:
767 @verbatim
768 (?:foo)         same as  (foo)
769 (?i:ab7)        same as  ([aA][bB]7)
770 (?-i:ab)        same as  (ab)
771 (?s:.)          same as  [\x00-\xFF]
772 (?-s:.)         same as  [^\n]
773 (?ix-s: a . b)  same as  ([Aa][^\n][bB])
774 (?x:a  b)       same as  ("ab")
775 (?x:a\ b)       same as  ("a b")
776 (?x:a" "b)      same as  ("a b")
777 (?x:a[ ]b)      same as  ("a b")
778 (?x:a
779     /* comment */
780     b
781     c)          same as  (abc)
782 @end verbatim
784 @item (?# comment )
785 omit everything within @samp{()}. The first @samp{)}
786 character encountered ends the pattern. It is not possible to for the comment
787 to contain a @samp{)} character. The comment may span lines.
789 @cindex concatenation, in patterns
790 @item rs
791 the regular expression @samp{r} followed by the regular expression @samp{s}; called
792 @dfn{concatenation}
794 @item r|s
795 either an @samp{r} or an @samp{s}
797 @cindex trailing context, in patterns
798 @item r/s
799 an @samp{r} but only if it is followed by an @samp{s}.  The text matched by @samp{s} is
800 included when determining whether this rule is the longest match, but is
801 then returned to the input before the action is executed.  So the action
802 only sees the text matched by @samp{r}.  This type of pattern is called
803 @dfn{trailing context}.  (There are some combinations of @samp{r/s} that flex
804 cannot match correctly. @xref{Limitations}, regarding dangerous trailing
805 context.)
807 @cindex beginning of line, in patterns
808 @cindex BOL, in patterns
809 @item ^r
810 an @samp{r}, but only at the beginning of a line (i.e.,
811 when just starting to scan, or right after a
812 newline has been scanned).
814 @cindex end of line, in patterns
815 @cindex EOL, in patterns
816 @item r$
817 an @samp{r}, but only at the end of a line (i.e., just before a
818 newline).  Equivalent to @samp{r/\n}.
820 @cindex newline, matching in patterns
821 Note that @code{flex}'s notion of ``newline'' is exactly
822 whatever the C compiler used to compile @code{flex}
823 interprets @samp{\n} as; in particular, on some DOS
824 systems you must either filter out @samp{\r}s in the
825 input yourself, or explicitly use @samp{r/\r\n} for @samp{r$}.
827 @cindex start conditions, in patterns
828 @item <s>r
829 an @samp{r}, but only in start condition @code{s} (see @ref{Start
830 Conditions} for discussion of start conditions).
832 @item <s1,s2,s3>r
833 same, but in any of start conditions @code{s1}, @code{s2}, or @code{s3}.
835 @item <*>r
836 an @samp{r} in any start condition, even an exclusive one.
838 @cindex end of file, in patterns
839 @cindex EOF in patterns, syntax of
840 @item <<EOF>>
841 an end-of-file.
843 @item <s1,s2><<EOF>>
844 an end-of-file when in start condition @code{s1} or @code{s2}
845 @end table
847 Note that inside of a character class, all regular expression operators
848 lose their special meaning except escape (@samp{\}) and the character class
849 operators, @samp{-}, @samp{]]}, and, at the beginning of the class, @samp{^}.
851 @cindex patterns, precedence of operators
852 The regular expressions listed above are grouped according to
853 precedence, from highest precedence at the top to lowest at the bottom.
854 Those grouped together have equal precedence (see special note on the
855 precedence of the repeat operator, @samp{@{@}}, under the documentation
856 for the @samp{--posix} POSIX compliance option).  For example,
858 @cindex patterns, grouping and precedence
859 @example
860 @verbatim
861     foo|bar*
862 @end verbatim
863 @end example
865 is the same as
867 @example
868 @verbatim
869     (foo)|(ba(r*))
870 @end verbatim
871 @end example
873 since the @samp{*} operator has higher precedence than concatenation,
874 and concatenation higher than alternation (@samp{|}).  This pattern
875 therefore matches @emph{either} the string @samp{foo} @emph{or} the
876 string @samp{ba} followed by zero-or-more @samp{r}'s.  To match
877 @samp{foo} or zero-or-more repetitions of the string @samp{bar}, use:
879 @example
880 @verbatim
881     foo|(bar)*
882 @end verbatim
883 @end example
885 And to match a sequence of zero or more repetitions of @samp{foo} and
886 @samp{bar}:
888 @cindex patterns, repetitions with grouping
889 @example
890 @verbatim
891     (foo|bar)*
892 @end verbatim
893 @end example
895 @cindex character classes in patterns
896 In addition to characters and ranges of characters, character classes
897 can also contain @dfn{character class expressions}.  These are
898 expressions enclosed inside @samp{[}: and @samp{:]} delimiters (which
899 themselves must appear between the @samp{[} and @samp{]} of the
900 character class. Other elements may occur inside the character class,
901 too).  The valid expressions are:
903 @cindex patterns, valid character classes
904 @example
905 @verbatim
906     [:alnum:] [:alpha:] [:blank:]
907     [:cntrl:] [:digit:] [:graph:]
908     [:lower:] [:print:] [:punct:]
909     [:space:] [:upper:] [:xdigit:]
910 @end verbatim
911 @end example
913 These expressions all designate a set of characters equivalent to the
914 corresponding standard C @code{isXXX} function.  For example,
915 @samp{[:alnum:]} designates those characters for which @code{isalnum()}
916 returns true - i.e., any alphabetic or numeric character.  Some systems
917 don't provide @code{isblank()}, so flex defines @samp{[:blank:]} as a
918 blank or a tab.
920 For example, the following character classes are all equivalent:
922 @cindex character classes, equivalence of
923 @cindex patterns, character class equivalence
924 @example
925 @verbatim
926     [[:alnum:]]
927     [[:alpha:][:digit:]]
928     [[:alpha:][0-9]]
929     [a-zA-Z0-9]
930 @end verbatim
931 @end example
933 A word of caution. Character classes are expanded immediately when seen in the @code{flex} input. 
934 This means the character classes are sensitive to the locale in which @code{flex}
935 is executed, and the resulting scanner will not be sensitive to the runtime locale.
936 This may or may not be desirable.
939 @itemize
940 @cindex case-insensitive, effect on character classes
941 @item If your scanner is case-insensitive (the @samp{-i} flag), then
942 @samp{[:upper:]} and @samp{[:lower:]} are equivalent to
943 @samp{[:alpha:]}.
945 @anchor{case and character ranges}
946 @item Character classes with ranges, such as @samp{[a-Z]}, should be used with
947 caution in a case-insensitive scanner if the range spans upper or lowercase
948 characters. Flex does not know if you want to fold all upper and lowercase
949 characters together, or if you want the literal numeric range specified (with
950 no case folding). When in doubt, flex will assume that you meant the literal
951 numeric range, and will issue a warning. The exception to this rule is a
952 character range such as @samp{[a-z]} or @samp{[S-W]} where it is obvious that you
953 want case-folding to occur. Here are some examples with the @samp{-i} flag
954 enabled:
956 @multitable {@samp{[a-zA-Z]}} {ambiguous} {@samp{[A-Z\[\\\]_`a-t]}} {@samp{[@@A-Z\[\\\]_`abc]}}
957 @item Range @tab Result @tab Literal Range @tab Alternate Range
958 @item @samp{[a-t]} @tab ok @tab @samp{[a-tA-T]} @tab
959 @item @samp{[A-T]} @tab ok @tab @samp{[a-tA-T]} @tab
960 @item @samp{[A-t]} @tab ambiguous @tab @samp{[A-Z\[\\\]_`a-t]} @tab @samp{[a-tA-T]}
961 @item @samp{[_-@{]} @tab ambiguous @tab @samp{[_`a-z@{]} @tab @samp{[_`a-zA-Z@{]}
962 @item @samp{[@@-C]} @tab ambiguous @tab @samp{[@@ABC]} @tab @samp{[@@A-Z\[\\\]_`abc]}
963 @end multitable
965 @cindex end of line, in negated character classes
966 @cindex EOL, in negated character classes
967 @item
968 A negated character class such as the example @samp{[^A-Z]} above
969 @emph{will} match a newline unless @samp{\n} (or an equivalent escape
970 sequence) is one of the characters explicitly present in the negated
971 character class (e.g., @samp{[^A-Z\n]}).  This is unlike how many other
972 regular expression tools treat negated character classes, but
973 unfortunately the inconsistency is historically entrenched.  Matching
974 newlines means that a pattern like @samp{[^"]*} can match the entire
975 input unless there's another quote in the input.
977 Flex allows negation of character class expressions by prepending @samp{^} to
978 the POSIX character class name.
980 @example
981 @verbatim
982     [:^alnum:] [:^alpha:] [:^blank:]
983     [:^cntrl:] [:^digit:] [:^graph:]
984     [:^lower:] [:^print:] [:^punct:]
985     [:^space:] [:^upper:] [:^xdigit:]
986 @end verbatim
987 @end example
989 Flex will issue a warning if the expressions @samp{[:^upper:]} and
990 @samp{[:^lower:]} appear in a case-insensitive scanner, since their meaning is
991 unclear. The current behavior is to skip them entirely, but this may change
992 without notice in future revisions of flex.
994 @item
996 The @samp{@{-@}} operator computes the difference of two character classes. For
997 example, @samp{[a-c]@{-@}[b-z]} represents all the characters in the class
998 @samp{[a-c]} that are not in the class @samp{[b-z]} (which in this case, is
999 just the single character @samp{a}). The @samp{@{-@}} operator is left
1000 associative, so @samp{[abc]@{-@}[b]@{-@}[c]} is the same as @samp{[a]}. Be careful
1001 not to accidentally create an empty set, which will never match.
1003 @item
1005 The @samp{@{+@}} operator computes the union of two character classes. For
1006 example, @samp{[a-z]@{+@}[0-9]} is the same as @samp{[a-z0-9]}. This operator
1007 is useful when preceded by the result of a difference operation, as in,
1008 @samp{[[:alpha:]]@{-@}[[:lower:]]@{+@}[q]}, which is equivalent to
1009 @samp{[A-Zq]} in the "C" locale.
1011 @cindex trailing context, limits of
1012 @cindex ^ as non-special character in patterns
1013 @cindex $ as normal character in patterns
1014 @item
1015 A rule can have at most one instance of trailing context (the @samp{/} operator
1016 or the @samp{$} operator).  The start condition, @samp{^}, and @samp{<<EOF>>} patterns
1017 can only occur at the beginning of a pattern, and, as well as with @samp{/} and @samp{$},
1018 cannot be grouped inside parentheses.  A @samp{^} which does not occur at
1019 the beginning of a rule or a @samp{$} which does not occur at the end of
1020 a rule loses its special properties and is treated as a normal character.
1022 @item
1023 The following are invalid:
1025 @cindex patterns, invalid trailing context
1026 @example
1027 @verbatim
1028     foo/bar$
1029     <sc1>foo<sc2>bar
1030 @end verbatim
1031 @end example
1033 Note that the first of these can be written @samp{foo/bar\n}.
1035 @item
1036 The following will result in @samp{$} or @samp{^} being treated as a normal character:
1038 @cindex patterns, special characters treated as non-special
1039 @example
1040 @verbatim
1041     foo|(bar$)
1042     foo|^bar
1043 @end verbatim
1044 @end example
1046 If the desired meaning is a @samp{foo} or a
1047 @samp{bar}-followed-by-a-newline, the following could be used (the
1048 special @code{|} action is explained below, @pxref{Actions}):
1050 @cindex patterns, end of line
1051 @example
1052 @verbatim
1053     foo      |
1054     bar$     /* action goes here */
1055 @end verbatim
1056 @end example
1058 A similar trick will work for matching a @samp{foo} or a
1059 @samp{bar}-at-the-beginning-of-a-line.
1060 @end itemize
1062 @node Matching, Actions, Patterns, Top
1063 @chapter How the Input Is Matched
1065 @cindex patterns, matching
1066 @cindex input, matching
1067 @cindex trailing context, matching
1068 @cindex matching, and trailing context
1069 @cindex matching, length of
1070 @cindex matching, multiple matches
1071 When the generated scanner is run, it analyzes its input looking for
1072 strings which match any of its patterns.  If it finds more than one
1073 match, it takes the one matching the most text (for trailing context
1074 rules, this includes the length of the trailing part, even though it
1075 will then be returned to the input).  If it finds two or more matches of
1076 the same length, the rule listed first in the @code{flex} input file is
1077 chosen.
1079 @cindex token
1080 @cindex yytext
1081 @cindex yyleng
1082 Once the match is determined, the text corresponding to the match
1083 (called the @dfn{token}) is made available in the global character
1084 pointer @code{yytext}, and its length in the global integer
1085 @code{yyleng}.  The @dfn{action} corresponding to the matched pattern is
1086 then executed (@pxref{Actions}), and then the remaining input is scanned
1087 for another match.
1089 @cindex default rule
1090 If no match is found, then the @dfn{default rule} is executed: the next
1091 character in the input is considered matched and copied to the standard
1092 output.  Thus, the simplest valid @code{flex} input is:
1094 @cindex minimal scanner
1095 @example
1096 @verbatim
1097     %%
1098 @end verbatim
1099 @end example
1101 which generates a scanner that simply copies its input (one character at
1102 a time) to its output.
1104 @cindex yytext, two types of
1105 @cindex %array, use of
1106 @cindex %pointer, use of
1107 @vindex yytext
1108 Note that @code{yytext} can be defined in two different ways: either as
1109 a character @emph{pointer} or as a character @emph{array}. You can
1110 control which definition @code{flex} uses by including one of the
1111 special directives @code{%pointer} or @code{%array} in the first
1112 (definitions) section of your flex input.  The default is
1113 @code{%pointer}, unless you use the @samp{-l} lex compatibility option,
1114 in which case @code{yytext} will be an array.  The advantage of using
1115 @code{%pointer} is substantially faster scanning and no buffer overflow
1116 when matching very large tokens (unless you run out of dynamic memory).
1117 The disadvantage is that you are restricted in how your actions can
1118 modify @code{yytext} (@pxref{Actions}), and calls to the @code{unput()}
1119 function destroys the present contents of @code{yytext}, which can be a
1120 considerable porting headache when moving between different @code{lex}
1121 versions.
1123 @cindex %array, advantages of
1124 The advantage of @code{%array} is that you can then modify @code{yytext}
1125 to your heart's content, and calls to @code{unput()} do not destroy
1126 @code{yytext} (@pxref{Actions}).  Furthermore, existing @code{lex}
1127 programs sometimes access @code{yytext} externally using declarations of
1128 the form:
1130 @example
1131 @verbatim
1132     extern char yytext[];
1133 @end verbatim
1134 @end example
1136 This definition is erroneous when used with @code{%pointer}, but correct
1137 for @code{%array}.
1139 The @code{%array} declaration defines @code{yytext} to be an array of
1140 @code{YYLMAX} characters, which defaults to a fairly large value.  You
1141 can change the size by simply #define'ing @code{YYLMAX} to a different
1142 value in the first section of your @code{flex} input.  As mentioned
1143 above, with @code{%pointer} yytext grows dynamically to accommodate
1144 large tokens.  While this means your @code{%pointer} scanner can
1145 accommodate very large tokens (such as matching entire blocks of
1146 comments), bear in mind that each time the scanner must resize
1147 @code{yytext} it also must rescan the entire token from the beginning,
1148 so matching such tokens can prove slow.  @code{yytext} presently does
1149 @emph{not} dynamically grow if a call to @code{unput()} results in too
1150 much text being pushed back; instead, a run-time error results.
1152 @cindex %array, with C++
1153 Also note that you cannot use @code{%array} with C++ scanner classes
1154 (@pxref{Cxx}).
1156 @node Actions, Generated Scanner, Matching, Top
1157 @chapter Actions
1159 @cindex actions
1160 Each pattern in a rule has a corresponding @dfn{action}, which can be
1161 any arbitrary C statement.  The pattern ends at the first non-escaped
1162 whitespace character; the remainder of the line is its action.  If the
1163 action is empty, then when the pattern is matched the input token is
1164 simply discarded.  For example, here is the specification for a program
1165 which deletes all occurrences of @samp{zap me} from its input:
1167 @cindex deleting lines from input
1168 @example
1169 @verbatim
1170     %%
1171     "zap me"
1172 @end verbatim
1173 @end example
1175 This example will copy all other characters in the input to the output
1176 since they will be matched by the default rule.
1178 Here is a program which compresses multiple blanks and tabs down to a
1179 single blank, and throws away whitespace found at the end of a line:
1181 @cindex whitespace, compressing
1182 @cindex compressing whitespace
1183 @example
1184 @verbatim
1185     %%
1186     [ \t]+        putchar( ' ' );
1187     [ \t]+$       /* ignore this token */
1188 @end verbatim
1189 @end example
1191 @cindex %@{ and %@}, in Rules Section
1192 @cindex actions, use of @{ and @}
1193 @cindex actions, embedded C strings
1194 @cindex C-strings, in actions
1195 @cindex comments, in actions
1196 If the action contains a @samp{@{}, then the action spans till the
1197 balancing @samp{@}} is found, and the action may cross multiple lines.
1198 @code{flex} knows about C strings and comments and won't be fooled by
1199 braces found within them, but also allows actions to begin with
1200 @samp{%@{} and will consider the action to be all the text up to the
1201 next @samp{%@}} (regardless of ordinary braces inside the action).
1203 @cindex |, in actions
1204 An action consisting solely of a vertical bar (@samp{|}) means ``same as the
1205 action for the next rule''.  See below for an illustration.
1207 Actions can include arbitrary C code, including @code{return} statements
1208 to return a value to whatever routine called @code{yylex()}.  Each time
1209 @code{yylex()} is called it continues processing tokens from where it
1210 last left off until it either reaches the end of the file or executes a
1211 return.
1213 @cindex yytext, modification of
1214 Actions are free to modify @code{yytext} except for lengthening it
1215 (adding characters to its end--these will overwrite later characters in
1216 the input stream).  This however does not apply when using @code{%array}
1217 (@pxref{Matching}). In that case, @code{yytext} may be freely modified
1218 in any way.
1220 @cindex yyleng, modification of
1221 @cindex yymore, and yyleng
1222 Actions are free to modify @code{yyleng} except they should not do so if
1223 the action also includes use of @code{yymore()} (see below).
1225 @cindex preprocessor macros, for use in actions
1226 There are a number of special directives which can be included within an
1227 action:
1229 @table @code
1230 @item  ECHO
1231 @cindex ECHO
1232 copies yytext to the scanner's output.
1234 @item  BEGIN
1235 @cindex BEGIN
1236 followed by the name of a start condition places the scanner in the
1237 corresponding start condition (see below).
1239 @item  REJECT
1240 @cindex REJECT
1241 directs the scanner to proceed on to the ``second best'' rule which
1242 matched the input (or a prefix of the input).  The rule is chosen as
1243 described above in @ref{Matching}, and @code{yytext} and @code{yyleng}
1244 set up appropriately.  It may either be one which matched as much text
1245 as the originally chosen rule but came later in the @code{flex} input
1246 file, or one which matched less text.  For example, the following will
1247 both count the words in the input and call the routine @code{special()}
1248 whenever @samp{frob} is seen:
1250 @example
1251 @verbatim
1252             int word_count = 0;
1253     %%
1255     frob        special(); REJECT;
1256     [^ \t\n]+   ++word_count;
1257 @end verbatim
1258 @end example
1260 Without the @code{REJECT}, any occurrences of @samp{frob} in the input
1261 would not be counted as words, since the scanner normally executes only
1262 one action per token.  Multiple uses of @code{REJECT} are allowed, each
1263 one finding the next best choice to the currently active rule.  For
1264 example, when the following scanner scans the token @samp{abcd}, it will
1265 write @samp{abcdabcaba} to the output:
1267 @cindex REJECT, calling multiple times
1268 @cindex |, use of
1269 @example
1270 @verbatim
1271     %%
1272     a        |
1273     ab       |
1274     abc      |
1275     abcd     ECHO; REJECT;
1276     .|\n     /* eat up any unmatched character */
1277 @end verbatim
1278 @end example
1280 The first three rules share the fourth's action since they use the
1281 special @samp{|} action.
1283 @code{REJECT} is a particularly expensive feature in terms of scanner
1284 performance; if it is used in @emph{any} of the scanner's actions it
1285 will slow down @emph{all} of the scanner's matching.  Furthermore,
1286 @code{REJECT} cannot be used with the @samp{-Cf} or @samp{-CF} options
1287 (@pxref{Scanner Options}).
1289 Note also that unlike the other special actions, @code{REJECT} is a
1290 @emph{branch}.  Code immediately following it in the action will
1291 @emph{not} be executed.
1293 @item  yymore()
1294 @cindex yymore()
1295 tells the scanner that the next time it matches a rule, the
1296 corresponding token should be @emph{appended} onto the current value of
1297 @code{yytext} rather than replacing it.  For example, given the input
1298 @samp{mega-kludge} the following will write @samp{mega-mega-kludge} to
1299 the output:
1301 @cindex yymore(), mega-kludge
1302 @cindex yymore() to append token to previous token
1303 @example
1304 @verbatim
1305     %%
1306     mega-    ECHO; yymore();
1307     kludge   ECHO;
1308 @end verbatim
1309 @end example
1311 First @samp{mega-} is matched and echoed to the output.  Then @samp{kludge}
1312 is matched, but the previous @samp{mega-} is still hanging around at the
1313 beginning of
1314 @code{yytext}
1315 so the
1316 @code{ECHO}
1317 for the @samp{kludge} rule will actually write @samp{mega-kludge}.
1318 @end table
1320 @cindex yymore, performance penalty of
1321 Two notes regarding use of @code{yymore()}.  First, @code{yymore()}
1322 depends on the value of @code{yyleng} correctly reflecting the size of
1323 the current token, so you must not modify @code{yyleng} if you are using
1324 @code{yymore()}.  Second, the presence of @code{yymore()} in the
1325 scanner's action entails a minor performance penalty in the scanner's
1326 matching speed.
1328 @cindex yyless()
1329 @code{yyless(n)} returns all but the first @code{n} characters of the
1330 current token back to the input stream, where they will be rescanned
1331 when the scanner looks for the next match.  @code{yytext} and
1332 @code{yyleng} are adjusted appropriately (e.g., @code{yyleng} will now
1333 be equal to @code{n}).  For example, on the input @samp{foobar} the
1334 following will write out @samp{foobarbar}:
1336 @cindex yyless(), pushing back characters
1337 @cindex pushing back characters with yyless
1338 @example
1339 @verbatim
1340     %%
1341     foobar    ECHO; yyless(3);
1342     [a-z]+    ECHO;
1343 @end verbatim
1344 @end example
1346 An argument of 0 to @code{yyless()} will cause the entire current input
1347 string to be scanned again.  Unless you've changed how the scanner will
1348 subsequently process its input (using @code{BEGIN}, for example), this
1349 will result in an endless loop.
1351 Note that @code{yyless()} is a macro and can only be used in the flex
1352 input file, not from other source files.
1354 @cindex unput()
1355 @cindex pushing back characters with unput
1356 @code{unput(c)} puts the character @code{c} back onto the input stream.
1357 It will be the next character scanned.  The following action will take
1358 the current token and cause it to be rescanned enclosed in parentheses.
1360 @cindex unput(), pushing back characters
1361 @cindex pushing back characters with unput()
1362 @example
1363 @verbatim
1364     {
1365     int i;
1366     /* Copy yytext because unput() trashes yytext */
1367     char *yycopy = strdup( yytext );
1368     unput( ')' );
1369     for ( i = yyleng - 1; i >= 0; --i )
1370         unput( yycopy[i] );
1371     unput( '(' );
1372     free( yycopy );
1373     }
1374 @end verbatim
1375 @end example
1377 Note that since each @code{unput()} puts the given character back at the
1378 @emph{beginning} of the input stream, pushing back strings must be done
1379 back-to-front.
1381 @cindex %pointer, and unput()
1382 @cindex unput(), and %pointer
1383 An important potential problem when using @code{unput()} is that if you
1384 are using @code{%pointer} (the default), a call to @code{unput()}
1385 @emph{destroys} the contents of @code{yytext}, starting with its
1386 rightmost character and devouring one character to the left with each
1387 call.  If you need the value of @code{yytext} preserved after a call to
1388 @code{unput()} (as in the above example), you must either first copy it
1389 elsewhere, or build your scanner using @code{%array} instead
1390 (@pxref{Matching}).
1392 @cindex pushing back EOF
1393 @cindex EOF, pushing back
1394 Finally, note that you cannot put back @samp{EOF} to attempt to mark the
1395 input stream with an end-of-file.
1397 @cindex input()
1398 @code{input()} reads the next character from the input stream.  For
1399 example, the following is one way to eat up C comments:
1401 @cindex comments, discarding
1402 @cindex discarding C comments
1403 @example
1404 @verbatim
1405     %%
1406     "/*"        {
1407                 register int c;
1409                 for ( ; ; )
1410                     {
1411                     while ( (c = input()) != '*' &&
1412                             c != EOF )
1413                         ;    /* eat up text of comment */
1415                     if ( c == '*' )
1416                         {
1417                         while ( (c = input()) == '*' )
1418                             ;
1419                         if ( c == '/' )
1420                             break;    /* found the end */
1421                         }
1423                     if ( c == EOF )
1424                         {
1425                         error( "EOF in comment" );
1426                         break;
1427                         }
1428                     }
1429                 }
1430 @end verbatim
1431 @end example
1433 @cindex input(), and C++
1434 @cindex yyinput()
1435 (Note that if the scanner is compiled using @code{C++}, then
1436 @code{input()} is instead referred to as @b{yyinput()}, in order to
1437 avoid a name clash with the @code{C++} stream by the name of
1438 @code{input}.)
1440 @cindex flushing the internal buffer
1441 @cindex YY_FLUSH_BUFFER
1442 @code{YY_FLUSH_BUFFER;} flushes the scanner's internal buffer so that
1443 the next time the scanner attempts to match a token, it will first
1444 refill the buffer using @code{YY_INPUT()} (@pxref{Generated Scanner}).
1445 This action is a special case of the more general
1446 @code{yy_flush_buffer;} function, described below (@pxref{Multiple
1447 Input Buffers})
1449 @cindex yyterminate()
1450 @cindex terminating with yyterminate()
1451 @cindex exiting with yyterminate()
1452 @cindex halting with yyterminate()
1453 @code{yyterminate()} can be used in lieu of a return statement in an
1454 action.  It terminates the scanner and returns a 0 to the scanner's
1455 caller, indicating ``all done''.  By default, @code{yyterminate()} is
1456 also called when an end-of-file is encountered.  It is a macro and may
1457 be redefined.
1459 @node Generated Scanner, Start Conditions, Actions, Top
1460 @chapter The Generated Scanner
1462 @cindex yylex(), in generated scanner
1463 The output of @code{flex} is the file @file{lex.yy.c}, which contains
1464 the scanning routine @code{yylex()}, a number of tables used by it for
1465 matching tokens, and a number of auxiliary routines and macros.  By
1466 default, @code{yylex()} is declared as follows:
1468 @example
1469 @verbatim
1470     int yylex()
1471         {
1472         ... various definitions and the actions in here ...
1473         }
1474 @end verbatim
1475 @end example
1477 @cindex yylex(), overriding
1478 (If your environment supports function prototypes, then it will be
1479 @code{int yylex( void )}.)  This definition may be changed by defining
1480 the @code{YY_DECL} macro.  For example, you could use:
1482 @cindex yylex, overriding the prototype of
1483 @example
1484 @verbatim
1485     #define YY_DECL float lexscan( a, b ) float a, b;
1486 @end verbatim
1487 @end example
1489 to give the scanning routine the name @code{lexscan}, returning a float,
1490 and taking two floats as arguments.  Note that if you give arguments to
1491 the scanning routine using a K&R-style/non-prototyped function
1492 declaration, you must terminate the definition with a semi-colon (;).
1494 @code{flex} generates @samp{C99} function definitions by
1495 default. However flex does have the ability to generate obsolete, er,
1496 @samp{traditional}, function definitions. This is to support
1497 bootstrapping gcc on old systems.  Unfortunately, traditional
1498 definitions prevent us from using any standard data types smaller than
1499 int (such as short, char, or bool) as function arguments.  For this
1500 reason, future versions of @code{flex} may generate standard C99 code
1501 only, leaving K&R-style functions to the historians.  Currently, if you
1502 do @strong{not} want @samp{C99} definitions, then you must use 
1503 @code{%option noansi-definitions}.
1505 @cindex stdin, default for yyin
1506 @cindex yyin
1507 Whenever @code{yylex()} is called, it scans tokens from the global input
1508 file @file{yyin} (which defaults to stdin).  It continues until it
1509 either reaches an end-of-file (at which point it returns the value 0) or
1510 one of its actions executes a @code{return} statement.
1512 @cindex EOF and yyrestart()
1513 @cindex end-of-file, and yyrestart()
1514 @cindex yyrestart()
1515 If the scanner reaches an end-of-file, subsequent calls are undefined
1516 unless either @file{yyin} is pointed at a new input file (in which case
1517 scanning continues from that file), or @code{yyrestart()} is called.
1518 @code{yyrestart()} takes one argument, a @code{FILE *} pointer (which
1519 can be NULL, if you've set up @code{YY_INPUT} to scan from a source other
1520 than @code{yyin}), and initializes @file{yyin} for scanning from that
1521 file.  Essentially there is no difference between just assigning
1522 @file{yyin} to a new input file or using @code{yyrestart()} to do so;
1523 the latter is available for compatibility with previous versions of
1524 @code{flex}, and because it can be used to switch input files in the
1525 middle of scanning.  It can also be used to throw away the current input
1526 buffer, by calling it with an argument of @file{yyin}; but it would be
1527 better to use @code{YY_FLUSH_BUFFER} (@pxref{Actions}).  Note that
1528 @code{yyrestart()} does @emph{not} reset the start condition to
1529 @code{INITIAL} (@pxref{Start Conditions}).
1531 @cindex RETURN, within actions
1532 If @code{yylex()} stops scanning due to executing a @code{return}
1533 statement in one of the actions, the scanner may then be called again
1534 and it will resume scanning where it left off.
1536 @cindex YY_INPUT
1537 By default (and for purposes of efficiency), the scanner uses
1538 block-reads rather than simple @code{getc()} calls to read characters
1539 from @file{yyin}.  The nature of how it gets its input can be controlled
1540 by defining the @code{YY_INPUT} macro.  The calling sequence for
1541 @code{YY_INPUT()} is @code{YY_INPUT(buf,result,max_size)}.  Its action
1542 is to place up to @code{max_size} characters in the character array
1543 @code{buf} and return in the integer variable @code{result} either the
1544 number of characters read or the constant @code{YY_NULL} (0 on Unix
1545 systems) to indicate @samp{EOF}.  The default @code{YY_INPUT} reads from
1546 the global file-pointer @file{yyin}.
1548 @cindex YY_INPUT, overriding
1549 Here is a sample definition of @code{YY_INPUT} (in the definitions
1550 section of the input file):
1552 @example
1553 @verbatim
1554     %{
1555     #define YY_INPUT(buf,result,max_size) \
1556         { \
1557         int c = getchar(); \
1558         result = (c == EOF) ? YY_NULL : (buf[0] = c, 1); \
1559         }
1560     %}
1561 @end verbatim
1562 @end example
1564 This definition will change the input processing to occur one character
1565 at a time.
1567 @cindex yywrap()
1568 When the scanner receives an end-of-file indication from YY_INPUT, it
1569 then checks the @code{yywrap()} function.  If @code{yywrap()} returns
1570 false (zero), then it is assumed that the function has gone ahead and
1571 set up @file{yyin} to point to another input file, and scanning
1572 continues.  If it returns true (non-zero), then the scanner terminates,
1573 returning 0 to its caller.  Note that in either case, the start
1574 condition remains unchanged; it does @emph{not} revert to
1575 @code{INITIAL}.
1577 @cindex yywrap, default for
1578 @cindex noyywrap, %option
1579 @cindex %option noyywrapp
1580 If you do not supply your own version of @code{yywrap()}, then you must
1581 either use @code{%option noyywrap} (in which case the scanner behaves as
1582 though @code{yywrap()} returned 1), or you must link with @samp{-lfl} to
1583 obtain the default version of the routine, which always returns 1.
1585 For scanning from in-memory buffers (e.g., scanning strings), see
1586 @ref{Scanning Strings}. @xref{Multiple Input Buffers}.
1588 @cindex ECHO, and yyout
1589 @cindex yyout
1590 @cindex stdout, as default for yyout
1591 The scanner writes its @code{ECHO} output to the @file{yyout} global
1592 (default, @file{stdout}), which may be redefined by the user simply by
1593 assigning it to some other @code{FILE} pointer.
1595 @node Start Conditions, Multiple Input Buffers, Generated Scanner, Top
1596 @chapter Start Conditions
1598 @cindex start conditions
1599 @code{flex} provides a mechanism for conditionally activating rules.
1600 Any rule whose pattern is prefixed with @samp{<sc>} will only be active
1601 when the scanner is in the @dfn{start condition} named @code{sc}.  For
1602 example,
1604 @c proofread edit stopped here
1605 @example
1606 @verbatim
1607     <STRING>[^"]*        { /* eat up the string body ... */
1608                 ...
1609                 }
1610 @end verbatim
1611 @end example
1613 will be active only when the scanner is in the @code{STRING} start
1614 condition, and
1616 @cindex start conditions, multiple
1617 @example
1618 @verbatim
1619     <INITIAL,STRING,QUOTE>\.        { /* handle an escape ... */
1620                 ...
1621                 }
1622 @end verbatim
1623 @end example
1625 will be active only when the current start condition is either
1626 @code{INITIAL}, @code{STRING}, or @code{QUOTE}.
1628 @cindex start conditions, inclusive v.s.@: exclusive
1629 Start conditions are declared in the definitions (first) section of the
1630 input using unindented lines beginning with either @samp{%s} or
1631 @samp{%x} followed by a list of names.  The former declares
1632 @dfn{inclusive} start conditions, the latter @dfn{exclusive} start
1633 conditions.  A start condition is activated using the @code{BEGIN}
1634 action.  Until the next @code{BEGIN} action is executed, rules with the
1635 given start condition will be active and rules with other start
1636 conditions will be inactive.  If the start condition is inclusive, then
1637 rules with no start conditions at all will also be active.  If it is
1638 exclusive, then @emph{only} rules qualified with the start condition
1639 will be active.  A set of rules contingent on the same exclusive start
1640 condition describe a scanner which is independent of any of the other
1641 rules in the @code{flex} input.  Because of this, exclusive start
1642 conditions make it easy to specify ``mini-scanners'' which scan portions
1643 of the input that are syntactically different from the rest (e.g.,
1644 comments).
1646 If the distinction between inclusive and exclusive start conditions
1647 is still a little vague, here's a simple example illustrating the
1648 connection between the two.  The set of rules:
1650 @cindex start conditions, inclusive
1651 @example
1652 @verbatim
1653     %s example
1654     %%
1656     <example>foo   do_something();
1658     bar            something_else();
1659 @end verbatim
1660 @end example
1662 is equivalent to
1664 @cindex start conditions, exclusive
1665 @example
1666 @verbatim
1667     %x example
1668     %%
1670     <example>foo   do_something();
1672     <INITIAL,example>bar    something_else();
1673 @end verbatim
1674 @end example
1676 Without the @code{<INITIAL,example>} qualifier, the @code{bar} pattern in
1677 the second example wouldn't be active (i.e., couldn't match) when in
1678 start condition @code{example}.  If we just used @code{<example>} to
1679 qualify @code{bar}, though, then it would only be active in
1680 @code{example} and not in @code{INITIAL}, while in the first example
1681 it's active in both, because in the first example the @code{example}
1682 start condition is an inclusive @code{(%s)} start condition.
1684 @cindex start conditions, special wildcard condition
1685 Also note that the special start-condition specifier
1686 @code{<*>}
1687 matches every start condition.  Thus, the above example could also
1688 have been written:
1690 @cindex start conditions, use of wildcard condition (<*>)
1691 @example
1692 @verbatim
1693     %x example
1694     %%
1696     <example>foo   do_something();
1698     <*>bar    something_else();
1699 @end verbatim
1700 @end example
1702 The default rule (to @code{ECHO} any unmatched character) remains active
1703 in start conditions.  It is equivalent to:
1705 @cindex start conditions, behavior of default rule
1706 @example
1707 @verbatim
1708     <*>.|\n     ECHO;
1709 @end verbatim
1710 @end example
1712 @cindex BEGIN, explanation
1713 @findex BEGIN
1714 @vindex INITIAL
1715 @code{BEGIN(0)} returns to the original state where only the rules with
1716 no start conditions are active.  This state can also be referred to as
1717 the start-condition @code{INITIAL}, so @code{BEGIN(INITIAL)} is
1718 equivalent to @code{BEGIN(0)}.  (The parentheses around the start
1719 condition name are not required but are considered good style.)
1721 @code{BEGIN} actions can also be given as indented code at the beginning
1722 of the rules section.  For example, the following will cause the scanner
1723 to enter the @code{SPECIAL} start condition whenever @code{yylex()} is
1724 called and the global variable @code{enter_special} is true:
1726 @cindex start conditions, using BEGIN
1727 @example
1728 @verbatim
1729             int enter_special;
1731     %x SPECIAL
1732     %%
1733             if ( enter_special )
1734                 BEGIN(SPECIAL);
1736     <SPECIAL>blahblahblah
1737     ...more rules follow...
1738 @end verbatim
1739 @end example
1741 To illustrate the uses of start conditions, here is a scanner which
1742 provides two different interpretations of a string like @samp{123.456}.
1743 By default it will treat it as three tokens, the integer @samp{123}, a
1744 dot (@samp{.}), and the integer @samp{456}.  But if the string is
1745 preceded earlier in the line by the string @samp{expect-floats} it will
1746 treat it as a single token, the floating-point number @samp{123.456}:
1748 @cindex start conditions, for different interpretations of same input
1749 @example
1750 @verbatim
1751     %{
1752     #include <math.h>
1753     %}
1754     %s expect
1756     %%
1757     expect-floats        BEGIN(expect);
1759     <expect>[0-9]+.[0-9]+      {
1760                 printf( "found a float, = %f\n",
1761                         atof( yytext ) );
1762                 }
1763     <expect>\n           {
1764                 /* that's the end of the line, so
1765                  * we need another "expect-number"
1766                  * before we'll recognize any more
1767                  * numbers
1768                  */
1769                 BEGIN(INITIAL);
1770                 }
1772     [0-9]+      {
1773                 printf( "found an integer, = %d\n",
1774                         atoi( yytext ) );
1775                 }
1777     "."         printf( "found a dot\n" );
1778 @end verbatim
1779 @end example
1781 @cindex comments, example of scanning C comments
1782 Here is a scanner which recognizes (and discards) C comments while
1783 maintaining a count of the current input line.
1785 @cindex recognizing C comments
1786 @example
1787 @verbatim
1788     %x comment
1789     %%
1790             int line_num = 1;
1792     "/*"         BEGIN(comment);
1794     <comment>[^*\n]*        /* eat anything that's not a '*' */
1795     <comment>"*"+[^*/\n]*   /* eat up '*'s not followed by '/'s */
1796     <comment>\n             ++line_num;
1797     <comment>"*"+"/"        BEGIN(INITIAL);
1798 @end verbatim
1799 @end example
1801 This scanner goes to a bit of trouble to match as much
1802 text as possible with each rule.  In general, when attempting to write
1803 a high-speed scanner try to match as much possible in each rule, as
1804 it's a big win.
1806 Note that start-conditions names are really integer values and
1807 can be stored as such.  Thus, the above could be extended in the
1808 following fashion:
1810 @cindex start conditions, integer values
1811 @cindex using integer values of start condition names
1812 @example
1813 @verbatim
1814     %x comment foo
1815     %%
1816             int line_num = 1;
1817             int comment_caller;
1819     "/*"         {
1820                  comment_caller = INITIAL;
1821                  BEGIN(comment);
1822                  }
1824     ...
1826     <foo>"/*"    {
1827                  comment_caller = foo;
1828                  BEGIN(comment);
1829                  }
1831     <comment>[^*\n]*        /* eat anything that's not a '*' */
1832     <comment>"*"+[^*/\n]*   /* eat up '*'s not followed by '/'s */
1833     <comment>\n             ++line_num;
1834     <comment>"*"+"/"        BEGIN(comment_caller);
1835 @end verbatim
1836 @end example
1838 @cindex YY_START, example
1839 Furthermore, you can access the current start condition using the
1840 integer-valued @code{YY_START} macro.  For example, the above
1841 assignments to @code{comment_caller} could instead be written
1843 @cindex getting current start state with YY_START
1844 @example
1845 @verbatim
1846     comment_caller = YY_START;
1847 @end verbatim
1848 @end example
1850 @vindex YY_START
1851 Flex provides @code{YYSTATE} as an alias for @code{YY_START} (since that
1852 is what's used by AT&T @code{lex}).
1854 For historical reasons, start conditions do not have their own
1855 name-space within the generated scanner. The start condition names are
1856 unmodified in the generated scanner and generated header.
1857 @xref{option-header}. @xref{option-prefix}.
1861 Finally, here's an example of how to match C-style quoted strings using
1862 exclusive start conditions, including expanded escape sequences (but
1863 not including checking for a string that's too long):
1865 @cindex matching C-style double-quoted strings
1866 @example
1867 @verbatim
1868     %x str
1870     %%
1871             char string_buf[MAX_STR_CONST];
1872             char *string_buf_ptr;
1875     \"      string_buf_ptr = string_buf; BEGIN(str);
1877     <str>\"        { /* saw closing quote - all done */
1878             BEGIN(INITIAL);
1879             *string_buf_ptr = '\0';
1880             /* return string constant token type and
1881              * value to parser
1882              */
1883             }
1885     <str>\n        {
1886             /* error - unterminated string constant */
1887             /* generate error message */
1888             }
1890     <str>\\[0-7]{1,3} {
1891             /* octal escape sequence */
1892             int result;
1894             (void) sscanf( yytext + 1, "%o", &result );
1896             if ( result > 0xff )
1897                     /* error, constant is out-of-bounds */
1899             *string_buf_ptr++ = result;
1900             }
1902     <str>\\[0-9]+ {
1903             /* generate error - bad escape sequence; something
1904              * like '\48' or '\0777777'
1905              */
1906             }
1908     <str>\\n  *string_buf_ptr++ = '\n';
1909     <str>\\t  *string_buf_ptr++ = '\t';
1910     <str>\\r  *string_buf_ptr++ = '\r';
1911     <str>\\b  *string_buf_ptr++ = '\b';
1912     <str>\\f  *string_buf_ptr++ = '\f';
1914     <str>\\(.|\n)  *string_buf_ptr++ = yytext[1];
1916     <str>[^\\\n\"]+        {
1917             char *yptr = yytext;
1919             while ( *yptr )
1920                     *string_buf_ptr++ = *yptr++;
1921             }
1922 @end verbatim
1923 @end example
1925 @cindex start condition, applying to multiple patterns
1926 Often, such as in some of the examples above, you wind up writing a
1927 whole bunch of rules all preceded by the same start condition(s).  Flex
1928 makes this a little easier and cleaner by introducing a notion of start
1929 condition @dfn{scope}.  A start condition scope is begun with:
1931 @example
1932 @verbatim
1933     <SCs>{
1934 @end verbatim
1935 @end example
1937 where @code{SCs} is a list of one or more start conditions.  Inside the
1938 start condition scope, every rule automatically has the prefix
1939 @code{SCs>} applied to it, until a @samp{@}} which matches the initial
1940 @samp{@{}.  So, for example,
1942 @cindex extended scope of start conditions
1943 @example
1944 @verbatim
1945     <ESC>{
1946         "\\n"   return '\n';
1947         "\\r"   return '\r';
1948         "\\f"   return '\f';
1949         "\\0"   return '\0';
1950     }
1951 @end verbatim
1952 @end example
1954 is equivalent to:
1956 @example
1957 @verbatim
1958     <ESC>"\\n"  return '\n';
1959     <ESC>"\\r"  return '\r';
1960     <ESC>"\\f"  return '\f';
1961     <ESC>"\\0"  return '\0';
1962 @end verbatim
1963 @end example
1965 Start condition scopes may be nested.
1967 @cindex stacks, routines for manipulating
1968 @cindex start conditions, use of a stack
1970 The following routines are available for manipulating stacks of start conditions:
1972 @deftypefun  void yy_push_state ( int @code{new_state} )
1973 pushes the current start condition onto the top of the start condition
1974 stack and switches to
1975 @code{new_state}
1976 as though you had used
1977 @code{BEGIN new_state}
1978 (recall that start condition names are also integers).
1979 @end deftypefun
1981 @deftypefun void yy_pop_state ()
1982 pops the top of the stack and switches to it via
1983 @code{BEGIN}.
1984 @end deftypefun
1986 @deftypefun int yy_top_state ()
1987 returns the top of the stack without altering the stack's contents.
1988 @end deftypefun
1990 @cindex memory, for start condition stacks
1991 The start condition stack grows dynamically and so has no built-in size
1992 limitation.  If memory is exhausted, program execution aborts.
1994 To use start condition stacks, your scanner must include a @code{%option
1995 stack} directive (@pxref{Scanner Options}).
1997 @node Multiple Input Buffers, EOF, Start Conditions, Top
1998 @chapter Multiple Input Buffers
2000 @cindex multiple input streams
2001 Some scanners (such as those which support ``include'' files) require
2002 reading from several input streams.  As @code{flex} scanners do a large
2003 amount of buffering, one cannot control where the next input will be
2004 read from by simply writing a @code{YY_INPUT()} which is sensitive to
2005 the scanning context.  @code{YY_INPUT()} is only called when the scanner
2006 reaches the end of its buffer, which may be a long time after scanning a
2007 statement such as an @code{include} statement which requires switching
2008 the input source.
2010 To negotiate these sorts of problems, @code{flex} provides a mechanism
2011 for creating and switching between multiple input buffers.  An input
2012 buffer is created by using:
2014 @cindex memory, allocating input buffers
2015 @deftypefun YY_BUFFER_STATE yy_create_buffer ( FILE *file, int size )
2016 @end deftypefun
2018 which takes a @code{FILE} pointer and a size and creates a buffer
2019 associated with the given file and large enough to hold @code{size}
2020 characters (when in doubt, use @code{YY_BUF_SIZE} for the size).  It
2021 returns a @code{YY_BUFFER_STATE} handle, which may then be passed to
2022 other routines (see below).
2023 @tindex YY_BUFFER_STATE
2024 The @code{YY_BUFFER_STATE} type is a
2025 pointer to an opaque @code{struct yy_buffer_state} structure, so you may
2026 safely initialize @code{YY_BUFFER_STATE} variables to @code{((YY_BUFFER_STATE)
2027 0)} if you wish, and also refer to the opaque structure in order to
2028 correctly declare input buffers in source files other than that of your
2029 scanner.  Note that the @code{FILE} pointer in the call to
2030 @code{yy_create_buffer} is only used as the value of @file{yyin} seen by
2031 @code{YY_INPUT}.  If you redefine @code{YY_INPUT()} so it no longer uses
2032 @file{yyin}, then you can safely pass a NULL @code{FILE} pointer to
2033 @code{yy_create_buffer}.  You select a particular buffer to scan from
2034 using:
2036 @deftypefun void yy_switch_to_buffer ( YY_BUFFER_STATE new_buffer )
2037 @end deftypefun
2039 The above function switches the scanner's input buffer so subsequent tokens
2040 will come from @code{new_buffer}.  Note that @code{yy_switch_to_buffer()} may
2041 be used by @code{yywrap()} to set things up for continued scanning, instead of
2042 opening a new file and pointing @file{yyin} at it. If you are looking for a
2043 stack of input buffers, then you want to use @code{yypush_buffer_state()}
2044 instead of this function. Note also that switching input sources via either
2045 @code{yy_switch_to_buffer()} or @code{yywrap()} does @emph{not} change the
2046 start condition.
2048 @cindex memory, deleting input buffers
2049 @deftypefun void yy_delete_buffer ( YY_BUFFER_STATE buffer )
2050 @end deftypefun
2052 is used to reclaim the storage associated with a buffer.  (@code{buffer}
2053 can be NULL, in which case the routine does nothing.)  You can also clear
2054 the current contents of a buffer using:
2056 @cindex pushing an input buffer
2057 @cindex stack, input buffer push
2058 @deftypefun void yypush_buffer_state ( YY_BUFFER_STATE buffer )
2059 @end deftypefun
2061 This function pushes the new buffer state onto an internal stack. The pushed
2062 state becomes the new current state. The stack is maintained by flex and will
2063 grow as required. This function is intended to be used instead of
2064 @code{yy_switch_to_buffer}, when you want to change states, but preserve the
2065 current state for later use. 
2067 @cindex popping an input buffer
2068 @cindex stack, input buffer pop
2069 @deftypefun void yypop_buffer_state ( )
2070 @end deftypefun
2072 This function removes the current state from the top of the stack, and deletes
2073 it by calling @code{yy_delete_buffer}.  The next state on the stack, if any,
2074 becomes the new current state.
2076 @cindex clearing an input buffer
2077 @cindex flushing an input buffer
2078 @deftypefun void yy_flush_buffer ( YY_BUFFER_STATE buffer )
2079 @end deftypefun
2081 This function discards the buffer's contents,
2082 so the next time the scanner attempts to match a token from the
2083 buffer, it will first fill the buffer anew using
2084 @code{YY_INPUT()}.
2086 @deftypefun YY_BUFFER_STATE yy_new_buffer ( FILE *file, int size )
2087 @end deftypefun
2089 is an alias for @code{yy_create_buffer()},
2090 provided for compatibility with the C++ use of @code{new} and
2091 @code{delete} for creating and destroying dynamic objects.
2093 @cindex YY_CURRENT_BUFFER, and multiple buffers Finally, the macro
2094 @code{YY_CURRENT_BUFFER} macro returns a @code{YY_BUFFER_STATE} handle to the
2095 current buffer. It should not be used as an lvalue.
2097 @cindex EOF, example using multiple input buffers
2098 Here are two examples of using these features for writing a scanner
2099 which expands include files (the
2100 @code{<<EOF>>}
2101 feature is discussed below).
2103 This first example uses yypush_buffer_state and yypop_buffer_state. Flex
2104 maintains the stack internally.
2106 @cindex handling include files with multiple input buffers
2107 @example
2108 @verbatim
2109     /* the "incl" state is used for picking up the name
2110      * of an include file
2111      */
2112     %x incl
2113     %%
2114     include             BEGIN(incl);
2116     [a-z]+              ECHO;
2117     [^a-z\n]*\n?        ECHO;
2119     <incl>[ \t]*      /* eat the whitespace */
2120     <incl>[^ \t\n]+   { /* got the include file name */
2121             yyin = fopen( yytext, "r" );
2123             if ( ! yyin )
2124                 error( ... );
2126                         yypush_buffer_state(yy_create_buffer( yyin, YY_BUF_SIZE ));
2128             BEGIN(INITIAL);
2129             }
2131     <<EOF>> {
2132                         yypop_buffer_state();
2134             if ( !YY_CURRENT_BUFFER )
2135                 {
2136                 yyterminate();
2137                 }
2138             }
2139 @end verbatim
2140 @end example
2142 The second example, below, does the same thing as the previous example did, but
2143 manages its own input buffer stack manually (instead of letting flex do it).
2145 @cindex handling include files with multiple input buffers
2146 @example
2147 @verbatim
2148     /* the "incl" state is used for picking up the name
2149      * of an include file
2150      */
2151     %x incl
2153     %{
2154     #define MAX_INCLUDE_DEPTH 10
2155     YY_BUFFER_STATE include_stack[MAX_INCLUDE_DEPTH];
2156     int include_stack_ptr = 0;
2157     %}
2159     %%
2160     include             BEGIN(incl);
2162     [a-z]+              ECHO;
2163     [^a-z\n]*\n?        ECHO;
2165     <incl>[ \t]*      /* eat the whitespace */
2166     <incl>[^ \t\n]+   { /* got the include file name */
2167             if ( include_stack_ptr >= MAX_INCLUDE_DEPTH )
2168                 {
2169                 fprintf( stderr, "Includes nested too deeply" );
2170                 exit( 1 );
2171                 }
2173             include_stack[include_stack_ptr++] =
2174                 YY_CURRENT_BUFFER;
2176             yyin = fopen( yytext, "r" );
2178             if ( ! yyin )
2179                 error( ... );
2181             yy_switch_to_buffer(
2182                 yy_create_buffer( yyin, YY_BUF_SIZE ) );
2184             BEGIN(INITIAL);
2185             }
2187     <<EOF>> {
2188             if ( --include_stack_ptr  0 )
2189                 {
2190                 yyterminate();
2191                 }
2193             else
2194                 {
2195                 yy_delete_buffer( YY_CURRENT_BUFFER );
2196                 yy_switch_to_buffer(
2197                      include_stack[include_stack_ptr] );
2198                 }
2199             }
2200 @end verbatim
2201 @end example
2203 @anchor{Scanning Strings}
2204 @cindex strings, scanning strings instead of files
2205 The following routines are available for setting up input buffers for
2206 scanning in-memory strings instead of files.  All of them create a new
2207 input buffer for scanning the string, and return a corresponding
2208 @code{YY_BUFFER_STATE} handle (which you should delete with
2209 @code{yy_delete_buffer()} when done with it).  They also switch to the
2210 new buffer using @code{yy_switch_to_buffer()}, so the next call to
2211 @code{yylex()} will start scanning the string.
2213 @deftypefun YY_BUFFER_STATE yy_scan_string ( const char *str )
2214 scans a NUL-terminated string.
2215 @end deftypefun
2217 @deftypefun YY_BUFFER_STATE yy_scan_bytes ( const char *bytes, int len )
2218 scans @code{len} bytes (including possibly @code{NUL}s) starting at location
2219 @code{bytes}.
2220 @end deftypefun
2222 Note that both of these functions create and scan a @emph{copy} of the
2223 string or bytes.  (This may be desirable, since @code{yylex()} modifies
2224 the contents of the buffer it is scanning.)  You can avoid the copy by
2225 using:
2227 @vindex YY_END_OF_BUFFER_CHAR
2228 @deftypefun YY_BUFFER_STATE yy_scan_buffer (char *base, yy_size_t size)
2229 which scans in place the buffer starting at @code{base}, consisting of
2230 @code{size} bytes, the last two bytes of which @emph{must} be
2231 @code{YY_END_OF_BUFFER_CHAR} (ASCII NUL).  These last two bytes are not
2232 scanned; thus, scanning consists of @code{base[0]} through
2233 @code{base[size-2]}, inclusive.
2234 @end deftypefun
2236 If you fail to set up @code{base} in this manner (i.e., forget the final
2237 two @code{YY_END_OF_BUFFER_CHAR} bytes), then @code{yy_scan_buffer()}
2238 returns a NULL pointer instead of creating a new input buffer.
2240 @deftp  {Data type} yy_size_t
2241 is an integral type to which you can cast an integer expression
2242 reflecting the size of the buffer.
2243 @end deftp
2245 @node EOF, Misc Macros, Multiple Input Buffers, Top
2246 @chapter End-of-File Rules
2248 @cindex EOF, explanation
2249 The special rule @code{<<EOF>>} indicates
2250 actions which are to be taken when an end-of-file is
2251 encountered and @code{yywrap()} returns non-zero (i.e., indicates
2252 no further files to process).  The action must finish
2253 by doing one of the following things:
2255 @itemize
2256 @item
2257 @findex YY_NEW_FILE  (now obsolete)
2258 assigning @file{yyin} to a new input file (in previous versions of
2259 @code{flex}, after doing the assignment you had to call the special
2260 action @code{YY_NEW_FILE}.  This is no longer necessary.)
2262 @item
2263 executing a @code{return} statement;
2265 @item
2266 executing the special @code{yyterminate()} action.
2268 @item
2269 or, switching to a new buffer using @code{yy_switch_to_buffer()} as
2270 shown in the example above.
2271 @end itemize
2273 <<EOF>> rules may not be used with other patterns; they may only be
2274 qualified with a list of start conditions.  If an unqualified <<EOF>>
2275 rule is given, it applies to @emph{all} start conditions which do not
2276 already have <<EOF>> actions.  To specify an <<EOF>> rule for only the
2277 initial start condition, use:
2279 @example
2280 @verbatim
2281     <INITIAL><<EOF>>
2282 @end verbatim
2283 @end example
2285 These rules are useful for catching things like unclosed comments.  An
2286 example:
2288 @cindex <<EOF>>, use of
2289 @example
2290 @verbatim
2291     %x quote
2292     %%
2294     ...other rules for dealing with quotes...
2296     <quote><<EOF>>   {
2297              error( "unterminated quote" );
2298              yyterminate();
2299              }
2300    <<EOF>>  {
2301              if ( *++filelist )
2302                  yyin = fopen( *filelist, "r" );
2303              else
2304                 yyterminate();
2305              }
2306 @end verbatim
2307 @end example
2309 @node Misc Macros, User Values, EOF, Top
2310 @chapter Miscellaneous Macros
2312 @hkindex YY_USER_ACTION
2313 The macro @code{YY_USER_ACTION} can be defined to provide an action
2314 which is always executed prior to the matched rule's action.  For
2315 example, it could be #define'd to call a routine to convert yytext to
2316 lower-case.  When @code{YY_USER_ACTION} is invoked, the variable
2317 @code{yy_act} gives the number of the matched rule (rules are numbered
2318 starting with 1).  Suppose you want to profile how often each of your
2319 rules is matched.  The following would do the trick:
2321 @cindex YY_USER_ACTION to track each time a rule is matched
2322 @example
2323 @verbatim
2324     #define YY_USER_ACTION ++ctr[yy_act]
2325 @end verbatim
2326 @end example
2328 @vindex YY_NUM_RULES
2329 where @code{ctr} is an array to hold the counts for the different rules.
2330 Note that the macro @code{YY_NUM_RULES} gives the total number of rules
2331 (including the default rule), even if you use @samp{-s)}, so a correct
2332 declaration for @code{ctr} is:
2334 @example
2335 @verbatim
2336     int ctr[YY_NUM_RULES];
2337 @end verbatim
2338 @end example
2340 @hkindex YY_USER_INIT
2341 The macro @code{YY_USER_INIT} may be defined to provide an action which
2342 is always executed before the first scan (and before the scanner's
2343 internal initializations are done).  For example, it could be used to
2344 call a routine to read in a data table or open a logging file.
2346 @findex yy_set_interactive
2347 The macro @code{yy_set_interactive(is_interactive)} can be used to
2348 control whether the current buffer is considered @dfn{interactive}.  An
2349 interactive buffer is processed more slowly, but must be used when the
2350 scanner's input source is indeed interactive to avoid problems due to
2351 waiting to fill buffers (see the discussion of the @samp{-I} flag in
2352 @ref{Scanner Options}).  A non-zero value in the macro invocation marks
2353 the buffer as interactive, a zero value as non-interactive.  Note that
2354 use of this macro overrides @code{%option always-interactive} or
2355 @code{%option never-interactive} (@pxref{Scanner Options}).
2356 @code{yy_set_interactive()} must be invoked prior to beginning to scan
2357 the buffer that is (or is not) to be considered interactive.
2359 @cindex BOL, setting it
2360 @findex yy_set_bol
2361 The macro @code{yy_set_bol(at_bol)} can be used to control whether the
2362 current buffer's scanning context for the next token match is done as
2363 though at the beginning of a line.  A non-zero macro argument makes
2364 rules anchored with @samp{^} active, while a zero argument makes
2365 @samp{^} rules inactive.
2367 @cindex BOL, checking the BOL flag
2368 @findex YY_AT_BOL
2369 The macro @code{YY_AT_BOL()} returns true if the next token scanned from
2370 the current buffer will have @samp{^} rules active, false otherwise.
2372 @cindex actions, redefining YY_BREAK
2373 @hkindex YY_BREAK
2374 In the generated scanner, the actions are all gathered in one large
2375 switch statement and separated using @code{YY_BREAK}, which may be
2376 redefined.  By default, it is simply a @code{break}, to separate each
2377 rule's action from the following rule's.  Redefining @code{YY_BREAK}
2378 allows, for example, C++ users to #define YY_BREAK to do nothing (while
2379 being very careful that every rule ends with a @code{break} or a
2380 @code{return}!) to avoid suffering from unreachable statement warnings
2381 where because a rule's action ends with @code{return}, the
2382 @code{YY_BREAK} is inaccessible.
2384 @node User Values, Yacc, Misc Macros, Top
2385 @chapter Values Available To the User
2387 This chapter summarizes the various values available to the user in the
2388 rule actions.
2390 @table @code
2391 @vindex yytext
2392 @item  char *yytext
2393 holds the text of the current token.  It may be modified but not
2394 lengthened (you cannot append characters to the end).
2396 @cindex yytext, default array size
2397 @cindex array, default size for yytext
2398 @vindex YYLMAX
2399 If the special directive @code{%array} appears in the first section of
2400 the scanner description, then @code{yytext} is instead declared
2401 @code{char yytext[YYLMAX]}, where @code{YYLMAX} is a macro definition
2402 that you can redefine in the first section if you don't like the default
2403 value (generally 8KB).  Using @code{%array} results in somewhat slower
2404 scanners, but the value of @code{yytext} becomes immune to calls to
2405 @code{unput()}, which potentially destroy its value when @code{yytext} is
2406 a character pointer.  The opposite of @code{%array} is @code{%pointer},
2407 which is the default.
2409 @cindex C++ and %array
2410 You cannot use @code{%array} when generating C++ scanner classes (the
2411 @samp{-+} flag).
2413 @vindex yyleng
2414 @item  int yyleng
2415 holds the length of the current token.
2417 @vindex yyin
2418 @item  FILE *yyin
2419 is the file which by default @code{flex} reads from.  It may be
2420 redefined but doing so only makes sense before scanning begins or after
2421 an EOF has been encountered.  Changing it in the midst of scanning will
2422 have unexpected results since @code{flex} buffers its input; use
2423 @code{yyrestart()} instead.  Once scanning terminates because an
2424 end-of-file has been seen, you can assign @file{yyin} at the new input
2425 file and then call the scanner again to continue scanning.
2427 @findex yyrestart
2428 @item  void yyrestart( FILE *new_file )
2429 may be called to point @file{yyin} at the new input file.  The
2430 switch-over to the new file is immediate (any previously buffered-up
2431 input is lost).  Note that calling @code{yyrestart()} with @file{yyin}
2432 as an argument thus throws away the current input buffer and continues
2433 scanning the same input file.
2435 @vindex yyout
2436 @item  FILE *yyout
2437 is the file to which @code{ECHO} actions are done.  It can be reassigned
2438 by the user.
2440 @vindex YY_CURRENT_BUFFER
2441 @item  YY_CURRENT_BUFFER
2442 returns a @code{YY_BUFFER_STATE} handle to the current buffer.
2444 @vindex YY_START
2445 @item  YY_START
2446 returns an integer value corresponding to the current start condition.
2447 You can subsequently use this value with @code{BEGIN} to return to that
2448 start condition.
2449 @end table
2451 @node Yacc, Scanner Options, User Values, Top
2452 @chapter Interfacing with Yacc
2454 @cindex yacc, interface
2456 @vindex yylval, with yacc
2457 One of the main uses of @code{flex} is as a companion to the @code{yacc}
2458 parser-generator.  @code{yacc} parsers expect to call a routine named
2459 @code{yylex()} to find the next input token.  The routine is supposed to
2460 return the type of the next token as well as putting any associated
2461 value in the global @code{yylval}.  To use @code{flex} with @code{yacc},
2462 one specifies the @samp{-d} option to @code{yacc} to instruct it to
2463 generate the file @file{y.tab.h} containing definitions of all the
2464 @code{%tokens} appearing in the @code{yacc} input.  This file is then
2465 included in the @code{flex} scanner.  For example, if one of the tokens
2466 is @code{TOK_NUMBER}, part of the scanner might look like:
2468 @cindex yacc interface
2469 @example
2470 @verbatim
2471     %{
2472     #include "y.tab.h"
2473     %}
2475     %%
2477     [0-9]+        yylval = atoi( yytext ); return TOK_NUMBER;
2478 @end verbatim
2479 @end example
2481 @node Scanner Options, Performance, Yacc, Top
2482 @chapter Scanner Options
2484 @cindex command-line options
2485 @cindex options, command-line
2486 @cindex arguments, command-line
2488 The various @code{flex} options are categorized by function in the following
2489 menu. If you want to lookup a particular option by name, @xref{Index of Scanner Options}.
2491 @menu
2492 * Options for Specifying Filenames::  
2493 * Options Affecting Scanner Behavior::  
2494 * Code-Level And API Options::  
2495 * Options for Scanner Speed and Size::  
2496 * Debugging Options::           
2497 * Miscellaneous Options::       
2498 @end menu
2500 Even though there are many scanner options, a typical scanner might only
2501 specify the following options:
2503 @example
2504 @verbatim
2505 %option   8bit reentrant bison-bridge
2506 %option   warn nodefault
2507 %option   yylineno
2508 %option   outfile="scanner.c" header-file="scanner.h"
2509 @end verbatim
2510 @end example
2512 The first line specifies the general type of scanner we want. The second line
2513 specifies that we are being careful. The third line asks flex to track line
2514 numbers. The last line tells flex what to name the files. (The options can be
2515 specified in any order. We just divided them.)
2517 @code{flex} also provides a mechanism for controlling options within the
2518 scanner specification itself, rather than from the flex command-line.
2519 This is done by including @code{%option} directives in the first section
2520 of the scanner specification.  You can specify multiple options with a
2521 single @code{%option} directive, and multiple directives in the first
2522 section of your flex input file.
2524 Most options are given simply as names, optionally preceded by the
2525 word @samp{no} (with no intervening whitespace) to negate their meaning.
2526 The names are the same as their long-option equivalents (but without the
2527 leading @samp{--} ).
2529 @code{flex} scans your rule actions to determine whether you use the
2530 @code{REJECT} or @code{yymore()} features.  The @code{REJECT} and
2531 @code{yymore} options are available to override its decision as to
2532 whether you use the options, either by setting them (e.g., @code{%option
2533 reject)} to indicate the feature is indeed used, or unsetting them to
2534 indicate it actually is not used (e.g., @code{%option noyymore)}.
2537 A number of options are available for lint purists who want to suppress
2538 the appearance of unneeded routines in the generated scanner.  Each of
2539 the following, if unset (e.g., @code{%option nounput}), results in the
2540 corresponding routine not appearing in the generated scanner:
2542 @example
2543 @verbatim
2544     input, unput
2545     yy_push_state, yy_pop_state, yy_top_state
2546     yy_scan_buffer, yy_scan_bytes, yy_scan_string
2548     yyget_extra, yyset_extra, yyget_leng, yyget_text,
2549     yyget_lineno, yyset_lineno, yyget_in, yyset_in,
2550     yyget_out, yyset_out, yyget_lval, yyset_lval,
2551     yyget_lloc, yyset_lloc, yyget_debug, yyset_debug
2552 @end verbatim
2553 @end example
2555 (though @code{yy_push_state()} and friends won't appear anyway unless
2556 you use @code{%option stack)}.
2558 @node Options for Specifying Filenames, Options Affecting Scanner Behavior, Scanner Options, Scanner Options
2559 @section Options for Specifying Filenames
2561 @table @samp
2563 @anchor{option-header}
2564 @opindex ---header-file
2565 @opindex header-file
2566 @item --header-file=FILE, @code{%option header-file="FILE"}
2567 instructs flex to write a C header to @file{FILE}. This file contains
2568 function prototypes, extern variables, and types used by the scanner.
2569 Only the external API is exported by the header file. Many macros that
2570 are usable from within scanner actions are not exported to the header
2571 file. This is due to namespace problems and the goal of a clean
2572 external API.
2574 While in the header, the macro @code{yyIN_HEADER} is defined, where @samp{yy}
2575 is substituted with the appropriate prefix.
2577 The @samp{--header-file} option is not compatible with the @samp{--c++} option,
2578 since the C++ scanner provides its own header in @file{yyFlexLexer.h}.
2582 @anchor{option-outfile}
2583 @opindex -o
2584 @opindex ---outfile
2585 @opindex outfile
2586 @item -oFILE, --outfile=FILE, @code{%option outfile="FILE"}
2587 directs flex to write the scanner to the file @file{FILE} instead of
2588 @file{lex.yy.c}.  If you combine @samp{--outfile} with the @samp{--stdout} option,
2589 then the scanner is written to @file{stdout} but its @code{#line}
2590 directives (see the @samp{-l} option above) refer to the file
2591 @file{FILE}.
2595 @anchor{option-stdout}
2596 @opindex -t
2597 @opindex ---stdout
2598 @opindex stdout
2599 @item -t, --stdout, @code{%option stdout}
2600 instructs @code{flex} to write the scanner it generates to standard
2601 output instead of @file{lex.yy.c}.
2605 @opindex ---skel
2606 @item -SFILE, --skel=FILE
2607 overrides the default skeleton file from which
2608 @code{flex}
2609 constructs its scanners.  You'll never need this option unless you are doing
2610 @code{flex}
2611 maintenance or development.
2613 @opindex ---tables-file
2614 @opindex tables-file
2615 @item --tables-file=FILE
2616 Write serialized scanner dfa tables to FILE. The generated scanner will not
2617 contain the tables, and requires them to be loaded at runtime.
2618 @xref{serialization}.
2620 @opindex ---tables-verify
2621 @opindex tables-verify
2622 @item --tables-verify
2623 This option is for flex development. We document it here in case you stumble
2624 upon it by accident or in case you suspect some inconsistency in the serialized
2625 tables.  Flex will serialize the scanner dfa tables but will also generate the
2626 in-code tables as it normally does. At runtime, the scanner will verify that
2627 the serialized tables match the in-code tables, instead of loading them. 
2629 @end table
2631 @node Options Affecting Scanner Behavior, Code-Level And API Options, Options for Specifying Filenames, Scanner Options
2632 @section Options Affecting Scanner Behavior
2634 @table @samp
2635 @anchor{option-case-insensitive}
2636 @opindex -i
2637 @opindex ---case-insensitive
2638 @opindex case-insensitive
2639 @item -i, --case-insensitive, @code{%option case-insensitive}
2640 instructs @code{flex} to generate a @dfn{case-insensitive} scanner.  The
2641 case of letters given in the @code{flex} input patterns will be ignored,
2642 and tokens in the input will be matched regardless of case.  The matched
2643 text given in @code{yytext} will have the preserved case (i.e., it will
2644 not be folded).  For tricky behavior, see @ref{case and character ranges}.
2648 @anchor{option-lex-compat}
2649 @opindex -l
2650 @opindex ---lex-compat
2651 @opindex lex-compat
2652 @item -l, --lex-compat, @code{%option lex-compat}
2653 turns on maximum compatibility with the original AT&T @code{lex}
2654 implementation.  Note that this does not mean @emph{full} compatibility.
2655 Use of this option costs a considerable amount of performance, and it
2656 cannot be used with the @samp{--c++}, @samp{--full}, @samp{--fast}, @samp{-Cf}, or
2657 @samp{-CF} options.  For details on the compatibilities it provides, see
2658 @ref{Lex and Posix}.  This option also results in the name
2659 @code{YY_FLEX_LEX_COMPAT} being @code{#define}'d in the generated scanner.
2663 @anchor{option-batch}
2664 @opindex -B
2665 @opindex ---batch
2666 @opindex batch
2667 @item -B, --batch, @code{%option batch}
2668 instructs @code{flex} to generate a @dfn{batch} scanner, the opposite of
2669 @emph{interactive} scanners generated by @samp{--interactive} (see below).  In
2670 general, you use @samp{-B} when you are @emph{certain} that your scanner
2671 will never be used interactively, and you want to squeeze a
2672 @emph{little} more performance out of it.  If your goal is instead to
2673 squeeze out a @emph{lot} more performance, you should be using the
2674 @samp{-Cf} or @samp{-CF} options, which turn on @samp{--batch} automatically
2675 anyway.
2679 @anchor{option-interactive}
2680 @opindex -I
2681 @opindex ---interactive
2682 @opindex interactive
2683 @item -I, --interactive, @code{%option interactive}
2684 instructs @code{flex} to generate an @i{interactive} scanner.  An
2685 interactive scanner is one that only looks ahead to decide what token
2686 has been matched if it absolutely must.  It turns out that always
2687 looking one extra character ahead, even if the scanner has already seen
2688 enough text to disambiguate the current token, is a bit faster than only
2689 looking ahead when necessary.  But scanners that always look ahead give
2690 dreadful interactive performance; for example, when a user types a
2691 newline, it is not recognized as a newline token until they enter
2692 @emph{another} token, which often means typing in another whole line.
2694 @code{flex} scanners default to @code{interactive} unless you use the
2695 @samp{-Cf} or @samp{-CF} table-compression options
2696 (@pxref{Performance}).  That's because if you're looking for
2697 high-performance you should be using one of these options, so if you
2698 didn't, @code{flex} assumes you'd rather trade off a bit of run-time
2699 performance for intuitive interactive behavior.  Note also that you
2700 @emph{cannot} use @samp{--interactive} in conjunction with @samp{-Cf} or
2701 @samp{-CF}.  Thus, this option is not really needed; it is on by default
2702 for all those cases in which it is allowed.
2704 You can force a scanner to
2705 @emph{not}
2706 be interactive by using
2707 @samp{--batch}
2711 @anchor{option-7bit}
2712 @opindex -7
2713 @opindex ---7bit
2714 @opindex 7bit
2715 @item -7, --7bit, @code{%option 7bit}
2716 instructs @code{flex} to generate a 7-bit scanner, i.e., one which can
2717 only recognize 7-bit characters in its input.  The advantage of using
2718 @samp{--7bit} is that the scanner's tables can be up to half the size of
2719 those generated using the @samp{--8bit}.  The disadvantage is that such
2720 scanners often hang or crash if their input contains an 8-bit character.
2722 Note, however, that unless you generate your scanner using the
2723 @samp{-Cf} or @samp{-CF} table compression options, use of @samp{--7bit}
2724 will save only a small amount of table space, and make your scanner
2725 considerably less portable.  @code{Flex}'s default behavior is to
2726 generate an 8-bit scanner unless you use the @samp{-Cf} or @samp{-CF},
2727 in which case @code{flex} defaults to generating 7-bit scanners unless
2728 your site was always configured to generate 8-bit scanners (as will
2729 often be the case with non-USA sites).  You can tell whether flex
2730 generated a 7-bit or an 8-bit scanner by inspecting the flag summary in
2731 the @samp{--verbose} output as described above.
2733 Note that if you use @samp{-Cfe} or @samp{-CFe} @code{flex} still
2734 defaults to generating an 8-bit scanner, since usually with these
2735 compression options full 8-bit tables are not much more expensive than
2736 7-bit tables.
2740 @anchor{option-8bit}
2741 @opindex -8
2742 @opindex ---8bit
2743 @opindex 8bit
2744 @item -8, --8bit, @code{%option 8bit}
2745 instructs @code{flex} to generate an 8-bit scanner, i.e., one which can
2746 recognize 8-bit characters.  This flag is only needed for scanners
2747 generated using @samp{-Cf} or @samp{-CF}, as otherwise flex defaults to
2748 generating an 8-bit scanner anyway.
2750 See the discussion of
2751 @samp{--7bit}
2752 above for @code{flex}'s default behavior and the tradeoffs between 7-bit
2753 and 8-bit scanners.
2757 @anchor{option-default}
2758 @opindex ---default
2759 @opindex default
2760 @item --default, @code{%option default}
2761 generate the default rule.
2765 @anchor{option-always-interactive}
2766 @opindex ---always-interactive
2767 @opindex always-interactive
2768 @item --always-interactive, @code{%option always-interactive}
2769 instructs flex to generate a scanner which always considers its input
2770 @emph{interactive}.  Normally, on each new input file the scanner calls
2771 @code{isatty()} in an attempt to determine whether the scanner's input
2772 source is interactive and thus should be read a character at a time.
2773 When this option is used, however, then no such call is made.
2777 @opindex ---never-interactive
2778 @item --never-interactive, @code{--never-interactive}
2779 instructs flex to generate a scanner which never considers its input
2780 interactive.  This is the opposite of @code{always-interactive}.
2783 @anchor{option-posix}
2784 @opindex -X
2785 @opindex ---posix
2786 @opindex posix
2787 @item -X, --posix, @code{%option posix}
2788 turns on maximum compatibility with the POSIX 1003.2-1992 definition of
2789 @code{lex}.  Since @code{flex} was originally designed to implement the
2790 POSIX definition of @code{lex} this generally involves very few changes
2791 in behavior.  At the current writing the known differences between
2792 @code{flex} and the POSIX standard are:
2794 @itemize
2795 @item
2796 In POSIX and AT&T @code{lex}, the repeat operator, @samp{@{@}}, has lower
2797 precedence than concatenation (thus @samp{ab@{3@}} yields @samp{ababab}).
2798 Most POSIX utilities use an Extended Regular Expression (ERE) precedence
2799 that has the precedence of the repeat operator higher than concatenation
2800 (which causes @samp{ab@{3@}} to yield @samp{abbb}).  By default, @code{flex}
2801 places the precedence of the repeat operator higher than concatenation
2802 which matches the ERE processing of other POSIX utilities.  When either
2803 @samp{--posix} or @samp{-l} are specified, @code{flex} will use the
2804 traditional AT&T and POSIX-compliant precedence for the repeat operator
2805 where concatenation has higher precedence than the repeat operator.
2806 @end itemize
2809 @anchor{option-stack}
2810 @opindex ---stack
2811 @opindex stack
2812 @item --stack, @code{%option stack}
2813 enables the use of
2814 start condition stacks (@pxref{Start Conditions}).
2818 @anchor{option-stdinit}
2819 @opindex ---stdinit
2820 @opindex stdinit
2821 @item --stdinit, @code{%option stdinit}
2822 if set (i.e., @b{%option stdinit)} initializes @code{yyin} and
2823 @code{yyout} to @file{stdin} and @file{stdout}, instead of the default of
2824 @file{NULL}.  Some existing @code{lex} programs depend on this behavior,
2825 even though it is not compliant with ANSI C, which does not require
2826 @file{stdin} and @file{stdout} to be compile-time constant. In a
2827 reentrant scanner, however, this is not a problem since initialization
2828 is performed in @code{yylex_init} at runtime.
2832 @anchor{option-yylineno}
2833 @opindex ---yylineno
2834 @opindex yylineno
2835 @item --yylineno, @code{%option yylineno}
2836 directs @code{flex} to generate a scanner
2837 that maintains the number of the current line read from its input in the
2838 global variable @code{yylineno}.  This option is implied by @code{%option
2839 lex-compat}.  In a reentrant C scanner, the macro @code{yylineno} is
2840 accessible regardless of the value of @code{%option yylineno}, however, its
2841 value is not modified by @code{flex} unless @code{%option yylineno} is enabled.
2845 @anchor{option-yywrap}
2846 @opindex ---yywrap
2847 @opindex yywrap
2848 @item --yywrap, @code{%option yywrap}
2849 if unset (i.e., @code{--noyywrap)}, makes the scanner not call
2850 @code{yywrap()} upon an end-of-file, but simply assume that there are no
2851 more files to scan (until the user points @file{yyin} at a new file and
2852 calls @code{yylex()} again).
2854 @end table
2856 @node Code-Level And API Options, Options for Scanner Speed and Size, Options Affecting Scanner Behavior, Scanner Options
2857 @section Code-Level And API Options
2859 @table @samp
2861 @anchor{option-ansi-definitions}
2862 @opindex ---option-ansi-definitions
2863 @opindex ansi-definitions
2864 @item --ansi-definitions, @code{%option ansi-definitions}
2865 instruct flex to generate ANSI C99 definitions for functions.
2866 This option is enabled by default.
2867 If @code{%option noansi-definitions} is specified, then the obsolete style
2868 is generated.
2870 @anchor{option-ansi-prototypes}
2871 @opindex ---option-ansi-prototypes
2872 @opindex ansi-prototypes
2873 @item --ansi-prototypes, @code{%option ansi-prototypes}
2874 instructs flex to generate ANSI C99 prototypes for functions. 
2875 This option is enabled by default.
2876 If @code{noansi-prototypes} is specified, then
2877 prototypes will have empty parameter lists.
2879 @anchor{option-bison-bridge}
2880 @opindex ---bison-bridge
2881 @opindex bison-bridge
2882 @item --bison-bridge, @code{%option bison-bridge}
2883 instructs flex to generate a C scanner that is
2884 meant to be called by a
2885 @code{GNU bison}
2886 parser. The scanner has minor API changes for
2887 @code{bison}
2888 compatibility. In particular, the declaration of
2889 @code{yylex}
2890 is modified to take an additional parameter,
2891 @code{yylval}.
2892 @xref{Bison Bridge}.
2894 @anchor{option-bison-locations}
2895 @opindex ---bison-locations
2896 @opindex bison-locations
2897 @item --bison-locations, @code{%option bison-locations}
2898 instruct flex that 
2899 @code{GNU bison} @code{%locations} are being used.
2900 This means @code{yylex} will be passed
2901 an additional parameter, @code{yylloc}. This option
2902 implies @code{%option bison-bridge}.
2903 @xref{Bison Bridge}.
2905 @anchor{option-noline}
2906 @opindex -L
2907 @opindex ---noline
2908 @opindex noline
2909 @item -L, --noline, @code{%option noline}
2910 instructs
2911 @code{flex}
2912 not to generate
2913 @code{#line}
2914 directives.  Without this option,
2915 @code{flex}
2916 peppers the generated scanner
2917 with @code{#line} directives so error messages in the actions will be correctly
2918 located with respect to either the original
2919 @code{flex}
2920 input file (if the errors are due to code in the input file), or
2921 @file{lex.yy.c}
2922 (if the errors are
2923 @code{flex}'s
2924 fault -- you should report these sorts of errors to the email address
2925 given in @ref{Reporting Bugs}).
2929 @anchor{option-reentrant}
2930 @opindex -R
2931 @opindex ---reentrant
2932 @opindex reentrant
2933 @item -R, --reentrant, @code{%option reentrant}
2934 instructs flex to generate a reentrant C scanner.  The generated scanner
2935 may safely be used in a multi-threaded environment. The API for a
2936 reentrant scanner is different than for a non-reentrant scanner
2937 @pxref{Reentrant}).  Because of the API difference between
2938 reentrant and non-reentrant @code{flex} scanners, non-reentrant flex
2939 code must be modified before it is suitable for use with this option.
2940 This option is not compatible with the @samp{--c++} option.
2942 The option @samp{--reentrant} does not affect the performance of
2943 the scanner.
2947 @anchor{option-c++}
2948 @opindex -+
2949 @opindex ---c++
2950 @opindex c++
2951 @item -+, --c++, @code{%option c++}
2952 specifies that you want flex to generate a C++
2953 scanner class.  @xref{Cxx}, for
2954 details.
2958 @anchor{option-array}
2959 @opindex ---array
2960 @opindex array
2961 @item --array, @code{%option array}
2962 specifies that you want yytext to be an array instead of a char*
2966 @anchor{option-pointer}
2967 @opindex ---pointer
2968 @opindex pointer
2969 @item --pointer, @code{%option pointer}
2970 specify that  @code{yytext} should be a @code{char *}, not an array.
2971 This default is @code{char *}.
2975 @anchor{option-prefix}
2976 @opindex -P
2977 @opindex ---prefix
2978 @opindex prefix
2979 @item -PPREFIX, --prefix=PREFIX, @code{%option prefix="PREFIX"}
2980 changes the default @samp{yy} prefix used by @code{flex} for all
2981 globally-visible variable and function names to instead be
2982 @samp{PREFIX}.  For example, @samp{--prefix=foo} changes the name of
2983 @code{yytext} to @code{footext}.  It also changes the name of the default
2984 output file from @file{lex.yy.c} to @file{lex.foo.c}.  Here is a partial
2985 list of the names affected:
2987 @example
2988 @verbatim
2989     yy_create_buffer
2990     yy_delete_buffer
2991     yy_flex_debug
2992     yy_init_buffer
2993     yy_flush_buffer
2994     yy_load_buffer_state
2995     yy_switch_to_buffer
2996     yyin
2997     yyleng
2998     yylex
2999     yylineno
3000     yyout
3001     yyrestart
3002     yytext
3003     yywrap
3004     yyalloc
3005     yyrealloc
3006     yyfree
3007 @end verbatim
3008 @end example
3010 (If you are using a C++ scanner, then only @code{yywrap} and
3011 @code{yyFlexLexer} are affected.)  Within your scanner itself, you can
3012 still refer to the global variables and functions using either version
3013 of their name; but externally, they have the modified name.
3015 This option lets you easily link together multiple
3016 @code{flex}
3017 programs into the same executable.  Note, though, that using this
3018 option also renames
3019 @code{yywrap()},
3020 so you now
3021 @emph{must}
3022 either
3023 provide your own (appropriately-named) version of the routine for your
3024 scanner, or use
3025 @code{%option noyywrap},
3026 as linking with
3027 @samp{-lfl}
3028 no longer provides one for you by default.
3032 @anchor{option-main}
3033 @opindex ---main
3034 @opindex main
3035 @item --main, @code{%option main}
3036  directs flex to provide a default @code{main()} program for the
3037 scanner, which simply calls @code{yylex()}.  This option implies
3038 @code{noyywrap} (see below).
3042 @anchor{option-nounistd}
3043 @opindex ---nounistd
3044 @opindex nounistd
3045 @item --nounistd, @code{%option nounistd}
3046 suppresses inclusion of the non-ANSI header file @file{unistd.h}. This option
3047 is meant to target environments in which @file{unistd.h} does not exist. Be aware
3048 that certain options may cause flex to generate code that relies on functions
3049 normally found in @file{unistd.h}, (e.g. @code{isatty()}, @code{read()}.)
3050 If you wish to use these functions, you will have to inform your compiler where
3051 to find them.
3052 @xref{option-always-interactive}. @xref{option-read}.
3056 @anchor{option-yyclass}
3057 @opindex ---yyclass
3058 @opindex yyclass
3059 @item --yyclass=NAME, @code{%option yyclass="NAME"}
3060 only applies when generating a C++ scanner (the @samp{--c++} option).  It
3061 informs @code{flex} that you have derived @code{NAME} as a subclass of
3062 @code{yyFlexLexer}, so @code{flex} will place your actions in the member
3063 function @code{foo::yylex()} instead of @code{yyFlexLexer::yylex()}.  It
3064 also generates a @code{yyFlexLexer::yylex()} member function that emits
3065 a run-time error (by invoking @code{yyFlexLexer::LexerError())} if
3066 called.  @xref{Cxx}.
3068 @end table
3070 @node Options for Scanner Speed and Size, Debugging Options, Code-Level And API Options, Scanner Options
3071 @section Options for Scanner Speed and Size
3073 @table @samp
3075 @item -C[aefFmr]
3076 controls the degree of table compression and, more generally, trade-offs
3077 between small scanners and fast scanners.
3079 @table @samp
3080 @opindex -C
3081 @item -C
3082 A lone @samp{-C} specifies that the scanner tables should be compressed
3083 but neither equivalence classes nor meta-equivalence classes should be
3084 used.
3086 @anchor{option-align}
3087 @opindex -Ca
3088 @opindex ---align
3089 @opindex align
3090 @item -Ca, --align, @code{%option align}
3091 (``align'') instructs flex to trade off larger tables in the
3092 generated scanner for faster performance because the elements of
3093 the tables are better aligned for memory access and computation.  On some
3094 RISC architectures, fetching and manipulating longwords is more efficient
3095 than with smaller-sized units such as shortwords.  This option can
3096 quadruple the size of the tables used by your scanner.
3098 @anchor{option-ecs}
3099 @opindex -Ce
3100 @opindex ---ecs
3101 @opindex ecs
3102 @item -Ce, --ecs, @code{%option ecs}
3103 directs @code{flex} to construct @dfn{equivalence classes}, i.e., sets
3104 of characters which have identical lexical properties (for example, if
3105 the only appearance of digits in the @code{flex} input is in the
3106 character class ``[0-9]'' then the digits '0', '1', ..., '9' will all be
3107 put in the same equivalence class).  Equivalence classes usually give
3108 dramatic reductions in the final table/object file sizes (typically a
3109 factor of 2-5) and are pretty cheap performance-wise (one array look-up
3110 per character scanned).
3112 @opindex -Cf
3113 @item -Cf
3114 specifies that the @dfn{full} scanner tables should be generated -
3115 @code{flex} should not compress the tables by taking advantages of
3116 similar transition functions for different states.
3118 @opindex -CF
3119 @item -CF
3120 specifies that the alternate fast scanner representation (described
3121 above under the @samp{--fast} flag) should be used.  This option cannot be
3122 used with @samp{--c++}.
3124 @anchor{option-meta-ecs}
3125 @opindex -Cm
3126 @opindex ---meta-ecs
3127 @opindex meta-ecs
3128 @item -Cm, --meta-ecs, @code{%option meta-ecs}
3129 directs
3130 @code{flex}
3131 to construct
3132 @dfn{meta-equivalence classes},
3133 which are sets of equivalence classes (or characters, if equivalence
3134 classes are not being used) that are commonly used together.  Meta-equivalence
3135 classes are often a big win when using compressed tables, but they
3136 have a moderate performance impact (one or two @code{if} tests and one
3137 array look-up per character scanned).
3139 @anchor{option-read}
3140 @opindex -Cr
3141 @opindex ---read
3142 @opindex read
3143 @item -Cr, --read, @code{%option read}
3144 causes the generated scanner to @emph{bypass} use of the standard I/O
3145 library (@code{stdio}) for input.  Instead of calling @code{fread()} or
3146 @code{getc()}, the scanner will use the @code{read()} system call,
3147 resulting in a performance gain which varies from system to system, but
3148 in general is probably negligible unless you are also using @samp{-Cf}
3149 or @samp{-CF}.  Using @samp{-Cr} can cause strange behavior if, for
3150 example, you read from @file{yyin} using @code{stdio} prior to calling
3151 the scanner (because the scanner will miss whatever text your previous
3152 reads left in the @code{stdio} input buffer).  @samp{-Cr} has no effect
3153 if you define @code{YY_INPUT()} (@pxref{Generated Scanner}).
3154 @end table
3156 The options @samp{-Cf} or @samp{-CF} and @samp{-Cm} do not make sense
3157 together - there is no opportunity for meta-equivalence classes if the
3158 table is not being compressed.  Otherwise the options may be freely
3159 mixed, and are cumulative.
3161 The default setting is @samp{-Cem}, which specifies that @code{flex}
3162 should generate equivalence classes and meta-equivalence classes.  This
3163 setting provides the highest degree of table compression.  You can trade
3164 off faster-executing scanners at the cost of larger tables with the
3165 following generally being true:
3167 @example
3168 @verbatim
3169     slowest & smallest
3170           -Cem
3171           -Cm
3172           -Ce
3173           -C
3174           -C{f,F}e
3175           -C{f,F}
3176           -C{f,F}a
3177     fastest & largest
3178 @end verbatim
3179 @end example
3181 Note that scanners with the smallest tables are usually generated and
3182 compiled the quickest, so during development you will usually want to
3183 use the default, maximal compression.
3185 @samp{-Cfe} is often a good compromise between speed and size for
3186 production scanners.
3188 @anchor{option-full}
3189 @opindex -f
3190 @opindex ---full
3191 @opindex full
3192 @item -f, --full, @code{%option full}
3193 specifies
3194 @dfn{fast scanner}.
3195 No table compression is done and @code{stdio} is bypassed.
3196 The result is large but fast.  This option is equivalent to
3197 @samp{--Cfr}
3200 @anchor{option-fast}
3201 @opindex -F
3202 @opindex ---fast
3203 @opindex fast
3204 @item -F, --fast, @code{%option fast}
3205 specifies that the @emph{fast} scanner table representation should be
3206 used (and @code{stdio} bypassed).  This representation is about as fast
3207 as the full table representation @samp{--full}, and for some sets of
3208 patterns will be considerably smaller (and for others, larger).  In
3209 general, if the pattern set contains both @emph{keywords} and a
3210 catch-all, @emph{identifier} rule, such as in the set:
3212 @example
3213 @verbatim
3214     "case"    return TOK_CASE;
3215     "switch"  return TOK_SWITCH;
3216     ...
3217     "default" return TOK_DEFAULT;
3218     [a-z]+    return TOK_ID;
3219 @end verbatim
3220 @end example
3222 then you're better off using the full table representation.  If only
3223 the @emph{identifier} rule is present and you then use a hash table or some such
3224 to detect the keywords, you're better off using
3225 @samp{--fast}.
3227 This option is equivalent to @samp{-CFr}.  It cannot be used
3228 with @samp{--c++}.
3230 @end table
3232 @node Debugging Options, Miscellaneous Options, Options for Scanner Speed and Size, Scanner Options
3233 @section Debugging Options
3235 @table @samp
3237 @anchor{option-backup}
3238 @opindex -b
3239 @opindex ---backup
3240 @opindex backup
3241 @item -b, --backup, @code{%option backup}
3242 Generate backing-up information to @file{lex.backup}.  This is a list of
3243 scanner states which require backing up and the input characters on
3244 which they do so.  By adding rules one can remove backing-up states.  If
3245 @emph{all} backing-up states are eliminated and @samp{-Cf} or @code{-CF}
3246 is used, the generated scanner will run faster (see the @samp{--perf-report} flag).
3247 Only users who wish to squeeze every last cycle out of their scanners
3248 need worry about this option.  (@pxref{Performance}).
3252 @anchor{option-debug}
3253 @opindex -d
3254 @opindex ---debug
3255 @opindex debug
3256 @item -d, --debug, @code{%option debug}
3257 makes the generated scanner run in @dfn{debug} mode.  Whenever a pattern
3258 is recognized and the global variable @code{yy_flex_debug} is non-zero
3259 (which is the default), the scanner will write to @file{stderr} a line
3260 of the form:
3262 @example
3263 @verbatim
3264     -accepting rule at line 53 ("the matched text")
3265 @end verbatim
3266 @end example
3268 The line number refers to the location of the rule in the file defining
3269 the scanner (i.e., the file that was fed to flex).  Messages are also
3270 generated when the scanner backs up, accepts the default rule, reaches
3271 the end of its input buffer (or encounters a NUL; at this point, the two
3272 look the same as far as the scanner's concerned), or reaches an
3273 end-of-file.
3277 @anchor{option-perf-report}
3278 @opindex -p
3279 @opindex ---perf-report
3280 @opindex perf-report
3281 @item -p, --perf-report, @code{%option perf-report}
3282 generates a performance report to @file{stderr}.  The report consists of
3283 comments regarding features of the @code{flex} input file which will
3284 cause a serious loss of performance in the resulting scanner.  If you
3285 give the flag twice, you will also get comments regarding features that
3286 lead to minor performance losses.
3288 Note that the use of @code{REJECT}, and
3289 variable trailing context (@pxref{Limitations}) entails a substantial
3290 performance penalty; use of @code{yymore()}, the @samp{^} operator, and
3291 the @samp{--interactive} flag entail minor performance penalties.
3295 @anchor{option-nodefault}
3296 @opindex -s
3297 @opindex ---nodefault
3298 @opindex nodefault
3299 @item -s, --nodefault, @code{%option nodefault}
3300 causes the @emph{default rule} (that unmatched scanner input is echoed
3301 to @file{stdout)} to be suppressed.  If the scanner encounters input
3302 that does not match any of its rules, it aborts with an error.  This
3303 option is useful for finding holes in a scanner's rule set.
3307 @anchor{option-trace}
3308 @opindex -T
3309 @opindex ---trace
3310 @opindex trace
3311 @item -T, --trace, @code{%option trace}
3312 makes @code{flex} run in @dfn{trace} mode.  It will generate a lot of
3313 messages to @file{stderr} concerning the form of the input and the
3314 resultant non-deterministic and deterministic finite automata.  This
3315 option is mostly for use in maintaining @code{flex}.
3319 @anchor{option-nowarn}
3320 @opindex -w
3321 @opindex ---nowarn
3322 @opindex nowarn
3323 @item -w, --nowarn, @code{%option nowarn}
3324 suppresses warning messages.
3328 @anchor{option-verbose}
3329 @opindex -v
3330 @opindex ---verbose
3331 @opindex verbose
3332 @item -v, --verbose, @code{%option verbose}
3333 specifies that @code{flex} should write to @file{stderr} a summary of
3334 statistics regarding the scanner it generates.  Most of the statistics
3335 are meaningless to the casual @code{flex} user, but the first line
3336 identifies the version of @code{flex} (same as reported by @samp{--version}),
3337 and the next line the flags used when generating the scanner, including
3338 those that are on by default.
3342 @anchor{option-warn}
3343 @opindex ---warn
3344 @opindex warn
3345 @item --warn, @code{%option warn}
3346 warn about certain things. In particular, if the default rule can be
3347 matched but no default rule has been given, the flex will warn you.
3348 We recommend using this option always.
3350 @end table
3352 @node Miscellaneous Options,  , Debugging Options, Scanner Options
3353 @section Miscellaneous Options
3355 @table @samp
3356 @opindex -c
3357 @item -c
3358 A do-nothing option included for POSIX compliance.
3360 @opindex -h
3361 @opindex ---help
3362 @item -h, -?, --help
3363 generates a ``help'' summary of @code{flex}'s options to @file{stdout}
3364 and then exits.
3366 @opindex -n
3367 @item -n
3368 Another do-nothing option included for
3369 POSIX compliance.
3371 @opindex -V
3372 @opindex ---version
3373 @item -V, --version
3374 prints the version number to @file{stdout} and exits.
3376 @end table
3379 @node Performance, Cxx, Scanner Options, Top
3380 @chapter Performance Considerations
3382 @cindex performance, considerations
3383 The main design goal of @code{flex} is that it generate high-performance
3384 scanners.  It has been optimized for dealing well with large sets of
3385 rules.  Aside from the effects on scanner speed of the table compression
3386 @samp{-C} options outlined above, there are a number of options/actions
3387 which degrade performance.  These are, from most expensive to least:
3389 @cindex REJECT, performance costs
3390 @cindex yylineno, performance costs
3391 @cindex trailing context, performance costs
3392 @example
3393 @verbatim
3394     REJECT
3395     arbitrary trailing context
3397     pattern sets that require backing up
3398     %option yylineno
3399     %array
3401     %option interactive
3402     %option always-interactive
3404     ^ beginning-of-line operator
3405     yymore()
3406 @end verbatim
3407 @end example
3409 with the first two all being quite expensive and the last two being
3410 quite cheap.  Note also that @code{unput()} is implemented as a routine
3411 call that potentially does quite a bit of work, while @code{yyless()} is
3412 a quite-cheap macro. So if you are just putting back some excess text
3413 you scanned, use @code{yyless()}.
3415 @code{REJECT} should be avoided at all costs when performance is
3416 important.  It is a particularly expensive option.
3418 There is one case when @code{%option yylineno} can be expensive. That is when
3419 your patterns match long tokens that could @emph{possibly} contain a newline
3420 character. There is no performance penalty for rules that can not possibly
3421 match newlines, since flex does not need to check them for newlines.  In
3422 general, you should avoid rules such as @code{[^f]+}, which match very long
3423 tokens, including newlines, and may possibly match your entire file! A better
3424 approach is to separate @code{[^f]+} into two rules:
3426 @example
3427 @verbatim
3428 %option yylineno
3430     [^f\n]+
3431     \n+
3432 @end verbatim
3433 @end example
3435 The above scanner does not incur a performance penalty.
3437 @cindex patterns, tuning for performance
3438 @cindex performance, backing up
3439 @cindex backing up, example of eliminating
3440 Getting rid of backing up is messy and often may be an enormous amount
3441 of work for a complicated scanner.  In principal, one begins by using
3442 the @samp{-b} flag to generate a @file{lex.backup} file.  For example,
3443 on the input:
3445 @cindex backing up, eliminating
3446 @example
3447 @verbatim
3448     %%
3449     foo        return TOK_KEYWORD;
3450     foobar     return TOK_KEYWORD;
3451 @end verbatim
3452 @end example
3454 the file looks like:
3456 @example
3457 @verbatim
3458     State #6 is non-accepting -
3459      associated rule line numbers:
3460            2       3
3461      out-transitions: [ o ]
3462      jam-transitions: EOF [ \001-n  p-\177 ]
3464     State #8 is non-accepting -
3465      associated rule line numbers:
3466            3
3467      out-transitions: [ a ]
3468      jam-transitions: EOF [ \001-`  b-\177 ]
3470     State #9 is non-accepting -
3471      associated rule line numbers:
3472            3
3473      out-transitions: [ r ]
3474      jam-transitions: EOF [ \001-q  s-\177 ]
3476     Compressed tables always back up.
3477 @end verbatim
3478 @end example
3480 The first few lines tell us that there's a scanner state in which it can
3481 make a transition on an 'o' but not on any other character, and that in
3482 that state the currently scanned text does not match any rule.  The
3483 state occurs when trying to match the rules found at lines 2 and 3 in
3484 the input file.  If the scanner is in that state and then reads
3485 something other than an 'o', it will have to back up to find a rule
3486 which is matched.  With a bit of headscratching one can see that this
3487 must be the state it's in when it has seen @samp{fo}.  When this has
3488 happened, if anything other than another @samp{o} is seen, the scanner
3489 will have to back up to simply match the @samp{f} (by the default rule).
3491 The comment regarding State #8 indicates there's a problem when
3492 @samp{foob} has been scanned.  Indeed, on any character other than an
3493 @samp{a}, the scanner will have to back up to accept "foo".  Similarly,
3494 the comment for State #9 concerns when @samp{fooba} has been scanned and
3495 an @samp{r} does not follow.
3497 The final comment reminds us that there's no point going to all the
3498 trouble of removing backing up from the rules unless we're using
3499 @samp{-Cf} or @samp{-CF}, since there's no performance gain doing so
3500 with compressed scanners.
3502 @cindex error rules, to eliminate backing up
3503 The way to remove the backing up is to add ``error'' rules:
3505 @cindex backing up, eliminating by adding error rules
3506 @example
3507 @verbatim
3508     %%
3509     foo         return TOK_KEYWORD;
3510     foobar      return TOK_KEYWORD;
3512     fooba       |
3513     foob        |
3514     fo          {
3515                 /* false alarm, not really a keyword */
3516                 return TOK_ID;
3517                 }
3518 @end verbatim
3519 @end example
3521 Eliminating backing up among a list of keywords can also be done using a
3522 ``catch-all'' rule:
3524 @cindex backing up, eliminating with catch-all rule
3525 @example
3526 @verbatim
3527     %%
3528     foo         return TOK_KEYWORD;
3529     foobar      return TOK_KEYWORD;
3531     [a-z]+      return TOK_ID;
3532 @end verbatim
3533 @end example
3535 This is usually the best solution when appropriate.
3537 Backing up messages tend to cascade.  With a complicated set of rules
3538 it's not uncommon to get hundreds of messages.  If one can decipher
3539 them, though, it often only takes a dozen or so rules to eliminate the
3540 backing up (though it's easy to make a mistake and have an error rule
3541 accidentally match a valid token.  A possible future @code{flex} feature
3542 will be to automatically add rules to eliminate backing up).
3544 It's important to keep in mind that you gain the benefits of eliminating
3545 backing up only if you eliminate @emph{every} instance of backing up.
3546 Leaving just one means you gain nothing.
3548 @emph{Variable} trailing context (where both the leading and trailing
3549 parts do not have a fixed length) entails almost the same performance
3550 loss as @code{REJECT} (i.e., substantial).  So when possible a rule
3551 like:
3553 @cindex trailing context, variable length
3554 @example
3555 @verbatim
3556     %%
3557     mouse|rat/(cat|dog)   run();
3558 @end verbatim
3559 @end example
3561 is better written:
3563 @example
3564 @verbatim
3565     %%
3566     mouse/cat|dog         run();
3567     rat/cat|dog           run();
3568 @end verbatim
3569 @end example
3571 or as
3573 @example
3574 @verbatim
3575     %%
3576     mouse|rat/cat         run();
3577     mouse|rat/dog         run();
3578 @end verbatim
3579 @end example
3581 Note that here the special '|' action does @emph{not} provide any
3582 savings, and can even make things worse (@pxref{Limitations}).
3584 Another area where the user can increase a scanner's performance (and
3585 one that's easier to implement) arises from the fact that the longer the
3586 tokens matched, the faster the scanner will run.  This is because with
3587 long tokens the processing of most input characters takes place in the
3588 (short) inner scanning loop, and does not often have to go through the
3589 additional work of setting up the scanning environment (e.g.,
3590 @code{yytext}) for the action.  Recall the scanner for C comments:
3592 @cindex performance optimization, matching longer tokens
3593 @example
3594 @verbatim
3595     %x comment
3596     %%
3597             int line_num = 1;
3599     "/*"         BEGIN(comment);
3601     <comment>[^*\n]*
3602     <comment>"*"+[^*/\n]*
3603     <comment>\n             ++line_num;
3604     <comment>"*"+"/"        BEGIN(INITIAL);
3605 @end verbatim
3606 @end example
3608 This could be sped up by writing it as:
3610 @example
3611 @verbatim
3612     %x comment
3613     %%
3614             int line_num = 1;
3616     "/*"         BEGIN(comment);
3618     <comment>[^*\n]*
3619     <comment>[^*\n]*\n      ++line_num;
3620     <comment>"*"+[^*/\n]*
3621     <comment>"*"+[^*/\n]*\n ++line_num;
3622     <comment>"*"+"/"        BEGIN(INITIAL);
3623 @end verbatim
3624 @end example
3626 Now instead of each newline requiring the processing of another action,
3627 recognizing the newlines is distributed over the other rules to keep the
3628 matched text as long as possible.  Note that @emph{adding} rules does
3629 @emph{not} slow down the scanner!  The speed of the scanner is
3630 independent of the number of rules or (modulo the considerations given
3631 at the beginning of this section) how complicated the rules are with
3632 regard to operators such as @samp{*} and @samp{|}.
3634 @cindex keywords, for performance
3635 @cindex performance, using keywords
3636 A final example in speeding up a scanner: suppose you want to scan
3637 through a file containing identifiers and keywords, one per line
3638 and with no other extraneous characters, and recognize all the
3639 keywords.  A natural first approach is:
3641 @cindex performance optimization, recognizing keywords
3642 @example
3643 @verbatim
3644     %%
3645     asm      |
3646     auto     |
3647     break    |
3648     ... etc ...
3649     volatile |
3650     while    /* it's a keyword */
3652     .|\n     /* it's not a keyword */
3653 @end verbatim
3654 @end example
3656 To eliminate the back-tracking, introduce a catch-all rule:
3658 @example
3659 @verbatim
3660     %%
3661     asm      |
3662     auto     |
3663     break    |
3664     ... etc ...
3665     volatile |
3666     while    /* it's a keyword */
3668     [a-z]+   |
3669     .|\n     /* it's not a keyword */
3670 @end verbatim
3671 @end example
3673 Now, if it's guaranteed that there's exactly one word per line, then we
3674 can reduce the total number of matches by a half by merging in the
3675 recognition of newlines with that of the other tokens:
3677 @example
3678 @verbatim
3679     %%
3680     asm\n    |
3681     auto\n   |
3682     break\n  |
3683     ... etc ...
3684     volatile\n |
3685     while\n  /* it's a keyword */
3687     [a-z]+\n |
3688     .|\n     /* it's not a keyword */
3689 @end verbatim
3690 @end example
3692 One has to be careful here, as we have now reintroduced backing up
3693 into the scanner.  In particular, while
3694 @emph{we}
3695 know that there will never be any characters in the input stream
3696 other than letters or newlines,
3697 @code{flex}
3698 can't figure this out, and it will plan for possibly needing to back up
3699 when it has scanned a token like @samp{auto} and then the next character
3700 is something other than a newline or a letter.  Previously it would
3701 then just match the @samp{auto} rule and be done, but now it has no @samp{auto}
3702 rule, only a @samp{auto\n} rule.  To eliminate the possibility of backing up,
3703 we could either duplicate all rules but without final newlines, or,
3704 since we never expect to encounter such an input and therefore don't
3705 how it's classified, we can introduce one more catch-all rule, this
3706 one which doesn't include a newline:
3708 @example
3709 @verbatim
3710     %%
3711     asm\n    |
3712     auto\n   |
3713     break\n  |
3714     ... etc ...
3715     volatile\n |
3716     while\n  /* it's a keyword */
3718     [a-z]+\n |
3719     [a-z]+   |
3720     .|\n     /* it's not a keyword */
3721 @end verbatim
3722 @end example
3724 Compiled with @samp{-Cf}, this is about as fast as one can get a
3725 @code{flex} scanner to go for this particular problem.
3727 A final note: @code{flex} is slow when matching @code{NUL}s,
3728 particularly when a token contains multiple @code{NUL}s.  It's best to
3729 write rules which match @emph{short} amounts of text if it's anticipated
3730 that the text will often include @code{NUL}s.
3732 Another final note regarding performance: as mentioned in
3733 @ref{Matching}, dynamically resizing @code{yytext} to accommodate huge
3734 tokens is a slow process because it presently requires that the (huge)
3735 token be rescanned from the beginning.  Thus if performance is vital,
3736 you should attempt to match ``large'' quantities of text but not
3737 ``huge'' quantities, where the cutoff between the two is at about 8K
3738 characters per token.
3740 @node Cxx, Reentrant, Performance, Top
3741 @chapter Generating C++ Scanners
3743 @cindex c++, experimental form of scanner class
3744 @cindex experimental form of c++ scanner class
3745 @strong{IMPORTANT}: the present form of the scanning class is @emph{experimental}
3746 and may change considerably between major releases.
3748 @cindex C++
3749 @cindex member functions, C++
3750 @cindex methods, c++
3751 @code{flex} provides two different ways to generate scanners for use
3752 with C++.  The first way is to simply compile a scanner generated by
3753 @code{flex} using a C++ compiler instead of a C compiler.  You should
3754 not encounter any compilation errors (@pxref{Reporting Bugs}).  You can
3755 then use C++ code in your rule actions instead of C code.  Note that the
3756 default input source for your scanner remains @file{yyin}, and default
3757 echoing is still done to @file{yyout}.  Both of these remain @code{FILE
3758 *} variables and not C++ @emph{streams}.
3760 You can also use @code{flex} to generate a C++ scanner class, using the
3761 @samp{-+} option (or, equivalently, @code{%option c++)}, which is
3762 automatically specified if the name of the @code{flex} executable ends
3763 in a '+', such as @code{flex++}.  When using this option, @code{flex}
3764 defaults to generating the scanner to the file @file{lex.yy.cc} instead
3765 of @file{lex.yy.c}.  The generated scanner includes the header file
3766 @file{FlexLexer.h}, which defines the interface to two C++ classes.
3768 The first class,
3769 @code{FlexLexer},
3770 provides an abstract base class defining the general scanner class
3771 interface.  It provides the following member functions:
3773 @table @code
3774 @findex YYText (C++ only)
3775 @item const char* YYText()
3776 returns the text of the most recently matched token, the equivalent of
3777 @code{yytext}.
3779 @findex YYLeng (C++ only)
3780 @item int YYLeng()
3781 returns the length of the most recently matched token, the equivalent of
3782 @code{yyleng}.
3784 @findex lineno (C++ only)
3785 @item int lineno() const
3786 returns the current input line number (see @code{%option yylineno)}, or
3787 @code{1} if @code{%option yylineno} was not used.
3789 @findex set_debug (C++ only)
3790 @item void set_debug( int flag )
3791 sets the debugging flag for the scanner, equivalent to assigning to
3792 @code{yy_flex_debug} (@pxref{Scanner Options}).  Note that you must build
3793 the scanner using @code{%option debug} to include debugging information
3794 in it.
3796 @findex  debug (C++ only)
3797 @item int debug() const
3798 returns the current setting of the debugging flag.
3799 @end table
3801 Also provided are member functions equivalent to
3802 @code{yy_switch_to_buffer()}, @code{yy_create_buffer()} (though the
3803 first argument is an @code{istream*} object pointer and not a
3804 @code{FILE*)}, @code{yy_flush_buffer()}, @code{yy_delete_buffer()}, and
3805 @code{yyrestart()} (again, the first argument is a @code{istream*}
3806 object pointer).
3808 @tindex yyFlexLexer (C++ only)
3809 @tindex FlexLexer (C++ only)
3810 The second class defined in @file{FlexLexer.h} is @code{yyFlexLexer},
3811 which is derived from @code{FlexLexer}.  It defines the following
3812 additional member functions:
3814 @table @code
3815 @findex yyFlexLexer constructor (C++ only)
3816 @item yyFlexLexer( istream* arg_yyin = 0, ostream* arg_yyout = 0 )
3817 constructs a @code{yyFlexLexer} object using the given streams for input
3818 and output.  If not specified, the streams default to @code{cin} and
3819 @code{cout}, respectively.
3821 @findex yylex (C++ version)
3822 @item virtual int yylex()
3823 performs the same role is @code{yylex()} does for ordinary @code{flex}
3824 scanners: it scans the input stream, consuming tokens, until a rule's
3825 action returns a value.  If you derive a subclass @code{S} from
3826 @code{yyFlexLexer} and want to access the member functions and variables
3827 of @code{S} inside @code{yylex()}, then you need to use @code{%option
3828 yyclass="S"} to inform @code{flex} that you will be using that subclass
3829 instead of @code{yyFlexLexer}.  In this case, rather than generating
3830 @code{yyFlexLexer::yylex()}, @code{flex} generates @code{S::yylex()}
3831 (and also generates a dummy @code{yyFlexLexer::yylex()} that calls
3832 @code{yyFlexLexer::LexerError()} if called).
3834 @findex switch_streams (C++ only)
3835 @item virtual void switch_streams(istream* new_in = 0, ostream* new_out = 0)
3836 reassigns @code{yyin} to @code{new_in} (if non-null) and @code{yyout} to
3837 @code{new_out} (if non-null), deleting the previous input buffer if
3838 @code{yyin} is reassigned.
3840 @item int yylex( istream* new_in, ostream* new_out = 0 )
3841 first switches the input streams via @code{switch_streams( new_in,
3842 new_out )} and then returns the value of @code{yylex()}.
3843 @end table
3845 In addition, @code{yyFlexLexer} defines the following protected virtual
3846 functions which you can redefine in derived classes to tailor the
3847 scanner:
3849 @table @code
3850 @findex LexerInput (C++ only)
3851 @item virtual int LexerInput( char* buf, int max_size )
3852 reads up to @code{max_size} characters into @code{buf} and returns the
3853 number of characters read.  To indicate end-of-input, return 0
3854 characters.  Note that @code{interactive} scanners (see the @samp{-B}
3855 and @samp{-I} flags in @ref{Scanner Options}) define the macro
3856 @code{YY_INTERACTIVE}.  If you redefine @code{LexerInput()} and need to
3857 take different actions depending on whether or not the scanner might be
3858 scanning an interactive input source, you can test for the presence of
3859 this name via @code{#ifdef} statements.
3861 @findex LexerOutput (C++ only)
3862 @item virtual void LexerOutput( const char* buf, int size )
3863 writes out @code{size} characters from the buffer @code{buf}, which, while
3864 @code{NUL}-terminated, may also contain internal @code{NUL}s if the
3865 scanner's rules can match text with @code{NUL}s in them.
3867 @cindex error reporting, in C++
3868 @findex LexerError (C++ only)
3869 @item virtual void LexerError( const char* msg )
3870 reports a fatal error message.  The default version of this function
3871 writes the message to the stream @code{cerr} and exits.
3872 @end table
3874 Note that a @code{yyFlexLexer} object contains its @emph{entire}
3875 scanning state.  Thus you can use such objects to create reentrant
3876 scanners, but see also @ref{Reentrant}.  You can instantiate multiple
3877 instances of the same @code{yyFlexLexer} class, and you can also combine
3878 multiple C++ scanner classes together in the same program using the
3879 @samp{-P} option discussed above.
3881 Finally, note that the @code{%array} feature is not available to C++
3882 scanner classes; you must use @code{%pointer} (the default).
3884 Here is an example of a simple C++ scanner:
3886 @cindex C++ scanners, use of
3887 @example
3888 @verbatim
3889      // An example of using the flex C++ scanner class.
3891     %{
3892     #include <iostream>
3893     using namespace std;
3894     int mylineno = 0;
3895     %}
3897     %option noyywrap
3899     string  \"[^\n"]+\"
3901     ws      [ \t]+
3903     alpha   [A-Za-z]
3904     dig     [0-9]
3905     name    ({alpha}|{dig}|\$)({alpha}|{dig}|[_.\-/$])*
3906     num1    [-+]?{dig}+\.?([eE][-+]?{dig}+)?
3907     num2    [-+]?{dig}*\.{dig}+([eE][-+]?{dig}+)?
3908     number  {num1}|{num2}
3910     %%
3912     {ws}    /* skip blanks and tabs */
3914     "/*"    {
3915             int c;
3917             while((c = yyinput()) != 0)
3918                 {
3919                 if(c == '\n')
3920                     ++mylineno;
3922                 else if(c == '*')
3923                     {
3924                     if((c = yyinput()) == '/')
3925                         break;
3926                     else
3927                         unput(c);
3928                     }
3929                 }
3930             }
3932     {number}  cout << "number " << YYText() << '\n';
3934     \n        mylineno++;
3936     {name}    cout << "name " << YYText() << '\n';
3938     {string}  cout << "string " << YYText() << '\n';
3940     %%
3942     int main( int /* argc */, char** /* argv */ )
3943     {
3944         FlexLexer* lexer = new yyFlexLexer;
3945         while(lexer->yylex() != 0)
3946             ;
3947         return 0;
3948     }
3949 @end verbatim
3950 @end example
3952 @cindex C++, multiple different scanners
3953 If you want to create multiple (different) lexer classes, you use the
3954 @samp{-P} flag (or the @code{prefix=} option) to rename each
3955 @code{yyFlexLexer} to some other @samp{xxFlexLexer}.  You then can
3956 include @file{<FlexLexer.h>} in your other sources once per lexer class,
3957 first renaming @code{yyFlexLexer} as follows:
3959 @cindex include files, with C++
3960 @cindex header files, with C++
3961 @cindex C++ scanners, including multiple scanners
3962 @example
3963 @verbatim
3964     #undef yyFlexLexer
3965     #define yyFlexLexer xxFlexLexer
3966     #include <FlexLexer.h>
3968     #undef yyFlexLexer
3969     #define yyFlexLexer zzFlexLexer
3970     #include <FlexLexer.h>
3971 @end verbatim
3972 @end example
3974 if, for example, you used @code{%option prefix="xx"} for one of your
3975 scanners and @code{%option prefix="zz"} for the other.
3977 @node Reentrant, Lex and Posix, Cxx, Top
3978 @chapter Reentrant C Scanners
3980 @cindex reentrant, explanation
3981 @code{flex} has the ability to generate a reentrant C scanner. This is
3982 accomplished by specifying @code{%option reentrant} (@samp{-R}) The generated
3983 scanner is both portable, and safe to use in one or more separate threads of
3984 control.  The most common use for reentrant scanners is from within
3985 multi-threaded applications.  Any thread may create and execute a reentrant
3986 @code{flex} scanner without the need for synchronization with other threads.
3988 @menu
3989 * Reentrant Uses::              
3990 * Reentrant Overview::          
3991 * Reentrant Example::           
3992 * Reentrant Detail::            
3993 * Reentrant Functions::         
3994 @end menu
3996 @node Reentrant Uses, Reentrant Overview, Reentrant, Reentrant
3997 @section Uses for Reentrant Scanners
3999 However, there are other uses for a reentrant scanner.  For example, you
4000 could scan two or more files simultaneously to implement a @code{diff} at
4001 the token level (i.e., instead of at the character level):
4003 @cindex reentrant scanners, multiple interleaved scanners
4004 @example
4005 @verbatim
4006     /* Example of maintaining more than one active scanner. */
4008     do {
4009         int tok1, tok2;
4011         tok1 = yylex( scanner_1 );
4012         tok2 = yylex( scanner_2 );
4014         if( tok1 != tok2 )
4015             printf("Files are different.");
4017    } while ( tok1 && tok2 );
4018 @end verbatim
4019 @end example
4021 Another use for a reentrant scanner is recursion.
4022 (Note that a recursive scanner can also be created using a non-reentrant scanner and
4023 buffer states. @xref{Multiple Input Buffers}.)
4025 The following crude scanner supports the @samp{eval} command by invoking
4026 another instance of itself.
4028 @cindex reentrant scanners, recursive invocation
4029 @example
4030 @verbatim
4031     /* Example of recursive invocation. */
4033     %option reentrant
4035     %%
4036     "eval(".+")"  {
4037                       yyscan_t scanner;
4038                       YY_BUFFER_STATE buf;
4040                       yylex_init( &scanner );
4041                       yytext[yyleng-1] = ' ';
4043                       buf = yy_scan_string( yytext + 5, scanner );
4044                       yylex( scanner );
4046                       yy_delete_buffer(buf,scanner);
4047                       yylex_destroy( scanner );
4048                  }
4049     ...
4050     %%
4051 @end verbatim
4052 @end example
4054 @node Reentrant Overview, Reentrant Example, Reentrant Uses, Reentrant
4055 @section An Overview of the Reentrant API
4057 @cindex reentrant, API explanation
4058 The API for reentrant scanners is different than for non-reentrant
4059 scanners. Here is a quick overview of the API:
4061 @itemize
4062 @code{%option reentrant} must be specified.
4064 @item
4065 All functions take one additional argument: @code{yyscanner}
4067 @item
4068 All global variables are replaced by their macro equivalents.
4069 (We tell you this because it may be important to you during debugging.)
4071 @item
4072 @code{yylex_init} and @code{yylex_destroy} must be called before and
4073 after @code{yylex}, respectively.
4075 @item
4076 Accessor methods (get/set functions) provide access to common
4077 @code{flex} variables.
4079 @item
4080 User-specific data can be stored in @code{yyextra}.
4081 @end itemize
4083 @node Reentrant Example, Reentrant Detail, Reentrant Overview, Reentrant
4084 @section Reentrant Example
4086 First, an example of a reentrant scanner:
4087 @cindex reentrant, example of
4088 @example
4089 @verbatim
4090     /* This scanner prints "//" comments. */
4092     %option reentrant stack noyywrap
4093     %x COMMENT
4095     %%
4097     "//"                 yy_push_state( COMMENT, yyscanner);
4098     .|\n
4100     <COMMENT>\n          yy_pop_state( yyscanner );
4101     <COMMENT>[^\n]+      fprintf( yyout, "%s\n", yytext);
4103     %%
4105     int main ( int argc, char * argv[] )
4106     {
4107         yyscan_t scanner;
4109         yylex_init ( &scanner );
4110         yylex ( scanner );
4111         yylex_destroy ( scanner );
4112     return 0;
4113    }
4114 @end verbatim
4115 @end example
4117 @node Reentrant Detail, Reentrant Functions, Reentrant Example, Reentrant
4118 @section The Reentrant API in Detail
4120 Here are the things you need to do or know to use the reentrant C API of
4121 @code{flex}.
4123 @menu
4124 * Specify Reentrant::           
4125 * Extra Reentrant Argument::    
4126 * Global Replacement::          
4127 * Init and Destroy Functions::  
4128 * Accessor Methods::            
4129 * Extra Data::                  
4130 * About yyscan_t::              
4131 @end menu
4133 @node Specify Reentrant, Extra Reentrant Argument, Reentrant Detail, Reentrant Detail
4134 @subsection Declaring a Scanner As Reentrant
4136  %option reentrant (--reentrant) must be specified.
4138 Notice that @code{%option reentrant} is specified in the above example
4139 (@pxref{Reentrant Example}. Had this option not been specified,
4140 @code{flex} would have happily generated a non-reentrant scanner without
4141 complaining. You may explicitly specify @code{%option noreentrant}, if
4142 you do @emph{not} want a reentrant scanner, although it is not
4143 necessary. The default is to generate a non-reentrant scanner.
4145 @node Extra Reentrant Argument, Global Replacement, Specify Reentrant, Reentrant Detail
4146 @subsection The Extra Argument
4148 @cindex reentrant, calling functions
4149 @vindex yyscanner (reentrant only)
4150 All functions take one additional argument: @code{yyscanner}.
4152 Notice that the calls to @code{yy_push_state} and @code{yy_pop_state}
4153 both have an argument, @code{yyscanner} , that is not present in a
4154 non-reentrant scanner.  Here are the declarations of
4155 @code{yy_push_state} and @code{yy_pop_state} in the reentrant scanner:
4157 @example
4158 @verbatim
4159     static void yy_push_state  ( int new_state , yyscan_t yyscanner ) ;
4160     static void yy_pop_state  ( yyscan_t yyscanner  ) ;
4161 @end verbatim
4162 @end example
4164 Notice that the argument @code{yyscanner} appears in the declaration of
4165 both functions.  In fact, all @code{flex} functions in a reentrant
4166 scanner have this additional argument.  It is always the last argument
4167 in the argument list, it is always of type @code{yyscan_t} (which is
4168 typedef'd to @code{void *}) and it is
4169 always named @code{yyscanner}.  As you may have guessed,
4170 @code{yyscanner} is a pointer to an opaque data structure encapsulating
4171 the current state of the scanner.  For a list of function declarations,
4172 see @ref{Reentrant Functions}. Note that preprocessor macros, such as
4173 @code{BEGIN}, @code{ECHO}, and @code{REJECT}, do not take this
4174 additional argument.
4176 @node Global Replacement, Init and Destroy Functions, Extra Reentrant Argument, Reentrant Detail
4177 @subsection Global Variables Replaced By Macros
4179 @cindex reentrant, accessing flex variables
4180 All global variables in traditional flex have been replaced by macro equivalents.
4182 Note that in the above example, @code{yyout} and @code{yytext} are
4183 not plain variables. These are macros that will expand to their equivalent lvalue.
4184 All of the familiar @code{flex} globals have been replaced by their macro
4185 equivalents. In particular, @code{yytext}, @code{yyleng}, @code{yylineno},
4186 @code{yyin}, @code{yyout}, @code{yyextra}, @code{yylval}, and @code{yylloc}
4187 are macros. You may safely use these macros in actions as if they were plain
4188 variables. We only tell you this so you don't expect to link to these variables
4189 externally. Currently, each macro expands to a member of an internal struct, e.g.,
4191 @example
4192 @verbatim
4193 #define yytext (((struct yyguts_t*)yyscanner)->yytext_r)
4194 @end verbatim
4195 @end example
4197 One important thing to remember about
4198 @code{yytext}
4199 and friends is that
4200 @code{yytext}
4201 is not a global variable in a reentrant
4202 scanner, you can not access it directly from outside an action or from
4203 other functions. You must use an accessor method, e.g.,
4204 @code{yyget_text},
4205 to accomplish this. (See below).
4207 @node Init and Destroy Functions, Accessor Methods, Global Replacement, Reentrant Detail
4208 @subsection Init and Destroy Functions
4210 @cindex memory, considerations for reentrant scanners
4211 @cindex reentrant, initialization
4212 @findex yylex_init
4213 @findex yylex_destroy
4215 @code{yylex_init} and @code{yylex_destroy} must be called before and
4216 after @code{yylex}, respectively.
4218 @example
4219 @verbatim
4220     int yylex_init ( yyscan_t * ptr_yy_globals ) ;
4221     int yylex_init_extra ( YY_EXTRA_TYPE user_defined, yyscan_t * ptr_yy_globals ) ;
4222     int yylex ( yyscan_t yyscanner ) ;
4223     int yylex_destroy ( yyscan_t yyscanner ) ;
4224 @end verbatim
4225 @end example
4227 The function @code{yylex_init} must be called before calling any other
4228 function. The argument to @code{yylex_init} is the address of an
4229 uninitialized pointer to be filled in by @code{yylex_init}, overwriting
4230 any previous contents. The function @code{yylex_init_extra} may be used
4231 instead, taking as its first argument a variable of type @code{YY_EXTRA_TYPE}.
4232 See the section on yyextra, below, for more details.
4234 The value stored in @code{ptr_yy_globals} should
4235 thereafter be passed to @code{yylex} and @code{yylex_destroy}.  Flex
4236 does not save the argument passed to @code{yylex_init}, so it is safe to
4237 pass the address of a local pointer to @code{yylex_init} so long as it remains
4238 in scope for the duration of all calls to the scanner, up to and including
4239 the call to @code{yylex_destroy}.
4241 The function
4242 @code{yylex} should be familiar to you by now. The reentrant version
4243 takes one argument, which is the value returned (via an argument) by
4244 @code{yylex_init}.  Otherwise, it behaves the same as the non-reentrant
4245 version of @code{yylex}.
4247 Both @code{yylex_init} and @code{yylex_init_extra} returns 0 (zero) on success,
4248 or non-zero on failure, in which case errno is set to one of the following values:
4250 @itemize
4251 @item ENOMEM
4252 Memory allocation error. @xref{memory-management}.
4253 @item EINVAL
4254 Invalid argument.
4255 @end itemize
4258 The function @code{yylex_destroy} should be
4259 called to free resources used by the scanner. After @code{yylex_destroy}
4260 is called, the contents of @code{yyscanner} should not be used.  Of
4261 course, there is no need to destroy a scanner if you plan to reuse it.
4262 A @code{flex} scanner (both reentrant and non-reentrant) may be
4263 restarted by calling @code{yyrestart}.
4265 Below is an example of a program that creates a scanner, uses it, then destroys
4266 it when done:
4268 @example
4269 @verbatim
4270     int main ()
4271     {
4272         yyscan_t scanner;
4273         int tok;
4275         yylex_init(&scanner);
4277         while ((tok=yylex(scanner)) > 0)
4278             printf("tok=%d  yytext=%s\n", tok, yyget_text(scanner));
4280         yylex_destroy(scanner);
4281         return 0;
4282     }
4283 @end verbatim
4284 @end example
4286 @node Accessor Methods, Extra Data, Init and Destroy Functions, Reentrant Detail
4287 @subsection Accessing Variables with Reentrant Scanners
4289 @cindex reentrant, accessor functions
4290 Accessor methods (get/set functions) provide access to common
4291 @code{flex} variables.
4293 Many scanners that you build will be part of a larger project. Portions
4294 of your project will need access to @code{flex} values, such as
4295 @code{yytext}.  In a non-reentrant scanner, these values are global, so
4296 there is no problem accessing them. However, in a reentrant scanner, there are no
4297 global @code{flex} values. You can not access them directly.  Instead,
4298 you must access @code{flex} values using accessor methods (get/set
4299 functions). Each accessor method is named @code{yyget_NAME} or
4300 @code{yyset_NAME}, where @code{NAME} is the name of the @code{flex}
4301 variable you want. For example:
4303 @cindex accessor functions, use of
4304 @example
4305 @verbatim
4306     /* Set the last character of yytext to NULL. */
4307     void chop ( yyscan_t scanner )
4308     {
4309         int len = yyget_leng( scanner );
4310         yyget_text( scanner )[len - 1] = '\0';
4311     }
4312 @end verbatim
4313 @end example
4315 The above code may be called from within an action like this:
4317 @example
4318 @verbatim
4319     %%
4320     .+\n    { chop( yyscanner );}
4321 @end verbatim
4322 @end example
4324 You may find that @code{%option header-file} is particularly useful for generating
4325 prototypes of all the accessor functions. @xref{option-header}.
4327 @node Extra Data, About yyscan_t, Accessor Methods, Reentrant Detail
4328 @subsection Extra Data
4330 @cindex reentrant, extra data
4331 @vindex yyextra
4332 User-specific data can be stored in @code{yyextra}.
4334 In a reentrant scanner, it is unwise to use global variables to
4335 communicate with or maintain state between different pieces of your program.
4336 However, you may need access to external data or invoke external functions
4337 from within the scanner actions.
4338 Likewise, you may need to pass information to your scanner
4339 (e.g., open file descriptors, or database connections).
4340 In a non-reentrant scanner, the only way to do this would be through the
4341 use of global variables.
4342 @code{Flex} allows you to store arbitrary, ``extra'' data in a scanner.
4343 This data is accessible through the accessor methods
4344 @code{yyget_extra} and @code{yyset_extra}
4345 from outside the scanner, and through the shortcut macro
4346 @code{yyextra}
4347 from within the scanner itself. They are defined as follows:
4349 @tindex YY_EXTRA_TYPE (reentrant only)
4350 @findex yyget_extra
4351 @findex yyset_extra
4352 @example
4353 @verbatim
4354     #define YY_EXTRA_TYPE  void*
4355     YY_EXTRA_TYPE  yyget_extra ( yyscan_t scanner );
4356     void           yyset_extra ( YY_EXTRA_TYPE arbitrary_data , yyscan_t scanner);
4357 @end verbatim
4358 @end example
4360 In addition, an extra form of @code{yylex_init} is provided,
4361 @code{yylex_init_extra}. This function is provided so that the yyextra value can
4362 be accessed from within the very first yyalloc, used to allocate
4363 the scanner itself.
4365 By default, @code{YY_EXTRA_TYPE} is defined as type @code{void *}.  You
4366 may redefine this type using @code{%option extra-type="your_type"} in 
4367 the scanner:
4369 @cindex YY_EXTRA_TYPE, defining your own type
4370 @example
4371 @verbatim
4372     /* An example of overriding YY_EXTRA_TYPE. */
4373     %{
4374     #include <sys/stat.h>
4375     #include <unistd.h>
4376     %}
4377     %option reentrant
4378     %option extra-type="struct stat *"
4379     %%
4381     __filesize__     printf( "%ld", yyextra->st_size  );
4382     __lastmod__      printf( "%ld", yyextra->st_mtime );
4383     %%
4384     void scan_file( char* filename )
4385     {
4386         yyscan_t scanner;
4387         struct stat buf;
4388         FILE *in;
4390         in = fopen( filename, "r" );
4391         stat( filename, &buf );
4393         yylex_init_extra( buf, &scanner );
4394         yyset_in( in, scanner );
4395         yylex( scanner );
4396         yylex_destroy( scanner );
4398         fclose( in );
4399    }
4400 @end verbatim
4401 @end example
4404 @node About yyscan_t,  , Extra Data, Reentrant Detail
4405 @subsection About yyscan_t
4407 @tindex yyscan_t (reentrant only)
4408 @code{yyscan_t} is defined as:
4410 @example
4411 @verbatim
4412      typedef void* yyscan_t;
4413 @end verbatim
4414 @end example
4416 It is initialized by @code{yylex_init()} to point to
4417 an internal structure. You should never access this value
4418 directly. In particular, you should never attempt to free it
4419 (use @code{yylex_destroy()} instead.)
4421 @node Reentrant Functions,  , Reentrant Detail, Reentrant
4422 @section Functions and Macros Available in Reentrant C Scanners
4424 The following Functions are available in a reentrant scanner:
4426 @findex yyget_text
4427 @findex yyget_leng
4428 @findex yyget_in
4429 @findex yyget_out
4430 @findex yyget_lineno
4431 @findex yyset_in
4432 @findex yyset_out
4433 @findex yyset_lineno
4434 @findex yyget_debug
4435 @findex yyset_debug
4436 @findex yyget_extra
4437 @findex yyset_extra
4439 @example
4440 @verbatim
4441     char *yyget_text ( yyscan_t scanner );
4442     int yyget_leng ( yyscan_t scanner );
4443     FILE *yyget_in ( yyscan_t scanner );
4444     FILE *yyget_out ( yyscan_t scanner );
4445     int yyget_lineno ( yyscan_t scanner );
4446     YY_EXTRA_TYPE yyget_extra ( yyscan_t scanner );
4447     int  yyget_debug ( yyscan_t scanner );
4449     void yyset_debug ( int flag, yyscan_t scanner );
4450     void yyset_in  ( FILE * in_str , yyscan_t scanner );
4451     void yyset_out  ( FILE * out_str , yyscan_t scanner );
4452     void yyset_lineno ( int line_number , yyscan_t scanner );
4453     void yyset_extra ( YY_EXTRA_TYPE user_defined , yyscan_t scanner );
4454 @end verbatim
4455 @end example
4457 There are no ``set'' functions for yytext and yyleng. This is intentional.
4459 The following Macro shortcuts are available in actions in a reentrant
4460 scanner:
4462 @example
4463 @verbatim
4464     yytext
4465     yyleng
4466     yyin
4467     yyout
4468     yylineno
4469     yyextra
4470     yy_flex_debug
4471 @end verbatim
4472 @end example
4474 @cindex yylineno, in a reentrant scanner
4475 In a reentrant C scanner, support for yylineno is always present
4476 (i.e., you may access yylineno), but the value is never modified by
4477 @code{flex} unless @code{%option yylineno} is enabled. This is to allow
4478 the user to maintain the line count independently of @code{flex}.
4480 @anchor{bison-functions}
4481 The following functions and macros are made available when @code{%option
4482 bison-bridge} (@samp{--bison-bridge}) is specified:
4484 @example
4485 @verbatim
4486     YYSTYPE * yyget_lval ( yyscan_t scanner );
4487     void yyset_lval ( YYSTYPE * yylvalp , yyscan_t scanner );
4488     yylval
4489 @end verbatim
4490 @end example
4492 The following functions and macros are made available
4493 when @code{%option bison-locations} (@samp{--bison-locations}) is specified:
4495 @example
4496 @verbatim
4497     YYLTYPE *yyget_lloc ( yyscan_t scanner );
4498     void yyset_lloc ( YYLTYPE * yyllocp , yyscan_t scanner );
4499     yylloc
4500 @end verbatim
4501 @end example
4503 Support for yylval assumes that @code{YYSTYPE} is a valid type.  Support for
4504 yylloc assumes that @code{YYSLYPE} is a valid type.  Typically, these types are
4505 generated by @code{bison}, and are included in section 1 of the @code{flex}
4506 input.
4508 @node Lex and Posix, Memory Management, Reentrant, Top
4509 @chapter Incompatibilities with Lex and Posix
4511 @cindex POSIX and lex
4512 @cindex lex (traditional) and POSIX
4514 @code{flex} is a rewrite of the AT&T Unix @emph{lex} tool (the two
4515 implementations do not share any code, though), with some extensions and
4516 incompatibilities, both of which are of concern to those who wish to
4517 write scanners acceptable to both implementations.  @code{flex} is fully
4518 compliant with the POSIX @code{lex} specification, except that when
4519 using @code{%pointer} (the default), a call to @code{unput()} destroys
4520 the contents of @code{yytext}, which is counter to the POSIX
4521 specification.  In this section we discuss all of the known areas of
4522 incompatibility between @code{flex}, AT&T @code{lex}, and the POSIX
4523 specification.  @code{flex}'s @samp{-l} option turns on maximum
4524 compatibility with the original AT&T @code{lex} implementation, at the
4525 cost of a major loss in the generated scanner's performance.  We note
4526 below which incompatibilities can be overcome using the @samp{-l}
4527 option.  @code{flex} is fully compatible with @code{lex} with the
4528 following exceptions:
4530 @itemize
4531 @item
4532 The undocumented @code{lex} scanner internal variable @code{yylineno} is
4533 not supported unless @samp{-l} or @code{%option yylineno} is used.
4535 @item
4536 @code{yylineno} should be maintained on a per-buffer basis, rather than
4537 a per-scanner (single global variable) basis.
4539 @item
4540 @code{yylineno} is not part of the POSIX specification.
4542 @item
4543 The @code{input()} routine is not redefinable, though it may be called
4544 to read characters following whatever has been matched by a rule.  If
4545 @code{input()} encounters an end-of-file the normal @code{yywrap()}
4546 processing is done.  A ``real'' end-of-file is returned by
4547 @code{input()} as @code{EOF}.
4549 @item
4550 Input is instead controlled by defining the @code{YY_INPUT()} macro.
4552 @item
4553 The @code{flex} restriction that @code{input()} cannot be redefined is
4554 in accordance with the POSIX specification, which simply does not
4555 specify any way of controlling the scanner's input other than by making
4556 an initial assignment to @file{yyin}.
4558 @item
4559 The @code{unput()} routine is not redefinable.  This restriction is in
4560 accordance with POSIX.
4562 @item
4563 @code{flex} scanners are not as reentrant as @code{lex} scanners.  In
4564 particular, if you have an interactive scanner and an interrupt handler
4565 which long-jumps out of the scanner, and the scanner is subsequently
4566 called again, you may get the following message:
4568 @cindex error messages, end of buffer missed
4569 @example
4570 @verbatim
4571     fatal flex scanner internal error--end of buffer missed
4572 @end verbatim
4573 @end example
4575 To reenter the scanner, first use:
4577 @cindex restarting the scanner
4578 @example
4579 @verbatim
4580     yyrestart( yyin );
4581 @end verbatim
4582 @end example
4584 Note that this call will throw away any buffered input; usually this
4585 isn't a problem with an interactive scanner. @xref{Reentrant}, for
4586 @code{flex}'s reentrant API.
4588 @item
4589 Also note that @code{flex} C++ scanner classes
4590 @emph{are}
4591 reentrant, so if using C++ is an option for you, you should use
4592 them instead.  @xref{Cxx}, and @ref{Reentrant}  for details.
4594 @item
4595 @code{output()} is not supported.  Output from the @b{ECHO} macro is
4596 done to the file-pointer @code{yyout} (default @file{stdout)}.
4598 @item
4599 @code{output()} is not part of the POSIX specification.
4601 @item
4602 @code{lex} does not support exclusive start conditions (%x), though they
4603 are in the POSIX specification.
4605 @item
4606 When definitions are expanded, @code{flex} encloses them in parentheses.
4607 With @code{lex}, the following:
4609 @cindex name definitions, not POSIX
4610 @example
4611 @verbatim
4612     NAME    [A-Z][A-Z0-9]*
4613     %%
4614     foo{NAME}?      printf( "Found it\n" );
4615     %%
4616 @end verbatim
4617 @end example
4619 will not match the string @samp{foo} because when the macro is expanded
4620 the rule is equivalent to @samp{foo[A-Z][A-Z0-9]*?}  and the precedence
4621 is such that the @samp{?} is associated with @samp{[A-Z0-9]*}.  With
4622 @code{flex}, the rule will be expanded to @samp{foo([A-Z][A-Z0-9]*)?}
4623 and so the string @samp{foo} will match.
4625 @item
4626 Note that if the definition begins with @samp{^} or ends with @samp{$}
4627 then it is @emph{not} expanded with parentheses, to allow these
4628 operators to appear in definitions without losing their special
4629 meanings.  But the @samp{<s>}, @samp{/}, and @code{<<EOF>>} operators
4630 cannot be used in a @code{flex} definition.
4632 @item
4633 Using @samp{-l} results in the @code{lex} behavior of no parentheses
4634 around the definition.
4636 @item
4637 The POSIX specification is that the definition be enclosed in parentheses.
4639 @item
4640 Some implementations of @code{lex} allow a rule's action to begin on a
4641 separate line, if the rule's pattern has trailing whitespace:
4643 @cindex patterns and actions on different lines
4644 @example
4645 @verbatim
4646     %%
4647     foo|bar<space here>
4648       { foobar_action();}
4649 @end verbatim
4650 @end example
4652 @code{flex} does not support this feature.
4654 @item
4655 The @code{lex} @code{%r} (generate a Ratfor scanner) option is not
4656 supported.  It is not part of the POSIX specification.
4658 @item
4659 After a call to @code{unput()}, @emph{yytext} is undefined until the
4660 next token is matched, unless the scanner was built using @code{%array}.
4661 This is not the case with @code{lex} or the POSIX specification.  The
4662 @samp{-l} option does away with this incompatibility.
4664 @item
4665 The precedence of the @samp{@{,@}} (numeric range) operator is
4666 different.  The AT&T and POSIX specifications of @code{lex}
4667 interpret @samp{abc@{1,3@}} as match one, two,
4668 or three occurrences of @samp{abc}'', whereas @code{flex} interprets it
4669 as ``match @samp{ab} followed by one, two, or three occurrences of
4670 @samp{c}''.  The @samp{-l} and @samp{--posix} options do away with this
4671 incompatibility.
4673 @item
4674 The precedence of the @samp{^} operator is different.  @code{lex}
4675 interprets @samp{^foo|bar} as ``match either 'foo' at the beginning of a
4676 line, or 'bar' anywhere'', whereas @code{flex} interprets it as ``match
4677 either @samp{foo} or @samp{bar} if they come at the beginning of a
4678 line''.  The latter is in agreement with the POSIX specification.
4680 @item
4681 The special table-size declarations such as @code{%a} supported by
4682 @code{lex} are not required by @code{flex} scanners..  @code{flex}
4683 ignores them.
4684 @item
4685 The name @code{FLEX_SCANNER} is @code{#define}'d so scanners may be
4686 written for use with either @code{flex} or @code{lex}.  Scanners also
4687 include @code{YY_FLEX_MAJOR_VERSION},  @code{YY_FLEX_MINOR_VERSION}
4688 and @code{YY_FLEX_SUBMINOR_VERSION}
4689 indicating which version of @code{flex} generated the scanner. For
4690 example, for the 2.5.22 release, these defines would be 2,  5 and 22
4691 respectively. If the version of @code{flex} being used is a beta
4692 version, then the symbol @code{FLEX_BETA} is defined.
4694 @item
4695 The symbols @samp{[[} and @samp{]]} in the code sections of the input
4696 may conflict with the m4 delimiters. @xref{M4 Dependency}.
4699 @end itemize
4701 @cindex POSIX comp;compliance
4702 @cindex non-POSIX features of flex
4703 The following @code{flex} features are not included in @code{lex} or the
4704 POSIX specification:
4706 @itemize
4707 @item
4708 C++ scanners
4709 @item
4710 %option
4711 @item
4712 start condition scopes
4713 @item
4714 start condition stacks
4715 @item
4716 interactive/non-interactive scanners
4717 @item
4718 yy_scan_string() and friends
4719 @item
4720 yyterminate()
4721 @item
4722 yy_set_interactive()
4723 @item
4724 yy_set_bol()
4725 @item
4726 YY_AT_BOL()
4727    <<EOF>>
4728 @item
4730 @item
4731 YY_DECL
4732 @item
4733 YY_START
4734 @item
4735 YY_USER_ACTION
4736 @item
4737 YY_USER_INIT
4738 @item
4739 #line directives
4740 @item
4741 %@{@}'s around actions
4742 @item
4743 reentrant C API
4744 @item
4745 multiple actions on a line
4746 @item
4747 almost all of the @code{flex} command-line options
4748 @end itemize
4750 The feature ``multiple actions on a line''
4751 refers to the fact that with @code{flex} you can put multiple actions on
4752 the same line, separated with semi-colons, while with @code{lex}, the
4753 following:
4755 @example
4756 @verbatim
4757     foo    handle_foo(); ++num_foos_seen;
4758 @end verbatim
4759 @end example
4761 is (rather surprisingly) truncated to
4763 @example
4764 @verbatim
4765     foo    handle_foo();
4766 @end verbatim
4767 @end example
4769 @code{flex} does not truncate the action.  Actions that are not enclosed
4770 in braces are simply terminated at the end of the line.
4772 @node Memory Management, Serialized Tables, Lex and Posix, Top
4773 @chapter Memory Management
4775 @cindex memory management
4776 @anchor{memory-management}
4777 This chapter describes how flex handles dynamic memory, and how you can
4778 override the default behavior.
4780 @menu
4781 * The Default Memory Management::  
4782 * Overriding The Default Memory Management::  
4783 * A Note About yytext And Memory::  
4784 @end menu
4786 @node The Default Memory Management, Overriding The Default Memory Management, Memory Management, Memory Management
4787 @section The Default Memory Management
4789 Flex allocates dynamic memory during initialization, and once in a while from
4790 within a call to yylex(). Initialization takes place during the first call to
4791 yylex(). Thereafter, flex may reallocate more memory if it needs to enlarge a
4792 buffer. As of version 2.5.9 Flex will clean up all memory when you call @code{yylex_destroy}
4793 @xref{faq-memory-leak}.
4795 Flex allocates dynamic memory for four purposes, listed below @footnote{The
4796 quantities given here are approximate, and may vary due to host architecture,
4797 compiler configuration, or due to future enhancements to flex.} 
4799 @table @asis
4801 @item 16kB for the input buffer.
4802 Flex allocates memory for the character buffer used to perform pattern
4803 matching.  Flex must read ahead from the input stream and store it in a large
4804 character buffer.  This buffer is typically the largest chunk of dynamic memory
4805 flex consumes. This buffer will grow if necessary, doubling the size each time.
4806 Flex frees this memory when you call yylex_destroy().  The default size of this
4807 buffer (16384 bytes) is almost always too large.  The ideal size for this
4808 buffer is the length of the longest token expected, in bytes, plus a little more.  Flex will allocate a few
4809 extra bytes for housekeeping. Currently, to override the size of the input buffer
4810 you must @code{#define YY_BUF_SIZE} to whatever number of bytes you want. We don't plan
4811 to change this in the near future, but we reserve the right to do so if we ever add a more robust memory management
4812 API. 
4814 @item 64kb for the REJECT state. This will only be allocated if you use REJECT.
4815 The size is  large enough to hold the same number of states as characters in the input buffer. If you override the size of the
4816 input buffer (via @code{YY_BUF_SIZE}), then you automatically override the size of this buffer as well.
4818 @item 100 bytes for the start condition stack.
4819 Flex allocates memory for the start condition stack. This is the stack used
4820 for pushing start states, i.e., with yy_push_state(). It will grow if
4821 necessary.  Since the states are simply integers, this stack doesn't consume
4822 much memory.  This stack is not present if @code{%option stack} is not
4823 specified.  You will rarely need to tune this buffer. The ideal size for this
4824 stack is the maximum depth expected.  The memory for this stack is
4825 automatically destroyed when you call yylex_destroy(). @xref{option-stack}.
4827 @item 40 bytes for each YY_BUFFER_STATE.
4828 Flex allocates memory for each YY_BUFFER_STATE. The buffer state itself
4829 is about 40 bytes, plus an additional large character buffer (described above.)
4830 The initial buffer state is created during initialization, and with each call
4831 to yy_create_buffer(). You can't tune the size of this, but you can tune the
4832 character buffer as described above. Any buffer state that you explicitly
4833 create by calling yy_create_buffer() is @emph{NOT} destroyed automatically. You
4834 must call yy_delete_buffer() to free the memory. The exception to this rule is
4835 that flex will delete the current buffer automatically when you call
4836 yylex_destroy(). If you delete the current buffer, be sure to set it to NULL.
4837 That way, flex will not try to delete the buffer a second time (possibly
4838 crashing your program!) At the time of this writing, flex does not provide a
4839 growable stack for the buffer states.  You have to manage that yourself.
4840 @xref{Multiple Input Buffers}.
4842 @item 84 bytes for the reentrant scanner guts
4843 Flex allocates about 84 bytes for the reentrant scanner structure when
4844 you call yylex_init(). It is destroyed when the user calls yylex_destroy().
4846 @end table
4849 @node Overriding The Default Memory Management, A Note About yytext And Memory, The Default Memory Management, Memory Management
4850 @section Overriding The Default Memory Management
4852 @cindex yyalloc, overriding
4853 @cindex yyrealloc, overriding
4854 @cindex yyfree, overriding
4856 Flex calls the functions @code{yyalloc}, @code{yyrealloc}, and @code{yyfree}
4857 when it needs to allocate or free memory. By default, these functions are
4858 wrappers around the standard C functions, @code{malloc}, @code{realloc}, and
4859 @code{free}, respectively. You can override the default implementations by telling
4860 flex that you will provide your own implementations.
4862 To override the default implementations, you must do two things:
4864 @enumerate
4866 @item Suppress the default implementations by specifying one or more of the
4867 following options:
4869 @itemize
4870 @opindex noyyalloc
4871 @item @code{%option noyyalloc}
4872 @item @code{%option noyyrealloc}
4873 @item @code{%option noyyfree}.
4874 @end itemize
4876 @item Provide your own implementation of the following functions: @footnote{It
4877 is not necessary to override all (or any) of the memory management routines.
4878 You may, for example, override @code{yyrealloc}, but not @code{yyfree} or
4879 @code{yyalloc}.}
4881 @example
4882 @verbatim
4883 // For a non-reentrant scanner
4884 void * yyalloc (size_t bytes);
4885 void * yyrealloc (void * ptr, size_t bytes);
4886 void   yyfree (void * ptr);
4888 // For a reentrant scanner
4889 void * yyalloc (size_t bytes, void * yyscanner);
4890 void * yyrealloc (void * ptr, size_t bytes, void * yyscanner);
4891 void   yyfree (void * ptr, void * yyscanner);
4892 @end verbatim
4893 @end example
4895 @end enumerate
4897 In the following example, we will override all three memory routines. We assume
4898 that there is a custom allocator with garbage collection. In order to make this
4899 example interesting, we will use a reentrant scanner, passing a pointer to the
4900 custom allocator through @code{yyextra}.
4902 @cindex overriding the memory routines
4903 @example
4904 @verbatim
4906 #include "some_allocator.h"
4909 /* Suppress the default implementations. */
4910 %option noyyalloc noyyrealloc noyyfree
4911 %option reentrant
4913 /* Initialize the allocator. */
4914 #define YY_EXTRA_TYPE  struct allocator*
4915 #define YY_USER_INIT  yyextra = allocator_create();
4918 .|\n   ;
4921 /* Provide our own implementations. */
4922 void * yyalloc (size_t bytes, void* yyscanner) {
4923     return allocator_alloc (yyextra, bytes);
4926 void * yyrealloc (void * ptr, size_t bytes, void* yyscanner) {
4927     return allocator_realloc (yyextra, bytes);
4930 void yyfree (void * ptr, void * yyscanner) {      
4931     /* Do nothing -- we leave it to the garbage collector. */
4934 @end verbatim
4935 @end example
4938 @node A Note About yytext And Memory,  , Overriding The Default Memory Management, Memory Management
4939 @section A Note About yytext And Memory
4941 @cindex yytext, memory considerations
4943 When flex finds a match, @code{yytext} points to the first character of the
4944 match in the input buffer. The string itself is part of the input buffer, and
4945 is @emph{NOT} allocated separately. The value of yytext will be overwritten the next
4946 time yylex() is called. In short, the value of yytext is only valid from within
4947 the matched rule's action.
4949 Often, you want the value of yytext to persist for later processing, i.e., by a
4950 parser with non-zero lookahead. In order to preserve yytext, you will have to
4951 copy it with strdup() or a similar function. But this introduces some headache
4952 because your parser is now responsible for freeing the copy of yytext. If you
4953 use a yacc or bison parser, (commonly used with flex), you will discover that
4954 the error recovery mechanisms can cause memory to be leaked.
4956 To prevent memory leaks from strdup'd yytext, you will have to track the memory
4957 somehow. Our experience has shown that a garbage collection mechanism or a
4958 pooled memory mechanism will save you a lot of grief when writing parsers.
4960 @node Serialized Tables, Diagnostics, Memory Management, Top
4961 @chapter Serialized Tables
4962 @cindex serialization
4963 @cindex memory, serialized tables
4965 @anchor{serialization}
4966 A @code{flex} scanner has the ability to save the DFA tables to a file, and
4967 load them at runtime when needed.  The motivation for this feature is to reduce
4968 the runtime memory footprint.  Traditionally, these tables have been compiled into
4969 the scanner as C arrays, and are sometimes quite large.  Since the tables are
4970 compiled into the scanner, the memory used by the tables can never be freed.
4971 This is a waste of memory, especially if an application uses several scanners,
4972 but none of them at the same time.
4974 The serialization feature allows the tables to be loaded at runtime, before
4975 scanning begins. The tables may be discarded when scanning is finished.
4977 @menu
4978 * Creating Serialized Tables::  
4979 * Loading and Unloading Serialized Tables::  
4980 * Tables File Format::          
4981 @end menu
4983 @node Creating Serialized Tables, Loading and Unloading Serialized Tables, Serialized Tables, Serialized Tables
4984 @section Creating Serialized Tables
4985 @cindex tables, creating serialized
4986 @cindex serialization of tables
4988 You may create a scanner with serialized tables by specifying:
4990 @example
4991 @verbatim
4992     %option tables-file=FILE
4994     --tables-file=FILE
4995 @end verbatim
4996 @end example
4998 These options instruct flex to save the DFA tables to the file @var{FILE}. The tables
4999 will @emph{not} be embedded in the generated scanner. The scanner will not
5000 function on its own. The scanner will be dependent upon the serialized tables. You must
5001 load the tables from this file at runtime before you can scan anything. 
5003 If you do not specify a filename to @code{--tables-file}, the tables will be
5004 saved to @file{lex.yy.tables}, where @samp{yy} is the appropriate prefix.
5006 If your project uses several different scanners, you can concatenate the
5007 serialized tables into one file, and flex will find the correct set of tables,
5008 using the scanner prefix as part of the lookup key. An example follows:
5010 @cindex serialized tables, multiple scanners
5011 @example
5012 @verbatim
5013 $ flex --tables-file --prefix=cpp cpp.l
5014 $ flex --tables-file --prefix=c   c.l
5015 $ cat lex.cpp.tables lex.c.tables  >  all.tables
5016 @end verbatim
5017 @end example
5019 The above example created two scanners, @samp{cpp}, and @samp{c}. Since we did
5020 not specify a filename, the tables were serialized to @file{lex.c.tables} and
5021 @file{lex.cpp.tables}, respectively. Then, we concatenated the two files
5022 together into @file{all.tables}, which we will distribute with our project. At
5023 runtime, we will open the file and tell flex to load the tables from it.  Flex
5024 will find the correct tables automatically. (See next section).
5026 @node Loading and Unloading Serialized Tables, Tables File Format, Creating Serialized Tables, Serialized Tables
5027 @section Loading and Unloading Serialized Tables
5028 @cindex tables, loading and unloading
5029 @cindex loading tables at runtime
5030 @cindex tables, freeing
5031 @cindex freeing tables
5032 @cindex memory, serialized tables
5034 If you've built your scanner with @code{%option tables-file}, then you must
5035 load the scanner tables at runtime. This can be accomplished with the following
5036 function:
5038 @deftypefun int yytables_fload (FILE* @var{fp} [, yyscan_t @var{scanner}])
5039 Locates scanner tables in the stream pointed to by @var{fp} and loads them.
5040 Memory for the tables is allocated via @code{yyalloc}.  You must call this
5041 function before the first call to @code{yylex}. The argument @var{scanner}
5042 only appears in the reentrant scanner.
5043 This function returns @samp{0} (zero) on success, or non-zero on error.
5044 @end deftypefun
5046 The loaded tables are @strong{not} automatically destroyed (unloaded) when you
5047 call @code{yylex_destroy}. The reason is that you may create several scanners
5048 of the same type (in a reentrant scanner), each of which needs access to these
5049 tables.  To avoid a nasty memory leak, you must call the following function:
5051 @deftypefun int yytables_destroy ([yyscan_t @var{scanner}])
5052 Unloads the scanner tables. The tables must be loaded again before you can scan
5053 any more data.  The argument @var{scanner} only appears in the reentrant
5054 scanner.  This function returns @samp{0} (zero) on success, or non-zero on
5055 error.
5056 @end deftypefun
5058 @strong{The functions @code{yytables_fload} and @code{yytables_destroy} are not
5059 thread-safe.} You must ensure that these functions are called exactly once (for
5060 each scanner type) in a threaded program, before any thread calls @code{yylex}.
5061 After the tables are loaded, they are never written to, and no thread
5062 protection is required thereafter -- until you destroy them.
5064 @node Tables File Format,  , Loading and Unloading Serialized Tables, Serialized Tables
5065 @section Tables File Format
5066 @cindex tables, file format
5067 @cindex file format, serialized tables
5069 This section defines the file format of serialized @code{flex} tables.
5071 The tables format allows for one or more sets of tables to be
5072 specified, where each set corresponds to a given scanner. Scanners are
5073 indexed by name, as described below. The file format is as follows:
5075 @example
5076 @verbatim
5077                  TABLE SET 1
5078                 +-------------------------------+
5079         Header  | uint32          th_magic;     |
5080                 | uint32          th_hsize;     |
5081                 | uint32          th_ssize;     |
5082                 | uint16          th_flags;     |
5083                 | char            th_version[]; |
5084                 | char            th_name[];    |
5085                 | uint8           th_pad64[];   |
5086                 +-------------------------------+
5087         Table 1 | uint16          td_id;        |
5088                 | uint16          td_flags;     |
5089                 | uint32          td_hilen;     |
5090                 | uint32          td_lolen;     |
5091                 | void            td_data[];    |
5092                 | uint8           td_pad64[];   |
5093                 +-------------------------------+
5094         Table 2 |                               |
5095            .    .                               .
5096            .    .                               .
5097            .    .                               .
5098            .    .                               .
5099         Table n |                               |
5100                 +-------------------------------+
5101                  TABLE SET 2
5102                       .
5103                       .
5104                       .
5105                  TABLE SET N
5106 @end verbatim
5107 @end example
5109 The above diagram shows that a complete set of tables consists of a header
5110 followed by multiple individual tables. Furthermore, multiple complete sets may
5111 be present in the same file, each set with its own header and tables. The sets
5112 are contiguous in the file. The only way to know if another set follows is to
5113 check the next four bytes for the magic number (or check for EOF). The header
5114 and tables sections are padded to 64-bit boundaries. Below we describe each
5115 field in detail. This format does not specify how the scanner will expand the
5116 given data, i.e., data may be serialized as int8, but expanded to an int32
5117 array at runtime. This is to reduce the size of the serialized data where
5118 possible.  Remember, @emph{all integer values are in network byte order}. 
5120 @noindent
5121 Fields of a table header:
5123 @table @code
5124 @item th_magic
5125 Magic number, always 0xF13C57B1.
5127 @item th_hsize
5128 Size of this entire header, in bytes, including all fields plus any padding.
5130 @item th_ssize
5131 Size of this entire set, in bytes, including the header, all tables, plus
5132 any padding.
5134 @item th_flags
5135 Bit flags for this table set. Currently unused.
5137 @item th_version[]
5138 Flex version in NULL-terminated string format. e.g., @samp{2.5.13a}. This is
5139 the version of flex that was used to create the serialized tables.
5141 @item th_name[]
5142 Contains the name of this table set. The default is @samp{yytables},
5143 and is prefixed accordingly, e.g., @samp{footables}. Must be NULL-terminated.
5145 @item th_pad64[]
5146 Zero or more NULL bytes, padding the entire header to the next 64-bit boundary
5147 as calculated from the beginning of the header.
5148 @end table
5150 @noindent
5151 Fields of a table:
5153 @table @code
5154 @item td_id
5155 Specifies the table identifier. Possible values are:
5156 @table @code
5157 @item YYTD_ID_ACCEPT (0x01)
5158 @code{yy_accept}
5159 @item YYTD_ID_BASE   (0x02)
5160 @code{yy_base}
5161 @item YYTD_ID_CHK    (0x03)
5162 @code{yy_chk}
5163 @item YYTD_ID_DEF    (0x04)
5164 @code{yy_def}
5165 @item YYTD_ID_EC     (0x05)
5166 @code{yy_ec }
5167 @item YYTD_ID_META   (0x06)
5168 @code{yy_meta}
5169 @item YYTD_ID_NUL_TRANS (0x07)
5170 @code{yy_NUL_trans}
5171 @item YYTD_ID_NXT (0x08)
5172 @code{yy_nxt}. This array may be two dimensional. See the @code{td_hilen}
5173 field below.
5174 @item YYTD_ID_RULE_CAN_MATCH_EOL (0x09)
5175 @code{yy_rule_can_match_eol}
5176 @item YYTD_ID_START_STATE_LIST (0x0A)
5177 @code{yy_start_state_list}. This array is handled specially because it is an
5178 array of pointers to structs. See the @code{td_flags} field below.
5179 @item YYTD_ID_TRANSITION (0x0B)
5180 @code{yy_transition}. This array is handled specially because it is an array of
5181 structs. See the @code{td_lolen} field below.
5182 @item YYTD_ID_ACCLIST (0x0C)
5183 @code{yy_acclist}
5184 @end table
5186 @item td_flags
5187 Bit flags describing how to interpret the data in @code{td_data}.
5188 The data arrays are one-dimensional by default, but may be
5189 two dimensional as specified in the @code{td_hilen} field.
5191 @table @code
5192 @item YYTD_DATA8 (0x01)
5193 The data is serialized as an array of type int8.
5194 @item YYTD_DATA16 (0x02)
5195 The data is serialized as an array of type int16.
5196 @item YYTD_DATA32 (0x04)
5197 The data is serialized as an array of type int32.
5198 @item YYTD_PTRANS (0x08)
5199 The data is a list of indexes of entries in the expanded @code{yy_transition}
5200 array.  Each index should be expanded to a pointer to the corresponding entry
5201 in the @code{yy_transition} array. We count on the fact that the
5202 @code{yy_transition} array has already been seen.
5203 @item YYTD_STRUCT (0x10)
5204 The data is a list of yy_trans_info structs, each of which consists of
5205 two integers. There is no padding between struct elements or between structs.
5206 The type of each member is determined by the @code{YYTD_DATA*} bits.
5207 @end table
5209 @item td_hilen
5210 If @code{td_hilen} is non-zero, then the data is a two-dimensional array.
5211 Otherwise, the data is a one-dimensional array. @code{td_hilen} contains the
5212 number of elements in the higher dimensional array, and @code{td_lolen} contains
5213 the number of elements in the lowest dimension.
5215 Conceptually, @code{td_data} is either @code{sometype td_data[td_lolen]}, or
5216 @code{sometype td_data[td_hilen][td_lolen]}, where @code{sometype} is specified
5217 by the @code{td_flags} field.  It is possible for both @code{td_lolen} and
5218 @code{td_hilen} to be zero, in which case @code{td_data} is a zero length
5219 array, and no data is loaded, i.e., this table is simply skipped. Flex does not
5220 currently generate tables of zero length.
5222 @item td_lolen
5223 Specifies the number of elements in the lowest dimension array. If this is
5224 a one-dimensional array, then it is simply the number of elements in this array.
5225 The element size is determined by the @code{td_flags} field.
5227 @item td_data[]
5228 The table data. This array may be a one- or two-dimensional array, of type
5229 @code{int8}, @code{int16}, @code{int32}, @code{struct yy_trans_info}, or
5230 @code{struct yy_trans_info*},  depending upon the values in the
5231 @code{td_flags}, @code{td_hilen}, and @code{td_lolen} fields.
5233 @item td_pad64[]
5234 Zero or more NULL bytes, padding the entire table to the next 64-bit boundary as
5235 calculated from the beginning of this table.
5236 @end table
5238 @node Diagnostics, Limitations, Serialized Tables, Top
5239 @chapter Diagnostics
5241 @cindex error reporting, diagnostic messages
5242 @cindex warnings, diagnostic messages
5244 The following is a list of @code{flex} diagnostic messages:
5246 @itemize
5247 @item
5248 @samp{warning, rule cannot be matched} indicates that the given rule
5249 cannot be matched because it follows other rules that will always match
5250 the same text as it.  For example, in the following @samp{foo} cannot be
5251 matched because it comes after an identifier ``catch-all'' rule:
5253 @cindex warning, rule cannot be matched
5254 @example
5255 @verbatim
5256     [a-z]+    got_identifier();
5257     foo       got_foo();
5258 @end verbatim
5259 @end example
5261 Using @code{REJECT} in a scanner suppresses this warning.
5263 @item
5264 @samp{warning, -s option given but default rule can be matched} means
5265 that it is possible (perhaps only in a particular start condition) that
5266 the default rule (match any single character) is the only one that will
5267 match a particular input.  Since @samp{-s} was given, presumably this is
5268 not intended.
5270 @item
5271 @code{reject_used_but_not_detected undefined} or
5272 @code{yymore_used_but_not_detected undefined}. These errors can occur
5273 at compile time.  They indicate that the scanner uses @code{REJECT} or
5274 @code{yymore()} but that @code{flex} failed to notice the fact, meaning
5275 that @code{flex} scanned the first two sections looking for occurrences
5276 of these actions and failed to find any, but somehow you snuck some in
5277 (via a #include file, for example).  Use @code{%option reject} or
5278 @code{%option yymore} to indicate to @code{flex} that you really do use
5279 these features.
5281 @item
5282 @samp{flex scanner jammed}. a scanner compiled with
5283 @samp{-s} has encountered an input string which wasn't matched by any of
5284 its rules.  This error can also occur due to internal problems.
5286 @item
5287 @samp{token too large, exceeds YYLMAX}. your scanner uses @code{%array}
5288 and one of its rules matched a string longer than the @code{YYLMAX}
5289 constant (8K bytes by default).  You can increase the value by
5290 #define'ing @code{YYLMAX} in the definitions section of your @code{flex}
5291 input.
5293 @item
5294 @samp{scanner requires -8 flag to use the character 'x'}. Your scanner
5295 specification includes recognizing the 8-bit character @samp{'x'} and
5296 you did not specify the -8 flag, and your scanner defaulted to 7-bit
5297 because you used the @samp{-Cf} or @samp{-CF} table compression options.
5298 See the discussion of the @samp{-7} flag, @ref{Scanner Options}, for
5299 details.
5301 @item
5302 @samp{flex scanner push-back overflow}. you used @code{unput()} to push
5303 back so much text that the scanner's buffer could not hold both the
5304 pushed-back text and the current token in @code{yytext}.  Ideally the
5305 scanner should dynamically resize the buffer in this case, but at
5306 present it does not.
5308 @item
5309 @samp{input buffer overflow, can't enlarge buffer because scanner uses
5310 REJECT}.  the scanner was working on matching an extremely large token
5311 and needed to expand the input buffer.  This doesn't work with scanners
5312 that use @code{REJECT}.
5314 @item
5315 @samp{fatal flex scanner internal error--end of buffer missed}. This can
5316 occur in a scanner which is reentered after a long-jump has jumped out
5317 (or over) the scanner's activation frame.  Before reentering the
5318 scanner, use:
5319 @example
5320 @verbatim
5321     yyrestart( yyin );
5322 @end verbatim
5323 @end example
5324 or, as noted above, switch to using the C++ scanner class.
5326 @item
5327 @samp{too many start conditions in <> construct!}  you listed more start
5328 conditions in a <> construct than exist (so you must have listed at
5329 least one of them twice).
5330 @end itemize
5332 @node Limitations, Bibliography, Diagnostics, Top
5333 @chapter Limitations
5335 @cindex limitations of flex
5337 Some trailing context patterns cannot be properly matched and generate
5338 warning messages (@samp{dangerous trailing context}).  These are
5339 patterns where the ending of the first part of the rule matches the
5340 beginning of the second part, such as @samp{zx*/xy*}, where the 'x*'
5341 matches the 'x' at the beginning of the trailing context.  (Note that
5342 the POSIX draft states that the text matched by such patterns is
5343 undefined.)  For some trailing context rules, parts which are actually
5344 fixed-length are not recognized as such, leading to the abovementioned
5345 performance loss.  In particular, parts using @samp{|} or @samp{@{n@}}
5346 (such as @samp{foo@{3@}}) are always considered variable-length.
5347 Combining trailing context with the special @samp{|} action can result
5348 in @emph{fixed} trailing context being turned into the more expensive
5349 @emph{variable} trailing context.  For example, in the following:
5351 @cindex warning, dangerous trailing context
5352 @example
5353 @verbatim
5354     %%
5355     abc      |
5356     xyz/def
5357 @end verbatim
5358 @end example
5360 Use of @code{unput()} invalidates yytext and yyleng, unless the
5361 @code{%array} directive or the @samp{-l} option has been used.
5362 Pattern-matching of @code{NUL}s is substantially slower than matching
5363 other characters.  Dynamic resizing of the input buffer is slow, as it
5364 entails rescanning all the text matched so far by the current (generally
5365 huge) token.  Due to both buffering of input and read-ahead, you cannot
5366 intermix calls to @file{<stdio.h>} routines, such as, @b{getchar()},
5367 with @code{flex} rules and expect it to work.  Call @code{input()}
5368 instead.  The total table entries listed by the @samp{-v} flag excludes
5369 the number of table entries needed to determine what rule has been
5370 matched.  The number of entries is equal to the number of DFA states if
5371 the scanner does not use @code{REJECT}, and somewhat greater than the
5372 number of states if it does.  @code{REJECT} cannot be used with the
5373 @samp{-f} or @samp{-F} options.
5375 The @code{flex} internal algorithms need documentation.
5377 @node Bibliography, FAQ, Limitations, Top
5378 @chapter Additional Reading
5380 You may wish to read more about the following programs:
5381 @itemize
5382 @item lex
5383 @item yacc
5384 @item sed
5385 @item awk
5386 @end itemize
5388 The following books may contain material of interest:
5390 John Levine, Tony Mason, and Doug Brown,
5391 @emph{Lex & Yacc},
5392 O'Reilly and Associates.  Be sure to get the 2nd edition.
5394 M. E. Lesk and E. Schmidt,
5395 @emph{LEX -- Lexical Analyzer Generator}
5397 Alfred Aho, Ravi Sethi and Jeffrey Ullman, @emph{Compilers: Principles,
5398 Techniques and Tools}, Addison-Wesley (1986).  Describes the
5399 pattern-matching techniques used by @code{flex} (deterministic finite
5400 automata).
5402 @node FAQ, Appendices, Bibliography, Top
5403 @unnumbered FAQ
5405 From time to time, the @code{flex} maintainer receives certain
5406 questions. Rather than repeat answers to well-understood problems, we
5407 publish them here.
5409 @menu
5410 * When was flex born?::         
5411 * How do I expand backslash-escape sequences in C-style quoted strings?::  
5412 * Why do flex scanners call fileno if it is not ANSI compatible?::  
5413 * Does flex support recursive pattern definitions?::  
5414 * How do I skip huge chunks of input (tens of megabytes) while using flex?::  
5415 * Flex is not matching my patterns in the same order that I defined them.::  
5416 * My actions are executing out of order or sometimes not at all.::  
5417 * How can I have multiple input sources feed into the same scanner at the same time?::  
5418 * Can I build nested parsers that work with the same input file?::  
5419 * How can I match text only at the end of a file?::  
5420 * How can I make REJECT cascade across start condition boundaries?::  
5421 * Why cant I use fast or full tables with interactive mode?::  
5422 * How much faster is -F or -f than -C?::  
5423 * If I have a simple grammar cant I just parse it with flex?::  
5424 * Why doesn't yyrestart() set the start state back to INITIAL?::  
5425 * How can I match C-style comments?::  
5426 * The period isn't working the way I expected.::  
5427 * Can I get the flex manual in another format?::  
5428 * Does there exist a "faster" NDFA->DFA algorithm?::  
5429 * How does flex compile the DFA so quickly?::  
5430 * How can I use more than 8192 rules?::  
5431 * How do I abandon a file in the middle of a scan and switch to a new file?::  
5432 * How do I execute code only during initialization (only before the first scan)?::  
5433 * How do I execute code at termination?::  
5434 * Where else can I find help?::  
5435 * Can I include comments in the "rules" section of the file?::  
5436 * I get an error about undefined yywrap().::  
5437 * How can I change the matching pattern at run time?::  
5438 * How can I expand macros in the input?::  
5439 * How can I build a two-pass scanner?::  
5440 * How do I match any string not matched in the preceding rules?::  
5441 * I am trying to port code from AT&T lex that uses yysptr and yysbuf.::  
5442 * Is there a way to make flex treat NULL like a regular character?::  
5443 * Whenever flex can not match the input it says "flex scanner jammed".::  
5444 * Why doesn't flex have non-greedy operators like perl does?::  
5445 * Memory leak - 16386 bytes allocated by malloc.::  
5446 * How do I track the byte offset for lseek()?::  
5447 * How do I use my own I/O classes in a C++ scanner?::  
5448 * How do I skip as many chars as possible?::  
5449 * deleteme00::              
5450 * Are certain equivalent patterns faster than others?::              
5451 * Is backing up a big deal?::              
5452 * Can I fake multi-byte character support?::              
5453 * deleteme01::              
5454 * Can you discuss some flex internals?::              
5455 * unput() messes up yy_at_bol::              
5456 * The | operator is not doing what I want::              
5457 * Why can't flex understand this variable trailing context pattern?::              
5458 * The ^ operator isn't working::              
5459 * Trailing context is getting confused with trailing optional patterns::              
5460 * Is flex GNU or not?::              
5461 * ERASEME53::              
5462 * I need to scan if-then-else blocks and while loops::              
5463 * ERASEME55::              
5464 * ERASEME56::              
5465 * ERASEME57::              
5466 * Is there a repository for flex scanners?::              
5467 * How can I conditionally compile or preprocess my flex input file?::              
5468 * Where can I find grammars for lex and yacc?::              
5469 * I get an end-of-buffer message for each character scanned.::              
5470 * unnamed-faq-62::              
5471 * unnamed-faq-63::              
5472 * unnamed-faq-64::              
5473 * unnamed-faq-65::              
5474 * unnamed-faq-66::              
5475 * unnamed-faq-67::              
5476 * unnamed-faq-68::              
5477 * unnamed-faq-69::              
5478 * unnamed-faq-70::              
5479 * unnamed-faq-71::              
5480 * unnamed-faq-72::              
5481 * unnamed-faq-73::              
5482 * unnamed-faq-74::              
5483 * unnamed-faq-75::              
5484 * unnamed-faq-76::              
5485 * unnamed-faq-77::              
5486 * unnamed-faq-78::              
5487 * unnamed-faq-79::              
5488 * unnamed-faq-80::              
5489 * unnamed-faq-81::              
5490 * unnamed-faq-82::              
5491 * unnamed-faq-83::              
5492 * unnamed-faq-84::              
5493 * unnamed-faq-85::              
5494 * unnamed-faq-86::              
5495 * unnamed-faq-87::              
5496 * unnamed-faq-88::              
5497 * unnamed-faq-90::              
5498 * unnamed-faq-91::              
5499 * unnamed-faq-92::              
5500 * unnamed-faq-93::              
5501 * unnamed-faq-94::              
5502 * unnamed-faq-95::              
5503 * unnamed-faq-96::              
5504 * unnamed-faq-97::              
5505 * unnamed-faq-98::              
5506 * unnamed-faq-99::              
5507 * unnamed-faq-100::             
5508 * unnamed-faq-101::             
5509 * What is the difference between YYLEX_PARAM and YY_DECL?::
5510 * Why do I get "conflicting types for yylex" error?::
5511 * How do I access the values set in a Flex action from within a Bison action?::
5512 @end menu
5514 @node  When was flex born?
5515 @unnumberedsec When was flex born?
5517 Vern Paxson took over
5518 the @cite{Software Tools} lex project from Jef Poskanzer in 1982.  At that point it
5519 was written in Ratfor.  Around 1987 or so, Paxson translated it into C, and
5520 a legend was born :-).
5522 @node How do I expand backslash-escape sequences in C-style quoted strings?
5523 @unnumberedsec How do I expand backslash-escape sequences in C-style quoted strings?
5525 A key point when scanning quoted strings is that you cannot (easily) write
5526 a single rule that will precisely match the string if you allow things
5527 like embedded escape sequences and newlines.  If you try to match strings
5528 with a single rule then you'll wind up having to rescan the string anyway
5529 to find any escape sequences.
5531 Instead you can use exclusive start conditions and a set of rules, one for
5532 matching non-escaped text, one for matching a single escape, one for
5533 matching an embedded newline, and one for recognizing the end of the
5534 string.  Each of these rules is then faced with the question of where to
5535 put its intermediary results.  The best solution is for the rules to
5536 append their local value of @code{yytext} to the end of a ``string literal''
5537 buffer.  A rule like the escape-matcher will append to the buffer the
5538 meaning of the escape sequence rather than the literal text in @code{yytext}.
5539 In this way, @code{yytext} does not need to be modified at all.
5541 @node  Why do flex scanners call fileno if it is not ANSI compatible?
5542 @unnumberedsec Why do flex scanners call fileno if it is not ANSI compatible?
5544 Flex scanners call @code{fileno()} in order to get the file descriptor
5545 corresponding to @code{yyin}. The file descriptor may be passed to
5546 @code{isatty()} or @code{read()}, depending upon which @code{%options} you specified.
5547 If your system does not have @code{fileno()} support, to get rid of the
5548 @code{read()} call, do not specify @code{%option read}. To get rid of the @code{isatty()}
5549 call, you must specify one of @code{%option always-interactive} or
5550 @code{%option never-interactive}.
5552 @node  Does flex support recursive pattern definitions?
5553 @unnumberedsec Does flex support recursive pattern definitions?
5555 e.g.,
5557 @example
5558 @verbatim
5560 block   "{"({block}|{statement})*"}"
5561 @end verbatim
5562 @end example
5564 No. You cannot have recursive definitions.  The pattern-matching power of
5565 regular expressions in general (and therefore flex scanners, too) is
5566 limited.  In particular, regular expressions cannot ``balance'' parentheses
5567 to an arbitrary degree.  For example, it's impossible to write a regular
5568 expression that matches all strings containing the same number of '@{'s
5569 as '@}'s.  For more powerful pattern matching, you need a parser, such
5570 as @cite{GNU bison}.
5572 @node  How do I skip huge chunks of input (tens of megabytes) while using flex?
5573 @unnumberedsec How do I skip huge chunks of input (tens of megabytes) while using flex?
5575 Use @code{fseek()} (or @code{lseek()}) to position yyin, then call @code{yyrestart()}.
5577 @node  Flex is not matching my patterns in the same order that I defined them.
5578 @unnumberedsec Flex is not matching my patterns in the same order that I defined them.
5580 @code{flex} picks the
5581 rule that matches the most text (i.e., the longest possible input string).
5582 This is because @code{flex} uses an entirely different matching technique
5583 (``deterministic finite automata'') that actually does all of the matching
5584 simultaneously, in parallel.  (Seems impossible, but it's actually a fairly
5585 simple technique once you understand the principles.)
5587 A side-effect of this parallel matching is that when the input matches more
5588 than one rule, @code{flex} scanners pick the rule that matched the @emph{most} text. This
5589 is explained further in the manual, in the section @xref{Matching}.
5591 If you want @code{flex} to choose a shorter match, then you can work around this
5592 behavior by expanding your short
5593 rule to match more text, then put back the extra:
5595 @example
5596 @verbatim
5597 data_.*        yyless( 5 ); BEGIN BLOCKIDSTATE;
5598 @end verbatim
5599 @end example
5601 Another fix would be to make the second rule active only during the
5602 @code{<BLOCKIDSTATE>} start condition, and make that start condition exclusive
5603 by declaring it with @code{%x} instead of @code{%s}.
5605 A final fix is to change the input language so that the ambiguity for
5606 @samp{data_} is removed, by adding characters to it that don't match the
5607 identifier rule, or by removing characters (such as @samp{_}) from the
5608 identifier rule so it no longer matches @samp{data_}.  (Of course, you might
5609 also not have the option of changing the input language.)
5611 @node  My actions are executing out of order or sometimes not at all.
5612 @unnumberedsec My actions are executing out of order or sometimes not at all.
5614 Most likely, you have (in error) placed the opening @samp{@{} of the action
5615 block on a different line than the rule, e.g.,
5617 @example
5618 @verbatim
5619 ^(foo|bar)
5620 {  <<<--- WRONG!
5623 @end verbatim
5624 @end example
5626 @code{flex} requires that the opening @samp{@{} of an action associated with a rule
5627 begin on the same line as does the rule.  You need instead to write your rules
5628 as follows:
5630 @example
5631 @verbatim
5632 ^(foo|bar)   {  // CORRECT!
5635 @end verbatim
5636 @end example
5638 @node  How can I have multiple input sources feed into the same scanner at the same time?
5639 @unnumberedsec How can I have multiple input sources feed into the same scanner at the same time?
5641 If @dots{}
5642 @itemize
5643 @item
5644 your scanner is free of backtracking (verified using @code{flex}'s @samp{-b} flag),
5645 @item
5646 AND you run your scanner interactively (@samp{-I} option; default unless using special table
5647 compression options),
5648 @item
5649 AND you feed it one character at a time by redefining @code{YY_INPUT} to do so,
5650 @end itemize
5652 then every time it matches a token, it will have exhausted its input
5653 buffer (because the scanner is free of backtracking).  This means you
5654 can safely use @code{select()} at the point and only call @code{yylex()} for another
5655 token if @code{select()} indicates there's data available.
5657 That is, move the @code{select()} out from the input function to a point where
5658 it determines whether @code{yylex()} gets called for the next token.
5660 With this approach, you will still have problems if your input can arrive
5661 piecemeal; @code{select()} could inform you that the beginning of a token is
5662 available, you call @code{yylex()} to get it, but it winds up blocking waiting
5663 for the later characters in the token.
5665 Here's another way:  Move your input multiplexing inside of @code{YY_INPUT}.  That
5666 is, whenever @code{YY_INPUT} is called, it @code{select()}'s to see where input is
5667 available.  If input is available for the scanner, it reads and returns the
5668 next byte.  If input is available from another source, it calls whatever
5669 function is responsible for reading from that source.  (If no input is
5670 available, it blocks until some input is available.)  I've used this technique in an
5671 interpreter I wrote that both reads keyboard input using a @code{flex} scanner and
5672 IPC traffic from sockets, and it works fine.
5674 @node  Can I build nested parsers that work with the same input file?
5675 @unnumberedsec Can I build nested parsers that work with the same input file?
5677 This is not going to work without some additional effort.  The reason is
5678 that @code{flex} block-buffers the input it reads from @code{yyin}.  This means that the
5679 ``outermost'' @code{yylex()}, when called, will automatically slurp up the first 8K
5680 of input available on yyin, and subsequent calls to other @code{yylex()}'s won't
5681 see that input.  You might be tempted to work around this problem by
5682 redefining @code{YY_INPUT} to only return a small amount of text, but it turns out
5683 that that approach is quite difficult.  Instead, the best solution is to
5684 combine all of your scanners into one large scanner, using a different
5685 exclusive start condition for each.
5687 @node  How can I match text only at the end of a file?
5688 @unnumberedsec How can I match text only at the end of a file?
5690 There is no way to write a rule which is ``match this text, but only if
5691 it comes at the end of the file''.  You can fake it, though, if you happen
5692 to have a character lying around that you don't allow in your input.
5693 Then you redefine @code{YY_INPUT} to call your own routine which, if it sees
5694 an @samp{EOF}, returns the magic character first (and remembers to return a
5695 real @code{EOF} next time it's called).  Then you could write:
5697 @example
5698 @verbatim
5699 <COMMENT>(.|\n)*{EOF_CHAR}    /* saw comment at EOF */
5700 @end verbatim
5701 @end example
5703 @node  How can I make REJECT cascade across start condition boundaries?
5704 @unnumberedsec How can I make REJECT cascade across start condition boundaries?
5706 You can do this as follows.  Suppose you have a start condition @samp{A}, and
5707 after exhausting all of the possible matches in @samp{<A>}, you want to try
5708 matches in @samp{<INITIAL>}.  Then you could use the following:
5710 @example
5711 @verbatim
5712 %x A
5714 <A>rule_that_is_long    ...; REJECT;
5715 <A>rule                 ...; REJECT; /* shorter rule */
5716 <A>etc.
5718 <A>.|\n  {
5719 /* Shortest and last rule in <A>, so
5720 * cascaded REJECTs will eventually
5721 * wind up matching this rule.  We want
5722 * to now switch to the initial state
5723 * and try matching from there instead.
5725 yyless(0);    /* put back matched text */
5726 BEGIN(INITIAL);
5728 @end verbatim
5729 @end example
5731 @node  Why cant I use fast or full tables with interactive mode?
5732 @unnumberedsec Why can't I use fast or full tables with interactive mode?
5734 One of the assumptions
5735 flex makes is that interactive applications are inherently slow (they're
5736 waiting on a human after all).
5737 It has to do with how the scanner detects that it must be finished scanning
5738 a token.  For interactive scanners, after scanning each character the current
5739 state is looked up in a table (essentially) to see whether there's a chance
5740 of another input character possibly extending the length of the match.  If
5741 not, the scanner halts.  For non-interactive scanners, the end-of-token test
5742 is much simpler, basically a compare with 0, so no memory bus cycles.  Since
5743 the test occurs in the innermost scanning loop, one would like to make it go
5744 as fast as possible.
5746 Still, it seems reasonable to allow the user to choose to trade off a bit
5747 of performance in this area to gain the corresponding flexibility.  There
5748 might be another reason, though, why fast scanners don't support the
5749 interactive option.
5751 @node  How much faster is -F or -f than -C?
5752 @unnumberedsec How much faster is -F or -f than -C?
5754 Much faster (factor of 2-3).
5756 @node  If I have a simple grammar cant I just parse it with flex?
5757 @unnumberedsec If I have a simple grammar can't I just parse it with flex?
5759 Is your grammar recursive? That's almost always a sign that you're
5760 better off using a parser/scanner rather than just trying to use a scanner
5761 alone.
5763 @node  Why doesn't yyrestart() set the start state back to INITIAL?
5764 @unnumberedsec Why doesn't yyrestart() set the start state back to INITIAL?
5766 There are two reasons.  The first is that there might
5767 be programs that rely on the start state not changing across file changes.
5768 The second is that beginning with @code{flex} version 2.4, use of @code{yyrestart()} is no longer required,
5769 so fixing the problem there doesn't solve the more general problem.
5771 @node  How can I match C-style comments?
5772 @unnumberedsec How can I match C-style comments?
5774 You might be tempted to try something like this:
5776 @example
5777 @verbatim
5778 "/*".*"*/"       // WRONG!
5779 @end verbatim
5780 @end example
5782 or, worse, this:
5784 @example
5785 @verbatim
5786 "/*"(.|\n)"*/"   // WRONG!
5787 @end verbatim
5788 @end example
5790 The above rules will eat too much input, and blow up on things like:
5792 @example
5793 @verbatim
5794 /* a comment */ do_my_thing( "oops */" );
5795 @end verbatim
5796 @end example
5798 Here is one way which allows you to track line information:
5800 @example
5801 @verbatim
5802 <INITIAL>{
5803 "/*"              BEGIN(IN_COMMENT);
5805 <IN_COMMENT>{
5806 "*/"      BEGIN(INITIAL);
5807 [^*\n]+   // eat comment in chunks
5808 "*"       // eat the lone star
5809 \n        yylineno++;
5811 @end verbatim
5812 @end example
5814 @node  The period isn't working the way I expected.
5815 @unnumberedsec The '.' isn't working the way I expected.
5817 Here are some tips for using @samp{.}:
5819 @itemize
5820 @item
5821 A common mistake is to place the grouping parenthesis AFTER an operator, when
5822 you really meant to place the parenthesis BEFORE the operator, e.g., you
5823 probably want this @code{(foo|bar)+} and NOT this @code{(foo|bar+)}.
5825 The first pattern matches the words @samp{foo} or @samp{bar} any number of
5826 times, e.g., it matches the text @samp{barfoofoobarfoo}. The
5827 second pattern matches a single instance of @code{foo} or a single instance of
5828 @code{bar} followed by one or more @samp{r}s, e.g., it matches the text @code{barrrr} .
5829 @item
5830 A @samp{.} inside @samp{[]}'s just means a literal@samp{.} (period),
5831 and NOT ``any character except newline''.
5832 @item
5833 Remember that @samp{.} matches any character EXCEPT @samp{\n} (and @samp{EOF}).
5834 If you really want to match ANY character, including newlines, then use @code{(.|\n)}
5835 Beware that the regex @code{(.|\n)+} will match your entire input!
5836 @item
5837 Finally, if you want to match a literal @samp{.} (a period), then use @samp{[.]} or @samp{"."}
5838 @end itemize
5840 @node  Can I get the flex manual in another format?
5841 @unnumberedsec Can I get the flex manual in another format?
5843 The @code{flex} source distribution  includes a texinfo manual. You are
5844 free to convert that texinfo into whatever format you desire. The
5845 @code{texinfo} package includes tools for conversion to a number of formats.
5847 @node  Does there exist a "faster" NDFA->DFA algorithm?
5848 @unnumberedsec Does there exist a "faster" NDFA->DFA algorithm?
5850 There's no way around the potential exponential running time - it
5851 can take you exponential time just to enumerate all of the DFA states.
5852 In practice, though, the running time is closer to linear, or sometimes
5853 quadratic.
5855 @node  How does flex compile the DFA so quickly?
5856 @unnumberedsec How does flex compile the DFA so quickly?
5858 There are two big speed wins that @code{flex} uses:
5860 @enumerate
5861 @item
5862 It analyzes the input rules to construct equivalence classes for those
5863 characters that always make the same transitions.  It then rewrites the NFA
5864 using equivalence classes for transitions instead of characters.  This cuts
5865 down the NFA->DFA computation time dramatically, to the point where, for
5866 uncompressed DFA tables, the DFA generation is often I/O bound in writing out
5867 the tables.
5868 @item
5869 It maintains hash values for previously computed DFA states, so testing
5870 whether a newly constructed DFA state is equivalent to a previously constructed
5871 state can be done very quickly, by first comparing hash values.
5872 @end enumerate
5874 @node  How can I use more than 8192 rules?
5875 @unnumberedsec How can I use more than 8192 rules?
5877 @code{Flex} is compiled with an upper limit of 8192 rules per scanner.
5878 If you need more than 8192 rules in your scanner, you'll have to recompile @code{flex}
5879 with the following changes in @file{flexdef.h}:
5881 @example
5882 @verbatim
5883 <    #define YY_TRAILING_MASK 0x2000
5884 <    #define YY_TRAILING_HEAD_MASK 0x4000
5886 >    #define YY_TRAILING_MASK 0x20000000
5887 >    #define YY_TRAILING_HEAD_MASK 0x40000000
5888 @end verbatim
5889 @end example
5891 This should work okay as long as your C compiler uses 32 bit integers.
5892 But you might want to think about whether using such a huge number of rules
5893 is the best way to solve your problem.
5895 The following may also be relevant:
5897 With luck, you should be able to increase the definitions in flexdef.h for:
5899 @example
5900 @verbatim
5901 #define JAMSTATE -32766 /* marks a reference to the state that always jams */
5902 #define MAXIMUM_MNS 31999
5903 #define BAD_SUBSCRIPT -32767
5904 @end verbatim
5905 @end example
5907 recompile everything, and it'll all work.  Flex only has these 16-bit-like
5908 values built into it because a long time ago it was developed on a machine
5909 with 16-bit ints.  I've given this advice to others in the past but haven't
5910 heard back from them whether it worked okay or not...
5912 @node  How do I abandon a file in the middle of a scan and switch to a new file?
5913 @unnumberedsec How do I abandon a file in the middle of a scan and switch to a new file?
5915 Just call @code{yyrestart(newfile)}. Be sure to reset the start state if you want a
5916 ``fresh start, since @code{yyrestart} does NOT reset the start state back to @code{INITIAL}.
5918 @node  How do I execute code only during initialization (only before the first scan)?
5919 @unnumberedsec How do I execute code only during initialization (only before the first scan)?
5921 You can specify an initial action by defining the macro @code{YY_USER_INIT} (though
5922 note that @code{yyout} may not be available at the time this macro is executed).  Or you
5923 can add to the beginning of your rules section:
5925 @example
5926 @verbatim
5928     /* Must be indented! */
5929     static int did_init = 0;
5931     if ( ! did_init ){
5932 do_my_init();
5933         did_init = 1;
5934     }
5935 @end verbatim
5936 @end example
5938 @node  How do I execute code at termination?
5939 @unnumberedsec How do I execute code at termination?
5941 You can specify an action for the @code{<<EOF>>} rule.
5943 @node  Where else can I find help?
5944 @unnumberedsec Where else can I find help?
5946 You can find the flex homepage on the web at
5947 @uref{http://flex.sourceforge.net/}. See that page for details about flex
5948 mailing lists as well.
5950 @node  Can I include comments in the "rules" section of the file?
5951 @unnumberedsec Can I include comments in the "rules" section of the file?
5953 Yes, just about anywhere you want to. See the manual for the specific syntax.
5955 @node  I get an error about undefined yywrap().
5956 @unnumberedsec I get an error about undefined yywrap().
5958 You must supply a @code{yywrap()} function of your own, or link to @file{libfl.a}
5959 (which provides one), or use
5961 @example
5962 @verbatim
5963 %option noyywrap
5964 @end verbatim
5965 @end example
5967 in your source to say you don't want a @code{yywrap()} function.
5969 @node  How can I change the matching pattern at run time?
5970 @unnumberedsec How can I change the matching pattern at run time?
5972 You can't, it's compiled into a static table when flex builds the scanner.
5974 @node How can I expand macros in the input?
5975 @unnumberedsec How can I expand macros in the input?
5977 The best way to approach this problem is at a higher level, e.g., in the parser.
5979 However, you can do this using multiple input buffers.
5981 @example
5982 @verbatim
5984 macro/[a-z]+    {
5985 /* Saw the macro "macro" followed by extra stuff. */
5986 main_buffer = YY_CURRENT_BUFFER;
5987 expansion_buffer = yy_scan_string(expand(yytext));
5988 yy_switch_to_buffer(expansion_buffer);
5991 <<EOF>> {
5992 if ( expansion_buffer )
5994 // We were doing an expansion, return to where
5995 // we were.
5996 yy_switch_to_buffer(main_buffer);
5997 yy_delete_buffer(expansion_buffer);
5998 expansion_buffer = 0;
6000 else
6001 yyterminate();
6003 @end verbatim
6004 @end example
6006 You probably will want a stack of expansion buffers to allow nested macros.
6007 From the above though hopefully the idea is clear.
6009 @node How can I build a two-pass scanner?
6010 @unnumberedsec How can I build a two-pass scanner?
6012 One way to do it is to filter the first pass to a temporary file,
6013 then process the temporary file on the second pass. You will probably see a
6014 performance hit, due to all the disk I/O.
6016 When you need to look ahead far forward like this, it almost always means
6017 that the right solution is to build a parse tree of the entire input, then
6018 walk it after the parse in order to generate the output.  In a sense, this
6019 is a two-pass approach, once through the text and once through the parse
6020 tree, but the performance hit for the latter is usually an order of magnitude
6021 smaller, since everything is already classified, in binary format, and
6022 residing in memory.
6024 @node How do I match any string not matched in the preceding rules?
6025 @unnumberedsec How do I match any string not matched in the preceding rules?
6027 One way to assign precedence, is to place the more specific rules first. If
6028 two rules would match the same input (same sequence of characters) then the
6029 first rule listed in the @code{flex} input wins, e.g.,
6031 @example
6032 @verbatim
6034 foo[a-zA-Z_]+    return FOO_ID;
6035 bar[a-zA-Z_]+    return BAR_ID;
6036 [a-zA-Z_]+       return GENERIC_ID;
6037 @end verbatim
6038 @end example
6040 Note that the rule @code{[a-zA-Z_]+} must come *after* the others.  It will match the
6041 same amount of text as the more specific rules, and in that case the
6042 @code{flex} scanner will pick the first rule listed in your scanner as the
6043 one to match.
6045 @node I am trying to port code from AT&T lex that uses yysptr and yysbuf.
6046 @unnumberedsec I am trying to port code from AT&T lex that uses yysptr and yysbuf.
6048 Those are internal variables pointing into the AT&T scanner's input buffer.  I
6049 imagine they're being manipulated in user versions of the @code{input()} and @code{unput()}
6050 functions.  If so, what you need to do is analyze those functions to figure out
6051 what they're doing, and then replace @code{input()} with an appropriate definition of
6052 @code{YY_INPUT}.  You shouldn't need to (and must not) replace
6053 @code{flex}'s @code{unput()} function.
6055 @node Is there a way to make flex treat NULL like a regular character?
6056 @unnumberedsec Is there a way to make flex treat NULL like a regular character?
6058 Yes, @samp{\0} and @samp{\x00} should both do the trick.  Perhaps you have an ancient
6059 version of @code{flex}.  The latest release is version @value{VERSION}.
6061 @node Whenever flex can not match the input it says "flex scanner jammed".
6062 @unnumberedsec Whenever flex can not match the input it says "flex scanner jammed".
6064 You need to add a rule that matches the otherwise-unmatched text,
6065 e.g.,
6067 @example
6068 @verbatim
6069 %option yylineno
6071 [[a bunch of rules here]]
6073 .       printf("bad input character '%s' at line %d\n", yytext, yylineno);
6074 @end verbatim
6075 @end example
6077 See @code{%option default} for more information.
6079 @node Why doesn't flex have non-greedy operators like perl does?
6080 @unnumberedsec Why doesn't flex have non-greedy operators like perl does?
6082 A DFA can do a non-greedy match by stopping
6083 the first time it enters an accepting state, instead of consuming input until
6084 it determines that no further matching is possible (a ``jam'' state).  This
6085 is actually easier to implement than longest leftmost match (which flex does).
6087 But it's also much less useful than longest leftmost match.  In general,
6088 when you find yourself wishing for non-greedy matching, that's usually a
6089 sign that you're trying to make the scanner do some parsing.  That's
6090 generally the wrong approach, since it lacks the power to do a decent job.
6091 Better is to either introduce a separate parser, or to split the scanner
6092 into multiple scanners using (exclusive) start conditions.
6094 You might have
6095 a separate start state once you've seen the @samp{BEGIN}. In that state, you
6096 might then have a regex that will match @samp{END} (to kick you out of the
6097 state), and perhaps @samp{(.|\n)} to get a single character within the chunk ...
6099 This approach also has much better error-reporting properties.
6101 @node Memory leak - 16386 bytes allocated by malloc.
6102 @unnumberedsec Memory leak - 16386 bytes allocated by malloc.
6103 @anchor{faq-memory-leak}
6105 UPDATED 2002-07-10: As of @code{flex} version 2.5.9, this leak means that you did not
6106 call @code{yylex_destroy()}. If you are using an earlier version of @code{flex}, then read
6109 The leak is about 16426 bytes.  That is, (8192 * 2 + 2) for the read-buffer, and
6110 about 40 for @code{struct yy_buffer_state} (depending upon alignment). The leak is in
6111 the non-reentrant C scanner only (NOT in the reentrant scanner, NOT in the C++
6112 scanner). Since @code{flex} doesn't know when you are done, the buffer is never freed.
6114 However, the leak won't multiply since the buffer is reused no matter how many
6115 times you call @code{yylex()}.
6117 If you want to reclaim the memory when you are completely done scanning, then
6118 you might try this:
6120 @example
6121 @verbatim
6122 /* For non-reentrant C scanner only. */
6123 yy_delete_buffer(YY_CURRENT_BUFFER);
6124 yy_init = 1;
6125 @end verbatim
6126 @end example
6128 Note: @code{yy_init} is an "internal variable", and hasn't been tested in this
6129 situation. It is possible that some other globals may need resetting as well.
6131 @node How do I track the byte offset for lseek()?
6132 @unnumberedsec How do I track the byte offset for lseek()?
6134 @example
6135 @verbatim
6136 >   We thought that it would be possible to have this number through the
6137 >   evaluation of the following expression:
6139 >   seek_position = (no_buffers)*YY_READ_BUF_SIZE + yy_c_buf_p - YY_CURRENT_BUFFER->yy_ch_buf
6140 @end verbatim
6141 @end example
6143 While this is the right idea, it has two problems.  The first is that
6144 it's possible that @code{flex} will request less than @code{YY_READ_BUF_SIZE} during
6145 an invocation of @code{YY_INPUT} (or that your input source will return less
6146 even though @code{YY_READ_BUF_SIZE} bytes were requested).  The second problem
6147 is that when refilling its internal buffer, @code{flex} keeps some characters
6148 from the previous buffer (because usually it's in the middle of a match,
6149 and needs those characters to construct @code{yytext} for the match once it's
6150 done).  Because of this, @code{yy_c_buf_p - YY_CURRENT_BUFFER->yy_ch_buf} won't
6151 be exactly the number of characters already read from the current buffer.
6153 An alternative solution is to count the number of characters you've matched
6154 since starting to scan.  This can be done by using @code{YY_USER_ACTION}.  For
6155 example,
6157 @example
6158 @verbatim
6159 #define YY_USER_ACTION num_chars += yyleng;
6160 @end verbatim
6161 @end example
6163 (You need to be careful to update your bookkeeping if you use @code{yymore(}),
6164 @code{yyless()}, @code{unput()}, or @code{input()}.)
6166 @node How do I use my own I/O classes in a C++ scanner?
6167 @section How do I use my own I/O classes in a C++ scanner?
6169 When the flex C++ scanning class rewrite finally happens, then this sort of thing should become much easier.
6171 @cindex LexerOutput, overriding
6172 @cindex LexerInput, overriding
6173 @cindex overriding LexerOutput
6174 @cindex overriding LexerInput
6175 @cindex customizing I/O in C++ scanners
6176 @cindex C++ I/O, customizing
6177 You can do this by passing the various functions (such as @code{LexerInput()}
6178 and @code{LexerOutput()}) NULL @code{iostream*}'s, and then
6179 dealing with your own I/O classes surreptitiously (i.e., stashing them in
6180 special member variables).  This works because the only assumption about
6181 the lexer regarding what's done with the iostream's is that they're
6182 ultimately passed to @code{LexerInput()} and @code{LexerOutput}, which then do whatever
6183 is necessary with them.
6185 @c faq edit stopped here
6186 @node How do I skip as many chars as possible?
6187 @unnumberedsec How do I skip as many chars as possible?
6189 How do I skip as many chars as possible -- without interfering with the other
6190 patterns?
6192 In the example below, we want to skip over characters until we see the phrase
6193 "endskip". The following will @emph{NOT} work correctly (do you see why not?)
6195 @example
6196 @verbatim
6197 /* INCORRECT SCANNER */
6198 %x SKIP
6200 <INITIAL>startskip   BEGIN(SKIP);
6202 <SKIP>"endskip"       BEGIN(INITIAL);
6203 <SKIP>.*             ;
6204 @end verbatim
6205 @end example
6207 The problem is that the pattern .* will eat up the word "endskip."
6208 The simplest (but slow) fix is:
6210 @example
6211 @verbatim
6212 <SKIP>"endskip"      BEGIN(INITIAL);
6213 <SKIP>.              ;
6214 @end verbatim
6215 @end example
6217 The fix involves making the second rule match more, without
6218 making it match "endskip" plus something else.  So for example:
6220 @example
6221 @verbatim
6222 <SKIP>"endskip"     BEGIN(INITIAL);
6223 <SKIP>[^e]+         ;
6224 <SKIP>.                 ;/* so you eat up e's, too */
6225 @end verbatim
6226 @end example
6228 @c TODO: Evaluate this faq.
6229 @node deleteme00
6230 @unnumberedsec deleteme00
6231 @example
6232 @verbatim
6233 QUESTION:
6234 When was flex born?
6236 Vern Paxson took over
6237 the Software Tools lex project from Jef Poskanzer in 1982.  At that point it
6238 was written in Ratfor.  Around 1987 or so, Paxson translated it into C, and
6239 a legend was born :-).
6240 @end verbatim
6241 @end example
6243 @c TODO: Evaluate this faq.
6244 @node Are certain equivalent patterns faster than others?
6245 @unnumberedsec Are certain equivalent patterns faster than others?
6246 @example
6247 @verbatim
6248 To: Adoram Rogel <adoram@orna.hybridge.com>
6249 Subject: Re: Flex 2.5.2 performance questions
6250 In-reply-to: Your message of Wed, 18 Sep 96 11:12:17 EDT.
6251 Date: Wed, 18 Sep 96 10:51:02 PDT
6252 From: Vern Paxson <vern>
6254 [Note, the most recent flex release is 2.5.4, which you can get from
6255 ftp.ee.lbl.gov.  It has bug fixes over 2.5.2 and 2.5.3.]
6257 > 1. Using the pattern
6258 >    ([Ff](oot)?)?[Nn](ote)?(\.)?
6259 >    instead of
6260 >    (((F|f)oot(N|n)ote)|((N|n)ote)|((N|n)\.)|((F|f)(N|n)(\.)))
6261 >    (in a very complicated flex program) caused the program to slow from
6262 >    300K+/min to 100K/min (no other changes were done).
6264 These two are not equivalent.  For example, the first can match "footnote."
6265 but the second can only match "footnote".  This is almost certainly the
6266 cause in the discrepancy - the slower scanner run is matching more tokens,
6267 and/or having to do more backing up.
6269 > 2. Which of these two are better: [Ff]oot or (F|f)oot ?
6271 From a performance point of view, they're equivalent (modulo presumably
6272 minor effects such as memory cache hit rates; and the presence of trailing
6273 context, see below).  From a space point of view, the first is slightly
6274 preferable.
6276 > 3. I have a pattern that look like this:
6277 >    pats {p1}|{p2}|{p3}|...|{p50}     (50 patterns ORd)
6279 >    running yet another complicated program that includes the following rule:
6280 >    <snext>{and}/{no4}{bb}{pats}
6282 >    gets me to "too complicated - over 32,000 states"...
6284 I can't tell from this example whether the trailing context is variable-length
6285 or fixed-length (it could be the latter if {and} is fixed-length).  If it's
6286 variable length, which flex -p will tell you, then this reflects a basic
6287 performance problem, and if you can eliminate it by restructuring your
6288 scanner, you will see significant improvement.
6290 >    so I divided {pats} to {pats1}, {pats2},..., {pats5} each consists of about
6291 >    10 patterns and changed the rule to be 5 rules.
6292 >    This did compile, but what is the rule of thumb here ?
6294 The rule is to avoid trailing context other than fixed-length, in which for
6295 a/b, either the 'a' pattern or the 'b' pattern have a fixed length.  Use
6296 of the '|' operator automatically makes the pattern variable length, so in
6297 this case '[Ff]oot' is preferred to '(F|f)oot'.
6299 > 4. I changed a rule that looked like this:
6300 >    <snext8>{and}{bb}/{ROMAN}[^A-Za-z] { BEGIN...
6302 >    to the next 2 rules:
6303 >    <snext8>{and}{bb}/{ROMAN}[A-Za-z] { ECHO;}
6304 >    <snext8>{and}{bb}/{ROMAN}         { BEGIN...
6306 >    Again, I understand the using [^...] will cause a great performance loss
6308 Actually, it doesn't cause any sort of performance loss.  It's a surprising
6309 fact about regular expressions that they always match in linear time
6310 regardless of how complex they are.
6312 >    but are there any specific rules about it ?
6314 See the "Performance Considerations" section of the man page, and also
6315 the example in MISC/fastwc/.
6317                 Vern
6318 @end verbatim
6319 @end example
6321 @c TODO: Evaluate this faq.
6322 @node Is backing up a big deal?
6323 @unnumberedsec Is backing up a big deal?
6324 @example
6325 @verbatim
6326 To: Adoram Rogel <adoram@hybridge.com>
6327 Subject: Re: Flex 2.5.2 performance questions
6328 In-reply-to: Your message of Thu, 19 Sep 96 10:16:04 EDT.
6329 Date: Thu, 19 Sep 96 09:58:00 PDT
6330 From: Vern Paxson <vern>
6332 > a lot about the backing up problem.
6333 > I believe that there lies my biggest problem, and I'll try to improve
6334 > it.
6336 Since you have variable trailing context, this is a bigger performance
6337 problem.  Fixing it is usually easier than fixing backing up, which in a
6338 complicated scanner (yours seems to fit the bill) can be extremely
6339 difficult to do correctly.
6341 You also don't mention what flags you are using for your scanner.
6342 -f makes a large speed difference, and -Cfe buys you nearly as much
6343 speed but the resulting scanner is considerably smaller.
6345 > I have an | operator in {and} and in {pats} so both of them are variable
6346 > length.
6348 -p should have reported this.
6350 > Is changing one of them to fixed-length is enough ?
6352 Yes.
6354 > Is it possible to change the 32,000 states limit ?
6356 Yes.  I've appended instructions on how.  Before you make this change,
6357 though, you should think about whether there are ways to fundamentally
6358 simplify your scanner - those are certainly preferable!
6360                 Vern
6362 To increase the 32K limit (on a machine with 32 bit integers), you increase
6363 the magnitude of the following in flexdef.h:
6365 #define JAMSTATE -32766 /* marks a reference to the state that always jams */
6366 #define MAXIMUM_MNS 31999
6367 #define BAD_SUBSCRIPT -32767
6368 #define MAX_SHORT 32700
6370 Adding a 0 or two after each should do the trick.
6371 @end verbatim
6372 @end example
6374 @c TODO: Evaluate this faq.
6375 @node Can I fake multi-byte character support?
6376 @unnumberedsec Can I fake multi-byte character support?
6377 @example
6378 @verbatim
6379 To: Heeman_Lee@hp.com
6380 Subject: Re: flex - multi-byte support?
6381 In-reply-to: Your message of Thu, 03 Oct 1996 17:24:04 PDT.
6382 Date: Fri, 04 Oct 1996 11:42:18 PDT
6383 From: Vern Paxson <vern>
6385 >      I assume as long as my *.l file defines the
6386 >      range of expected character code values (in octal format), flex will
6387 >      scan the file and read multi-byte characters correctly. But I have no
6388 >      confidence in this assumption.
6390 Your lack of confidence is justified - this won't work.
6392 Flex has in it a widespread assumption that the input is processed
6393 one byte at a time.  Fixing this is on the to-do list, but is involved,
6394 so it won't happen any time soon.  In the interim, the best I can suggest
6395 (unless you want to try fixing it yourself) is to write your rules in
6396 terms of pairs of bytes, using definitions in the first section:
6398         X       \xfe\xc2
6399         ...
6400         %%
6401         foo{X}bar       found_foo_fe_c2_bar();
6403 etc.  Definitely a pain - sorry about that.
6405 By the way, the email address you used for me is ancient, indicating you
6406 have a very old version of flex.  You can get the most recent, 2.5.4, from
6407 ftp.ee.lbl.gov.
6409                 Vern
6410 @end verbatim
6411 @end example
6413 @c TODO: Evaluate this faq.
6414 @node deleteme01
6415 @unnumberedsec deleteme01
6416 @example
6417 @verbatim
6418 To: moleary@primus.com
6419 Subject: Re: Flex / Unicode compatibility question
6420 In-reply-to: Your message of Tue, 22 Oct 1996 10:15:42 PDT.
6421 Date: Tue, 22 Oct 1996 11:06:13 PDT
6422 From: Vern Paxson <vern>
6424 Unfortunately flex at the moment has a widespread assumption within it
6425 that characters are processed 8 bits at a time.  I don't see any easy
6426 fix for this (other than writing your rules in terms of double characters -
6427 a pain).  I also don't know of a wider lex, though you might try surfing
6428 the Plan 9 stuff because I know it's a Unicode system, and also the PCCT
6429 toolkit (try searching say Alta Vista for "Purdue Compiler Construction
6430 Toolkit").
6432 Fixing flex to handle wider characters is on the long-term to-do list.
6433 But since flex is a strictly spare-time project these days, this probably
6434 won't happen for quite a while, unless someone else does it first.
6436                 Vern
6437 @end verbatim
6438 @end example
6440 @c TODO: Evaluate this faq.
6441 @node Can you discuss some flex internals?
6442 @unnumberedsec Can you discuss some flex internals?
6443 @example
6444 @verbatim
6445 To: Johan Linde <jl@theophys.kth.se>
6446 Subject: Re: translation of flex
6447 In-reply-to: Your message of Sun, 10 Nov 1996 09:16:36 PST.
6448 Date: Mon, 11 Nov 1996 10:33:50 PST
6449 From: Vern Paxson <vern>
6451 > I'm working for the Swedish team translating GNU program, and I'm currently
6452 > working with flex. I have a few questions about some of the messages which
6453 > I hope you can answer.
6455 All of the things you're wondering about, by the way, concerning flex
6456 internals - probably the only person who understands what they mean in
6457 English is me!  So I wouldn't worry too much about getting them right.
6458 That said ...
6460 > #: main.c:545
6461 > msgid "  %d protos created\n"
6463 > Does proto mean prototype?
6465 Yes - prototypes of state compression tables.
6467 > #: main.c:539
6468 > msgid "  %d/%d (peak %d) template nxt-chk entries created\n"
6470 > Here I'm mainly puzzled by 'nxt-chk'. I guess it means 'next-check'. (?)
6471 > However, 'template next-check entries' doesn't make much sense to me. To be
6472 > able to find a good translation I need to know a little bit more about it.
6474 There is a scheme in the Aho/Sethi/Ullman compiler book for compressing
6475 scanner tables.  It involves creating two pairs of tables.  The first has
6476 "base" and "default" entries, the second has "next" and "check" entries.
6477 The "base" entry is indexed by the current state and yields an index into
6478 the next/check table.  The "default" entry gives what to do if the state
6479 transition isn't found in next/check.  The "next" entry gives the next
6480 state to enter, but only if the "check" entry verifies that this entry is
6481 correct for the current state.  Flex creates templates of series of
6482 next/check entries and then encodes differences from these templates as a
6483 way to compress the tables.
6485 > #: main.c:533
6486 > msgid "  %d/%d base-def entries created\n"
6488 > The same problem here for 'base-def'.
6490 See above.
6492                 Vern
6493 @end verbatim
6494 @end example
6496 @c TODO: Evaluate this faq.
6497 @node unput() messes up yy_at_bol
6498 @unnumberedsec unput() messes up yy_at_bol
6499 @example
6500 @verbatim
6501 To: Xinying Li <xli@npac.syr.edu>
6502 Subject: Re: FLEX ?
6503 In-reply-to: Your message of Wed, 13 Nov 1996 17:28:38 PST.
6504 Date: Wed, 13 Nov 1996 19:51:54 PST
6505 From: Vern Paxson <vern>
6507 > "unput()" them to input flow, question occurs. If I do this after I scan
6508 > a carriage, the variable "YY_CURRENT_BUFFER->yy_at_bol" is changed. That
6509 > means the carriage flag has gone.
6511 You can control this by calling yy_set_bol().  It's described in the manual.
6513 >      And if in pre-reading it goes to the end of file, is anything done
6514 > to control the end of curren buffer and end of file?
6516 No, there's no way to put back an end-of-file.
6518 >      By the way I am using flex 2.5.2 and using the "-l".
6520 The latest release is 2.5.4, by the way.  It fixes some bugs in 2.5.2 and
6521 2.5.3.  You can get it from ftp.ee.lbl.gov.
6523                 Vern
6524 @end verbatim
6525 @end example
6527 @c TODO: Evaluate this faq.
6528 @node The | operator is not doing what I want
6529 @unnumberedsec The | operator is not doing what I want
6530 @example
6531 @verbatim
6532 To: Alain.ISSARD@st.com
6533 Subject: Re: Start condition with FLEX
6534 In-reply-to: Your message of Mon, 18 Nov 1996 09:45:02 PST.
6535 Date: Mon, 18 Nov 1996 10:41:34 PST
6536 From: Vern Paxson <vern>
6538 > I am not able to use the start condition scope and to use the | (OR) with
6539 > rules having start conditions.
6541 The problem is that if you use '|' as a regular expression operator, for
6542 example "a|b" meaning "match either 'a' or 'b'", then it must *not* have
6543 any blanks around it.  If you instead want the special '|' *action* (which
6544 from your scanner appears to be the case), which is a way of giving two
6545 different rules the same action:
6547         foo     |
6548         bar     matched_foo_or_bar();
6550 then '|' *must* be separated from the first rule by whitespace and *must*
6551 be followed by a new line.  You *cannot* write it as:
6553         foo | bar       matched_foo_or_bar();
6555 even though you might think you could because yacc supports this syntax.
6556 The reason for this unfortunately incompatibility is historical, but it's
6557 unlikely to be changed.
6559 Your problems with start condition scope are simply due to syntax errors
6560 from your use of '|' later confusing flex.
6562 Let me know if you still have problems.
6564                 Vern
6565 @end verbatim
6566 @end example
6568 @c TODO: Evaluate this faq.
6569 @node Why can't flex understand this variable trailing context pattern?
6570 @unnumberedsec Why can't flex understand this variable trailing context pattern?
6571 @example
6572 @verbatim
6573 To: Gregory Margo <gmargo@newton.vip.best.com>
6574 Subject: Re: flex-2.5.3 bug report
6575 In-reply-to: Your message of Sat, 23 Nov 1996 16:50:09 PST.
6576 Date: Sat, 23 Nov 1996 17:07:32 PST
6577 From: Vern Paxson <vern>
6579 > Enclosed is a lex file that "real" lex will process, but I cannot get
6580 > flex to process it.  Could you try it and maybe point me in the right direction?
6582 Your problem is that some of the definitions in the scanner use the '/'
6583 trailing context operator, and have it enclosed in ()'s.  Flex does not
6584 allow this operator to be enclosed in ()'s because doing so allows undefined
6585 regular expressions such as "(a/b)+".  So the solution is to remove the
6586 parentheses.  Note that you must also be building the scanner with the -l
6587 option for AT&T lex compatibility.  Without this option, flex automatically
6588 encloses the definitions in parentheses.
6590                 Vern
6591 @end verbatim
6592 @end example
6594 @c TODO: Evaluate this faq.
6595 @node The ^ operator isn't working
6596 @unnumberedsec The ^ operator isn't working
6597 @example
6598 @verbatim
6599 To: Thomas Hadig <hadig@toots.physik.rwth-aachen.de>
6600 Subject: Re: Flex Bug ?
6601 In-reply-to: Your message of Tue, 26 Nov 1996 14:35:01 PST.
6602 Date: Tue, 26 Nov 1996 11:15:05 PST
6603 From: Vern Paxson <vern>
6605 > In my lexer code, i have the line :
6606 > ^\*.*          { }
6608 > Thus all lines starting with an astrix (*) are comment lines.
6609 > This does not work !
6611 I can't get this problem to reproduce - it works fine for me.  Note
6612 though that if what you have is slightly different:
6614         COMMENT ^\*.*
6615         %%
6616         {COMMENT}       { }
6618 then it won't work, because flex pushes back macro definitions enclosed
6619 in ()'s, so the rule becomes
6621         (^\*.*)         { }
6623 and now that the '^' operator is not at the immediate beginning of the
6624 line, it's interpreted as just a regular character.  You can avoid this
6625 behavior by using the "-l" lex-compatibility flag, or "%option lex-compat".
6627                 Vern
6628 @end verbatim
6629 @end example
6631 @c TODO: Evaluate this faq.
6632 @node Trailing context is getting confused with trailing optional patterns
6633 @unnumberedsec Trailing context is getting confused with trailing optional patterns
6634 @example
6635 @verbatim
6636 To: Adoram Rogel <adoram@hybridge.com>
6637 Subject: Re: Flex 2.5.4 BOF ???
6638 In-reply-to: Your message of Tue, 26 Nov 1996 16:10:41 PST.
6639 Date: Wed, 27 Nov 1996 10:56:25 PST
6640 From: Vern Paxson <vern>
6642 >     Organization(s)?/[a-z]
6644 > This matched "Organizations" (looking in debug mode, the trailing s
6645 > was matched with trailing context instead of the optional (s) in the
6646 > end of the word.
6648 That should only happen with lex.  Flex can properly match this pattern.
6649 (That might be what you're saying, I'm just not sure.)
6651 > Is there a way to avoid this dangerous trailing context problem ?
6653 Unfortunately, there's no easy way.  On the other hand, I don't see why
6654 it should be a problem.  Lex's matching is clearly wrong, and I'd hope
6655 that usually the intent remains the same as expressed with the pattern,
6656 so flex's matching will be correct.
6658                 Vern
6659 @end verbatim
6660 @end example
6662 @c TODO: Evaluate this faq.
6663 @node Is flex GNU or not?
6664 @unnumberedsec Is flex GNU or not?
6665 @example
6666 @verbatim
6667 To: Cameron MacKinnon <mackin@interlog.com>
6668 Subject: Re: Flex documentation bug
6669 In-reply-to: Your message of Mon, 02 Dec 1996 00:07:08 PST.
6670 Date: Sun, 01 Dec 1996 22:29:39 PST
6671 From: Vern Paxson <vern>
6673 > I'm not sure how or where to submit bug reports (documentation or
6674 > otherwise) for the GNU project stuff ...
6676 Well, strictly speaking flex isn't part of the GNU project.  They just
6677 distribute it because no one's written a decent GPL'd lex replacement.
6678 So you should send bugs directly to me.  Those sent to the GNU folks
6679 sometimes find there way to me, but some may drop between the cracks.
6681 > In GNU Info, under the section 'Start Conditions', and also in the man
6682 > page (mine's dated April '95) is a nice little snippet showing how to
6683 > parse C quoted strings into a buffer, defined to be MAX_STR_CONST in
6684 > size. Unfortunately, no overflow checking is ever done ...
6686 This is already mentioned in the manual:
6688 Finally, here's an example of how to  match  C-style  quoted
6689 strings using exclusive start conditions, including expanded
6690 escape sequences (but not including checking  for  a  string
6691 that's too long):
6693 The reason for not doing the overflow checking is that it will needlessly
6694 clutter up an example whose main purpose is just to demonstrate how to
6695 use flex.
6697 The latest release is 2.5.4, by the way, available from ftp.ee.lbl.gov.
6699                 Vern
6700 @end verbatim
6701 @end example
6703 @c TODO: Evaluate this faq.
6704 @node ERASEME53
6705 @unnumberedsec ERASEME53
6706 @example
6707 @verbatim
6708 To: tsv@cs.UManitoba.CA
6709 Subject: Re: Flex (reg)..
6710 In-reply-to: Your message of Thu, 06 Mar 1997 23:50:16 PST.
6711 Date: Thu, 06 Mar 1997 15:54:19 PST
6712 From: Vern Paxson <vern>
6714 > [:alpha:] ([:alnum:] | \\_)*
6716 If your rule really has embedded blanks as shown above, then it won't
6717 work, as the first blank delimits the rule from the action.  (It wouldn't
6718 even compile ...)  You need instead:
6720 [:alpha:]([:alnum:]|\\_)*
6722 and that should work fine - there's no restriction on what can go inside
6723 of ()'s except for the trailing context operator, '/'.
6725                 Vern
6726 @end verbatim
6727 @end example
6729 @c TODO: Evaluate this faq.
6730 @node I need to scan if-then-else blocks and while loops
6731 @unnumberedsec I need to scan if-then-else blocks and while loops
6732 @example
6733 @verbatim
6734 To: "Mike Stolnicki" <mstolnic@ford.com>
6735 Subject: Re: FLEX help
6736 In-reply-to: Your message of Fri, 30 May 1997 13:33:27 PDT.
6737 Date: Fri, 30 May 1997 10:46:35 PDT
6738 From: Vern Paxson <vern>
6740 > We'd like to add "if-then-else", "while", and "for" statements to our
6741 > language ...
6742 > We've investigated many possible solutions.  The one solution that seems
6743 > the most reasonable involves knowing the position of a TOKEN in yyin.
6745 I strongly advise you to instead build a parse tree (abstract syntax tree)
6746 and loop over that instead.  You'll find this has major benefits in keeping
6747 your interpreter simple and extensible.
6749 That said, the functionality you mention for get_position and set_position
6750 have been on the to-do list for a while.  As flex is a purely spare-time
6751 project for me, no guarantees when this will be added (in particular, it
6752 for sure won't be for many months to come).
6754                 Vern
6755 @end verbatim
6756 @end example
6758 @c TODO: Evaluate this faq.
6759 @node ERASEME55
6760 @unnumberedsec ERASEME55
6761 @example
6762 @verbatim
6763 To: Colin Paul Adams <colin@colina.demon.co.uk>
6764 Subject: Re: Flex C++ classes and Bison
6765 In-reply-to: Your message of 09 Aug 1997 17:11:41 PDT.
6766 Date: Fri, 15 Aug 1997 10:48:19 PDT
6767 From: Vern Paxson <vern>
6769 > #define YY_DECL   int yylex (YYSTYPE *lvalp, struct parser_control
6770 > *parm)
6772 > I have been trying  to get this to work as a C++ scanner, but it does
6773 > not appear to be possible (warning that it matches no declarations in
6774 > yyFlexLexer, or something like that).
6776 > Is this supposed to be possible, or is it being worked on (I DID
6777 > notice the comment that scanner classes are still experimental, so I'm
6778 > not too hopeful)?
6780 What you need to do is derive a subclass from yyFlexLexer that provides
6781 the above yylex() method, squirrels away lvalp and parm into member
6782 variables, and then invokes yyFlexLexer::yylex() to do the regular scanning.
6784                 Vern
6785 @end verbatim
6786 @end example
6788 @c TODO: Evaluate this faq.
6789 @node ERASEME56
6790 @unnumberedsec ERASEME56
6791 @example
6792 @verbatim
6793 To: Mikael.Latvala@lmf.ericsson.se
6794 Subject: Re: Possible mistake in Flex v2.5 document
6795 In-reply-to: Your message of Fri, 05 Sep 1997 16:07:24 PDT.
6796 Date: Fri, 05 Sep 1997 10:01:54 PDT
6797 From: Vern Paxson <vern>
6799 > In that example you show how to count comment lines when using
6800 > C style /* ... */ comments. My question is, shouldn't you take into
6801 > account a scenario where end of a comment marker occurs inside
6802 > character or string literals?
6804 The scanner certainly needs to also scan character and string literals.
6805 However it does that (there's an example in the man page for strings), the
6806 lexer will recognize the beginning of the literal before it runs across the
6807 embedded "/*".  Consequently, it will finish scanning the literal before it
6808 even considers the possibility of matching "/*".
6810 Example:
6812         '([^']*|{ESCAPE_SEQUENCE})'
6814 will match all the text between the ''s (inclusive).  So the lexer
6815 considers this as a token beginning at the first ', and doesn't even
6816 attempt to match other tokens inside it.
6818 I thinnk this subtlety is not worth putting in the manual, as I suspect
6819 it would confuse more people than it would enlighten.
6821                 Vern
6822 @end verbatim
6823 @end example
6825 @c TODO: Evaluate this faq.
6826 @node ERASEME57
6827 @unnumberedsec ERASEME57
6828 @example
6829 @verbatim
6830 To: "Marty Leisner" <leisner@sdsp.mc.xerox.com>
6831 Subject: Re: flex limitations
6832 In-reply-to: Your message of Sat, 06 Sep 1997 11:27:21 PDT.
6833 Date: Mon, 08 Sep 1997 11:38:08 PDT
6834 From: Vern Paxson <vern>
6836 > %%
6837 > [a-zA-Z]+       /* skip a line */
6838 >                 {  printf("got %s\n", yytext); }
6839 > %%
6841 What version of flex are you using?  If I feed this to 2.5.4, it complains:
6843         "bug.l", line 5: EOF encountered inside an action
6844         "bug.l", line 5: unrecognized rule
6845         "bug.l", line 5: fatal parse error
6847 Not the world's greatest error message, but it manages to flag the problem.
6849 (With the introduction of start condition scopes, flex can't accommodate
6850 an action on a separate line, since it's ambiguous with an indented rule.)
6852 You can get 2.5.4 from ftp.ee.lbl.gov.
6854                 Vern
6855 @end verbatim
6856 @end example
6858 @c TODO: Evaluate this faq.
6859 @node Is there a repository for flex scanners?
6860 @unnumberedsec Is there a repository for flex scanners?
6862 Not that we know of. You might try asking on comp.compilers.
6864 @c TODO: Evaluate this faq.
6865 @node How can I conditionally compile or preprocess my flex input file?
6866 @unnumberedsec How can I conditionally compile or preprocess my flex input file?
6869 Flex doesn't have a preprocessor like C does.  You might try using m4, or the C
6870 preprocessor plus a sed script to clean up the result.
6873 @c TODO: Evaluate this faq.
6874 @node Where can I find grammars for lex and yacc?
6875 @unnumberedsec Where can I find grammars for lex and yacc?
6877 In the sources for flex and bison.
6879 @c TODO: Evaluate this faq.
6880 @node I get an end-of-buffer message for each character scanned.
6881 @unnumberedsec I get an end-of-buffer message for each character scanned.
6883 This will happen if your LexerInput() function returns only one character
6884 at a time, which can happen either if you're scanner is "interactive", or
6885 if the streams library on your platform always returns 1 for yyin->gcount().
6887 Solution: override LexerInput() with a version that returns whole buffers.
6889 @c TODO: Evaluate this faq.
6890 @node unnamed-faq-62
6891 @unnumberedsec unnamed-faq-62
6892 @example
6893 @verbatim
6894 To: Georg.Rehm@CL-KI.Uni-Osnabrueck.DE
6895 Subject: Re: Flex maximums
6896 In-reply-to: Your message of Mon, 17 Nov 1997 17:16:06 PST.
6897 Date: Mon, 17 Nov 1997 17:16:15 PST
6898 From: Vern Paxson <vern>
6900 > I took a quick look into the flex-sources and altered some #defines in
6901 > flexdefs.h:
6903 >       #define INITIAL_MNS 64000
6904 >       #define MNS_INCREMENT 1024000
6905 >       #define MAXIMUM_MNS 64000
6907 The things to fix are to add a couple of zeroes to:
6909 #define JAMSTATE -32766 /* marks a reference to the state that always jams */
6910 #define MAXIMUM_MNS 31999
6911 #define BAD_SUBSCRIPT -32767
6912 #define MAX_SHORT 32700
6914 and, if you get complaints about too many rules, make the following change too:
6916         #define YY_TRAILING_MASK 0x200000
6917         #define YY_TRAILING_HEAD_MASK 0x400000
6919 - Vern
6920 @end verbatim
6921 @end example
6923 @c TODO: Evaluate this faq.
6924 @node unnamed-faq-63
6925 @unnumberedsec unnamed-faq-63
6926 @example
6927 @verbatim
6928 To: jimmey@lexis-nexis.com (Jimmey Todd)
6929 Subject: Re: FLEX question regarding istream vs ifstream
6930 In-reply-to: Your message of Mon, 08 Dec 1997 15:54:15 PST.
6931 Date: Mon, 15 Dec 1997 13:21:35 PST
6932 From: Vern Paxson <vern>
6934 >         stdin_handle = YY_CURRENT_BUFFER;
6935 >         ifstream fin( "aFile" );
6936 >         yy_switch_to_buffer( yy_create_buffer( fin, YY_BUF_SIZE ) );
6938 > What I'm wanting to do, is pass the contents of a file thru one set
6939 > of rules and then pass stdin thru another set... It works great if, I
6940 > don't use the C++ classes. But since everything else that I'm doing is
6941 > in C++, I thought I'd be consistent.
6943 > The problem is that 'yy_create_buffer' is expecting an istream* as it's
6944 > first argument (as stated in the man page). However, fin is a ifstream
6945 > object. Any ideas on what I might be doing wrong? Any help would be
6946 > appreciated. Thanks!!
6948 You need to pass &fin, to turn it into an ifstream* instead of an ifstream.
6949 Then its type will be compatible with the expected istream*, because ifstream
6950 is derived from istream.
6952                 Vern
6953 @end verbatim
6954 @end example
6956 @c TODO: Evaluate this faq.
6957 @node unnamed-faq-64
6958 @unnumberedsec unnamed-faq-64
6959 @example
6960 @verbatim
6961 To: Enda Fadian <fadiane@piercom.ie>
6962 Subject: Re: Question related to Flex man page?
6963 In-reply-to: Your message of Tue, 16 Dec 1997 15:17:34 PST.
6964 Date: Tue, 16 Dec 1997 14:17:09 PST
6965 From: Vern Paxson <vern>
6967 > Can you explain to me what is ment by a long-jump in relation to flex?
6969 Using the longjmp() function while inside yylex() or a routine called by it.
6971 > what is the flex activation frame.
6973 Just yylex()'s stack frame.
6975 > As far as I can see yyrestart will bring me back to the sart of the input
6976 > file and using flex++ isnot really an option!
6978 No, yyrestart() doesn't imply a rewind, even though its name might sound
6979 like it does.  It tells the scanner to flush its internal buffers and
6980 start reading from the given file at its present location.
6982                 Vern
6983 @end verbatim
6984 @end example
6986 @c TODO: Evaluate this faq.
6987 @node unnamed-faq-65
6988 @unnumberedsec unnamed-faq-65
6989 @example
6990 @verbatim
6991 To: hassan@larc.info.uqam.ca (Hassan Alaoui)
6992 Subject: Re: Need urgent Help
6993 In-reply-to: Your message of Sat, 20 Dec 1997 19:38:19 PST.
6994 Date: Sun, 21 Dec 1997 21:30:46 PST
6995 From: Vern Paxson <vern>
6997 > /usr/lib/yaccpar: In function `int yyparse()':
6998 > /usr/lib/yaccpar:184: warning: implicit declaration of function `int yylex(...)'
7000 > ld: Undefined symbol
7001 >    _yylex
7002 >    _yyparse
7003 >    _yyin
7005 This is a known problem with Solaris C++ (and/or Solaris yacc).  I believe
7006 the fix is to explicitly insert some 'extern "C"' statements for the
7007 corresponding routines/symbols.
7009                 Vern
7010 @end verbatim
7011 @end example
7013 @c TODO: Evaluate this faq.
7014 @node unnamed-faq-66
7015 @unnumberedsec unnamed-faq-66
7016 @example
7017 @verbatim
7018 To: mc0307@mclink.it
7019 Cc: gnu@prep.ai.mit.edu
7020 Subject: Re: [mc0307@mclink.it: Help request]
7021 In-reply-to: Your message of Fri, 12 Dec 1997 17:57:29 PST.
7022 Date: Sun, 21 Dec 1997 22:33:37 PST
7023 From: Vern Paxson <vern>
7025 > This is my definition for float and integer types:
7026 > . . .
7027 > NZD          [1-9]
7028 > ...
7029 > I've tested my program on other lex version (on UNIX Sun Solaris an HP
7030 > UNIX) and it work well, so I think that my definitions are correct.
7031 > There are any differences between Lex and Flex?
7033 There are indeed differences, as discussed in the man page.  The one
7034 you are probably running into is that when flex expands a name definition,
7035 it puts parentheses around the expansion, while lex does not.  There's
7036 an example in the man page of how this can lead to different matching.
7037 Flex's behavior complies with the POSIX standard (or at least with the
7038 last POSIX draft I saw).
7040                 Vern
7041 @end verbatim
7042 @end example
7044 @c TODO: Evaluate this faq.
7045 @node unnamed-faq-67
7046 @unnumberedsec unnamed-faq-67
7047 @example
7048 @verbatim
7049 To: hassan@larc.info.uqam.ca (Hassan Alaoui)
7050 Subject: Re: Thanks
7051 In-reply-to: Your message of Mon, 22 Dec 1997 16:06:35 PST.
7052 Date: Mon, 22 Dec 1997 14:35:05 PST
7053 From: Vern Paxson <vern>
7055 > Thank you very much for your help. I compile and link well with C++ while
7056 > declaring 'yylex ...' extern, But a little problem remains. I get a
7057 > segmentation default when executing ( I linked with lfl library) while it
7058 > works well when using LEX instead of flex. Do you have some ideas about the
7059 > reason for this ?
7061 The one possible reason for this that comes to mind is if you've defined
7062 yytext as "extern char yytext[]" (which is what lex uses) instead of
7063 "extern char *yytext" (which is what flex uses).  If it's not that, then
7064 I'm afraid I don't know what the problem might be.
7066                 Vern
7067 @end verbatim
7068 @end example
7070 @c TODO: Evaluate this faq.
7071 @node unnamed-faq-68
7072 @unnumberedsec unnamed-faq-68
7073 @example
7074 @verbatim
7075 To: "Bart Niswonger" <NISWONGR@almaden.ibm.com>
7076 Subject: Re: flex 2.5: c++ scanners & start conditions
7077 In-reply-to: Your message of Tue, 06 Jan 1998 10:34:21 PST.
7078 Date: Tue, 06 Jan 1998 19:19:30 PST
7079 From: Vern Paxson <vern>
7081 > The problem is that when I do this (using %option c++) start
7082 > conditions seem to not apply.
7084 The BEGIN macro modifies the yy_start variable.  For C scanners, this
7085 is a static with scope visible through the whole file.  For C++ scanners,
7086 it's a member variable, so it only has visible scope within a member
7087 function.  Your lexbegin() routine is not a member function when you
7088 build a C++ scanner, so it's not modifying the correct yy_start.  The
7089 diagnostic that indicates this is that you found you needed to add
7090 a declaration of yy_start in order to get your scanner to compile when
7091 using C++; instead, the correct fix is to make lexbegin() a member
7092 function (by deriving from yyFlexLexer).
7094                 Vern
7095 @end verbatim
7096 @end example
7098 @c TODO: Evaluate this faq.
7099 @node unnamed-faq-69
7100 @unnumberedsec unnamed-faq-69
7101 @example
7102 @verbatim
7103 To: "Boris Zinin" <boris@ippe.rssi.ru>
7104 Subject: Re: current position in flex buffer
7105 In-reply-to: Your message of Mon, 12 Jan 1998 18:58:23 PST.
7106 Date: Mon, 12 Jan 1998 12:03:15 PST
7107 From: Vern Paxson <vern>
7109 > The problem is how to determine the current position in flex active
7110 > buffer when a rule is matched....
7112 You will need to keep track of this explicitly, such as by redefining
7113 YY_USER_ACTION to count the number of characters matched.
7115 The latest flex release, by the way, is 2.5.4, available from ftp.ee.lbl.gov.
7117                 Vern
7118 @end verbatim
7119 @end example
7121 @c TODO: Evaluate this faq.
7122 @node unnamed-faq-70
7123 @unnumberedsec unnamed-faq-70
7124 @example
7125 @verbatim
7126 To: Bik.Dhaliwal@bis.org
7127 Subject: Re: Flex question
7128 In-reply-to: Your message of Mon, 26 Jan 1998 13:05:35 PST.
7129 Date: Tue, 27 Jan 1998 22:41:52 PST
7130 From: Vern Paxson <vern>
7132 > That requirement involves knowing
7133 > the character position at which a particular token was matched
7134 > in the lexer.
7136 The way you have to do this is by explicitly keeping track of where
7137 you are in the file, by counting the number of characters scanned
7138 for each token (available in yyleng).  It may prove convenient to
7139 do this by redefining YY_USER_ACTION, as described in the manual.
7141                 Vern
7142 @end verbatim
7143 @end example
7145 @c TODO: Evaluate this faq.
7146 @node unnamed-faq-71
7147 @unnumberedsec unnamed-faq-71
7148 @example
7149 @verbatim
7150 To: Vladimir Alexiev <vladimir@cs.ualberta.ca>
7151 Subject: Re: flex: how to control start condition from parser?
7152 In-reply-to: Your message of Mon, 26 Jan 1998 05:50:16 PST.
7153 Date: Tue, 27 Jan 1998 22:45:37 PST
7154 From: Vern Paxson <vern>
7156 > It seems useful for the parser to be able to tell the lexer about such
7157 > context dependencies, because then they don't have to be limited to
7158 > local or sequential context.
7160 One way to do this is to have the parser call a stub routine that's
7161 included in the scanner's .l file, and consequently that has access ot
7162 BEGIN.  The only ugliness is that the parser can't pass in the state
7163 it wants, because those aren't visible - but if you don't have many
7164 such states, then using a different set of names doesn't seem like
7165 to much of a burden.
7167 While generating a .h file like you suggests is certainly cleaner,
7168 flex development has come to a virtual stand-still :-(, so a workaround
7169 like the above is much more pragmatic than waiting for a new feature.
7171                 Vern
7172 @end verbatim
7173 @end example
7175 @c TODO: Evaluate this faq.
7176 @node unnamed-faq-72
7177 @unnumberedsec unnamed-faq-72
7178 @example
7179 @verbatim
7180 To: Barbara Denny <denny@3com.com>
7181 Subject: Re: freebsd flex bug?
7182 In-reply-to: Your message of Fri, 30 Jan 1998 12:00:43 PST.
7183 Date: Fri, 30 Jan 1998 12:42:32 PST
7184 From: Vern Paxson <vern>
7186 > lex.yy.c:1996: parse error before `='
7188 This is the key, identifying this error.  (It may help to pinpoint
7189 it by using flex -L, so it doesn't generate #line directives in its
7190 output.)  I will bet you heavy money that you have a start condition
7191 name that is also a variable name, or something like that; flex spits
7192 out #define's for each start condition name, mapping them to a number,
7193 so you can wind up with:
7195         %x foo
7196         %%
7197                 ...
7198         %%
7199         void bar()
7200                 {
7201                 int foo = 3;
7202                 }
7204 and the penultimate will turn into "int 1 = 3" after C preprocessing,
7205 since flex will put "#define foo 1" in the generated scanner.
7207                 Vern
7208 @end verbatim
7209 @end example
7211 @c TODO: Evaluate this faq.
7212 @node unnamed-faq-73
7213 @unnumberedsec unnamed-faq-73
7214 @example
7215 @verbatim
7216 To: Maurice Petrie <mpetrie@infoscigroup.com>
7217 Subject: Re: Lost flex .l file
7218 In-reply-to: Your message of Mon, 02 Feb 1998 14:10:01 PST.
7219 Date: Mon, 02 Feb 1998 11:15:12 PST
7220 From: Vern Paxson <vern>
7222 > I am curious as to
7223 > whether there is a simple way to backtrack from the generated source to
7224 > reproduce the lost list of tokens we are searching on.
7226 In theory, it's straight-forward to go from the DFA representation
7227 back to a regular-expression representation - the two are isomorphic.
7228 In practice, a huge headache, because you have to unpack all the tables
7229 back into a single DFA representation, and then write a program to munch
7230 on that and translate it into an RE.
7232 Sorry for the less-than-happy news ...
7234                 Vern
7235 @end verbatim
7236 @end example
7238 @c TODO: Evaluate this faq.
7239 @node unnamed-faq-74
7240 @unnumberedsec unnamed-faq-74
7241 @example
7242 @verbatim
7243 To: jimmey@lexis-nexis.com (Jimmey Todd)
7244 Subject: Re: Flex performance question
7245 In-reply-to: Your message of Thu, 19 Feb 1998 11:01:17 PST.
7246 Date: Thu, 19 Feb 1998 08:48:51 PST
7247 From: Vern Paxson <vern>
7249 > What I have found, is that the smaller the data chunk, the faster the
7250 > program executes. This is the opposite of what I expected. Should this be
7251 > happening this way?
7253 This is exactly what will happen if your input file has embedded NULs.
7254 From the man page:
7256 A final note: flex is slow when matching NUL's, particularly
7257 when  a  token  contains multiple NUL's.  It's best to write
7258 rules which match short amounts of text if it's  anticipated
7259 that the text will often include NUL's.
7261 So that's the first thing to look for.
7263                 Vern
7264 @end verbatim
7265 @end example
7267 @c TODO: Evaluate this faq.
7268 @node unnamed-faq-75
7269 @unnumberedsec unnamed-faq-75
7270 @example
7271 @verbatim
7272 To: jimmey@lexis-nexis.com (Jimmey Todd)
7273 Subject: Re: Flex performance question
7274 In-reply-to: Your message of Thu, 19 Feb 1998 11:01:17 PST.
7275 Date: Thu, 19 Feb 1998 15:42:25 PST
7276 From: Vern Paxson <vern>
7278 So there are several problems.
7280 First, to go fast, you want to match as much text as possible, which
7281 your scanners don't in the case that what they're scanning is *not*
7282 a <RN> tag.  So you want a rule like:
7284         [^<]+
7286 Second, C++ scanners are particularly slow if they're interactive,
7287 which they are by default.  Using -B speeds it up by a factor of 3-4
7288 on my workstation.
7290 Third, C++ scanners that use the istream interface are slow, because
7291 of how poorly implemented istream's are.  I built two versions of
7292 the following scanner:
7294         %%
7295         .*\n
7296         .*
7297         %%
7299 and the C version inhales a 2.5MB file on my workstation in 0.8 seconds.
7300 The C++ istream version, using -B, takes 3.8 seconds.
7302                 Vern
7303 @end verbatim
7304 @end example
7306 @c TODO: Evaluate this faq.
7307 @node unnamed-faq-76
7308 @unnumberedsec unnamed-faq-76
7309 @example
7310 @verbatim
7311 To: "Frescatore, David (CRD, TAD)" <frescatore@exc01crdge.crd.ge.com>
7312 Subject: Re: FLEX 2.5 & THE YEAR 2000
7313 In-reply-to: Your message of Wed, 03 Jun 1998 11:26:22 PDT.
7314 Date: Wed, 03 Jun 1998 10:22:26 PDT
7315 From: Vern Paxson <vern>
7317 > I am researching the Y2K problem with General Electric R&D
7318 > and need to know if there are any known issues concerning
7319 > the above mentioned software and Y2K regardless of version.
7321 There shouldn't be, all it ever does with the date is ask the system
7322 for it and then print it out.
7324                 Vern
7325 @end verbatim
7326 @end example
7328 @c TODO: Evaluate this faq.
7329 @node unnamed-faq-77
7330 @unnumberedsec unnamed-faq-77
7331 @example
7332 @verbatim
7333 To: "Hans Dermot Doran" <htd@ibhdoran.com>
7334 Subject: Re: flex problem
7335 In-reply-to: Your message of Wed, 15 Jul 1998 21:30:13 PDT.
7336 Date: Tue, 21 Jul 1998 14:23:34 PDT
7337 From: Vern Paxson <vern>
7339 > To overcome this, I gets() the stdin into a string and lex the string. The
7340 > string is lexed OK except that the end of string isn't lexed properly
7341 > (yy_scan_string()), that is the lexer dosn't recognise the end of string.
7343 Flex doesn't contain mechanisms for recognizing buffer endpoints.  But if
7344 you use fgets instead (which you should anyway, to protect against buffer
7345 overflows), then the final \n will be preserved in the string, and you can
7346 scan that in order to find the end of the string.
7348                 Vern
7349 @end verbatim
7350 @end example
7352 @c TODO: Evaluate this faq.
7353 @node unnamed-faq-78
7354 @unnumberedsec unnamed-faq-78
7355 @example
7356 @verbatim
7357 To: soumen@almaden.ibm.com
7358 Subject: Re: Flex++ 2.5.3 instance member vs. static member
7359 In-reply-to: Your message of Mon, 27 Jul 1998 02:10:04 PDT.
7360 Date: Tue, 28 Jul 1998 01:10:34 PDT
7361 From: Vern Paxson <vern>
7363 > %{
7364 > int mylineno = 0;
7365 > %}
7366 > ws      [ \t]+
7367 > alpha   [A-Za-z]
7368 > dig     [0-9]
7369 > %%
7371 > Now you'd expect mylineno to be a member of each instance of class
7372 > yyFlexLexer, but is this the case?  A look at the lex.yy.cc file seems to
7373 > indicate otherwise; unless I am missing something the declaration of
7374 > mylineno seems to be outside any class scope.
7376 > How will this work if I want to run a multi-threaded application with each
7377 > thread creating a FlexLexer instance?
7379 Derive your own subclass and make mylineno a member variable of it.
7381                 Vern
7382 @end verbatim
7383 @end example
7385 @c TODO: Evaluate this faq.
7386 @node unnamed-faq-79
7387 @unnumberedsec unnamed-faq-79
7388 @example
7389 @verbatim
7390 To: Adoram Rogel <adoram@hybridge.com>
7391 Subject: Re: More than 32K states change hangs
7392 In-reply-to: Your message of Tue, 04 Aug 1998 16:55:39 PDT.
7393 Date: Tue, 04 Aug 1998 22:28:45 PDT
7394 From: Vern Paxson <vern>
7396 > Vern Paxson,
7398 > I followed your advice, posted on Usenet bu you, and emailed to me
7399 > personally by you, on how to overcome the 32K states limit. I'm running
7400 > on Linux machines.
7401 > I took the full source of version 2.5.4 and did the following changes in
7402 > flexdef.h:
7403 > #define JAMSTATE -327660
7404 > #define MAXIMUM_MNS 319990
7405 > #define BAD_SUBSCRIPT -327670
7406 > #define MAX_SHORT 327000
7408 > and compiled.
7409 > All looked fine, including check and bigcheck, so I installed.
7411 Hmmm, you shouldn't increase MAX_SHORT, though looking through my email
7412 archives I see that I did indeed recommend doing so.  Try setting it back
7413 to 32700; that should suffice that you no longer need -Ca.  If it still
7414 hangs, then the interesting question is - where?
7416 > Compiling the same hanged program with a out-of-the-box (RedHat 4.2
7417 > distribution of Linux)
7418 > flex 2.5.4 binary works.
7420 Since Linux comes with source code, you should diff it against what
7421 you have to see what problems they missed.
7423 > Should I always compile with the -Ca option now ? even short and simple
7424 > filters ?
7426 No, definitely not.  It's meant to be for those situations where you
7427 absolutely must squeeze every last cycle out of your scanner.
7429                 Vern
7430 @end verbatim
7431 @end example
7433 @c TODO: Evaluate this faq.
7434 @node unnamed-faq-80
7435 @unnumberedsec unnamed-faq-80
7436 @example
7437 @verbatim
7438 To: "Schmackpfeffer, Craig" <Craig.Schmackpfeffer@usa.xerox.com>
7439 Subject: Re: flex output for static code portion
7440 In-reply-to: Your message of Tue, 11 Aug 1998 11:55:30 PDT.
7441 Date: Mon, 17 Aug 1998 23:57:42 PDT
7442 From: Vern Paxson <vern>
7444 > I would like to use flex under the hood to generate a binary file
7445 > containing the data structures that control the parse.
7447 This has been on the wish-list for a long time.  In principle it's
7448 straight-forward - you redirect mkdata() et al's I/O to another file,
7449 and modify the skeleton to have a start-up function that slurps these
7450 into dynamic arrays.  The concerns are (1) the scanner generation code
7451 is hairy and full of corner cases, so it's easy to get surprised when
7452 going down this path :-( ; and (2) being careful about buffering so
7453 that when the tables change you make sure the scanner starts in the
7454 correct state and reading at the right point in the input file.
7456 > I was wondering if you know of anyone who has used flex in this way.
7458 I don't - but it seems like a reasonable project to undertake (unlike
7459 numerous other flex tweaks :-).
7461                 Vern
7462 @end verbatim
7463 @end example
7465 @c TODO: Evaluate this faq.
7466 @node unnamed-faq-81
7467 @unnumberedsec unnamed-faq-81
7468 @example
7469 @verbatim
7470 Received: from 131.173.17.11 (131.173.17.11 [131.173.17.11])
7471         by ee.lbl.gov (8.9.1/8.9.1) with ESMTP id AAA03838
7472         for <vern@ee.lbl.gov>; Thu, 20 Aug 1998 00:47:57 -0700 (PDT)
7473 Received: from hal.cl-ki.uni-osnabrueck.de (hal.cl-ki.Uni-Osnabrueck.DE [131.173.141.2])
7474         by deimos.rz.uni-osnabrueck.de (8.8.7/8.8.8) with ESMTP id JAA34694
7475         for <vern@ee.lbl.gov>; Thu, 20 Aug 1998 09:47:55 +0200
7476 Received: (from georg@localhost) by hal.cl-ki.uni-osnabrueck.de (8.6.12/8.6.12) id JAA34834 for vern@ee.lbl.gov; Thu, 20 Aug 1998 09:47:54 +0200
7477 From: Georg Rehm <georg@hal.cl-ki.uni-osnabrueck.de>
7478 Message-Id: <199808200747.JAA34834@hal.cl-ki.uni-osnabrueck.de>
7479 Subject: "flex scanner push-back overflow"
7480 To: vern@ee.lbl.gov
7481 Date: Thu, 20 Aug 1998 09:47:54 +0200 (MEST)
7482 Reply-To: Georg.Rehm@CL-KI.Uni-Osnabrueck.DE
7483 X-NoJunk: Do NOT send commercial mail, spam or ads to this address!
7484 X-URL: http://www.cl-ki.uni-osnabrueck.de/~georg/
7485 X-Mailer: ELM [version 2.4ME+ PL28 (25)]
7486 MIME-Version: 1.0
7487 Content-Type: text/plain; charset=US-ASCII
7488 Content-Transfer-Encoding: 7bit
7490 Hi Vern,
7492 Yesterday, I encountered a strange problem: I use the macro processor m4
7493 to include some lengthy lists into a .l file. Following is a flex macro
7494 definition that causes some serious pain in my neck:
7496 AUTHOR           ("A. Boucard / L. Boucard"|"A. Dastarac / M. Levent"|"A.Boucaud / L.Boucaud"|"Abderrahim Lamchichi"|"Achmat Dangor"|"Adeline Toullier"|"Adewale Maja-Pearce"|"Ahmed Ziri"|"Akram Ellyas"|"Alain Bihr"|"Alain Gresh"|"Alain Guillemoles"|"Alain Joxe"|"Alain Morice"|"Alain Renon"|"Alain Zecchini"|"Albert Memmi"|"Alberto Manguel"|"Alex De Waal"|"Alfonso Artico"| [...])
7498 The complete list contains about 10kB. When I try to "flex" this file
7499 (on a Solaris 2.6 machine, using a modified flex 2.5.4 (I only increased
7500 some of the predefined values in flexdefs.h) I get the error:
7502 myflex/flex -8  sentag.tmp.l
7503 flex scanner push-back overflow
7505 When I remove the slashes in the macro definition everything works fine.
7506 As I understand it, the double quotes escape the slash-character so it
7507 really means "/" and not "trailing context". Furthermore, I tried to
7508 escape the slashes with backslashes, but with no use, the same error message
7509 appeared when flexing the code.
7511 Do you have an idea what's going on here?
7513 Greetings from Germany,
7514         Georg
7516 Georg Rehm                                     georg@cl-ki.uni-osnabrueck.de
7517 Institute for Semantic Information Processing, University of Osnabrueck, FRG
7518 @end verbatim
7519 @end example
7521 @c TODO: Evaluate this faq.
7522 @node unnamed-faq-82
7523 @unnumberedsec unnamed-faq-82
7524 @example
7525 @verbatim
7526 To: Georg.Rehm@CL-KI.Uni-Osnabrueck.DE
7527 Subject: Re: "flex scanner push-back overflow"
7528 In-reply-to: Your message of Thu, 20 Aug 1998 09:47:54 PDT.
7529 Date: Thu, 20 Aug 1998 07:05:35 PDT
7530 From: Vern Paxson <vern>
7532 > myflex/flex -8  sentag.tmp.l
7533 > flex scanner push-back overflow
7535 Flex itself uses a flex scanner.  That scanner is running out of buffer
7536 space when it tries to unput() the humongous macro you've defined.  When
7537 you remove the '/'s, you make it small enough so that it fits in the buffer;
7538 removing spaces would do the same thing.
7540 The fix is to either rethink how come you're using such a big macro and
7541 perhaps there's another/better way to do it; or to rebuild flex's own
7542 scan.c with a larger value for
7544         #define YY_BUF_SIZE 16384
7546 - Vern
7547 @end verbatim
7548 @end example
7550 @c TODO: Evaluate this faq.
7551 @node unnamed-faq-83
7552 @unnumberedsec unnamed-faq-83
7553 @example
7554 @verbatim
7555 To: Jan Kort <jan@research.techforce.nl>
7556 Subject: Re: Flex
7557 In-reply-to: Your message of Fri, 04 Sep 1998 12:18:43 +0200.
7558 Date: Sat, 05 Sep 1998 00:59:49 PDT
7559 From: Vern Paxson <vern>
7561 > %%
7563 > "TEST1\n"       { fprintf(stderr, "TEST1\n"); yyless(5); }
7564 > ^\n             { fprintf(stderr, "empty line\n"); }
7565 > .               { }
7566 > \n              { fprintf(stderr, "new line\n"); }
7568 > %%
7569 > -- input ---------------------------------------
7570 > TEST1
7571 > -- output --------------------------------------
7572 > TEST1
7573 > empty line
7574 > ------------------------------------------------
7576 IMHO, it's not clear whether or not this is in fact a bug.  It depends
7577 on whether you view yyless() as backing up in the input stream, or as
7578 pushing new characters onto the beginning of the input stream.  Flex
7579 interprets it as the latter (for implementation convenience, I'll admit),
7580 and so considers the newline as in fact matching at the beginning of a
7581 line, as after all the last token scanned an entire line and so the
7582 scanner is now at the beginning of a new line.
7584 I agree that this is counter-intuitive for yyless(), given its
7585 functional description (it's less so for unput(), depending on whether
7586 you're unput()'ing new text or scanned text).  But I don't plan to
7587 change it any time soon, as it's a pain to do so.  Consequently,
7588 you do indeed need to use yy_set_bol() and YY_AT_BOL() to tweak
7589 your scanner into the behavior you desire.
7591 Sorry for the less-than-completely-satisfactory answer.
7593                 Vern
7594 @end verbatim
7595 @end example
7597 @c TODO: Evaluate this faq.
7598 @node unnamed-faq-84
7599 @unnumberedsec unnamed-faq-84
7600 @example
7601 @verbatim
7602 To: Patrick Krusenotto <krusenot@mac-info-link.de>
7603 Subject: Re: Problems with restarting flex-2.5.2-generated scanner
7604 In-reply-to: Your message of Thu, 24 Sep 1998 10:14:07 PDT.
7605 Date: Thu, 24 Sep 1998 23:28:43 PDT
7606 From: Vern Paxson <vern>
7608 > I am using flex-2.5.2 and bison 1.25 for Solaris and I am desperately
7609 > trying to make my scanner restart with a new file after my parser stops
7610 > with a parse error. When my compiler restarts, the parser always
7611 > receives the token after the token (in the old file!) that caused the
7612 > parser error.
7614 I suspect the problem is that your parser has read ahead in order
7615 to attempt to resolve an ambiguity, and when it's restarted it picks
7616 up with that token rather than reading a fresh one.  If you're using
7617 yacc, then the special "error" production can sometimes be used to
7618 consume tokens in an attempt to get the parser into a consistent state.
7620                 Vern
7621 @end verbatim
7622 @end example
7624 @c TODO: Evaluate this faq.
7625 @node unnamed-faq-85
7626 @unnumberedsec unnamed-faq-85
7627 @example
7628 @verbatim
7629 To: Henric Jungheim <junghelh@pe-nelson.com>
7630 Subject: Re: flex 2.5.4a
7631 In-reply-to: Your message of Tue, 27 Oct 1998 16:41:42 PST.
7632 Date: Tue, 27 Oct 1998 16:50:14 PST
7633 From: Vern Paxson <vern>
7635 > This brings up a feature request:  How about a command line
7636 > option to specify the filename when reading from stdin?  That way one
7637 > doesn't need to create a temporary file in order to get the "#line"
7638 > directives to make sense.
7640 Use -o combined with -t (per the man page description of -o).
7642 > P.S., Is there any simple way to use non-blocking IO to parse multiple
7643 > streams?
7645 Simple, no.
7647 One approach might be to return a magic character on EWOULDBLOCK and
7648 have a rule
7650         .*<magic-character>     // put back .*, eat magic character
7652 This is off the top of my head, not sure it'll work.
7654                 Vern
7655 @end verbatim
7656 @end example
7658 @c TODO: Evaluate this faq.
7659 @node unnamed-faq-86
7660 @unnumberedsec unnamed-faq-86
7661 @example
7662 @verbatim
7663 To: "Repko, Billy D" <billy.d.repko@intel.com>
7664 Subject: Re: Compiling scanners
7665 In-reply-to: Your message of Wed, 13 Jan 1999 10:52:47 PST.
7666 Date: Thu, 14 Jan 1999 00:25:30 PST
7667 From: Vern Paxson <vern>
7669 > It appears that maybe it cannot find the lfl library.
7671 The Makefile in the distribution builds it, so you should have it.
7672 It's exceedingly trivial, just a main() that calls yylex() and
7673 a yyrap() that always returns 1.
7675 > %%
7676 >       \n      ++num_lines; ++num_chars;
7677 >       .       ++num_chars;
7679 You can't indent your rules like this - that's where the errors are coming
7680 from.  Flex copies indented text to the output file, it's how you do things
7681 like
7683         int num_lines_seen = 0;
7685 to declare local variables.
7687                 Vern
7688 @end verbatim
7689 @end example
7691 @c TODO: Evaluate this faq.
7692 @node unnamed-faq-87
7693 @unnumberedsec unnamed-faq-87
7694 @example
7695 @verbatim
7696 To: Erick Branderhorst <Erick.Branderhorst@asml.nl>
7697 Subject: Re: flex input buffer
7698 In-reply-to: Your message of Tue, 09 Feb 1999 13:53:46 PST.
7699 Date: Tue, 09 Feb 1999 21:03:37 PST
7700 From: Vern Paxson <vern>
7702 > In the flex.skl file the size of the default input buffers is set.  Can you
7703 > explain why this size is set and why it is such a high number.
7705 It's large to optimize performance when scanning large files.  You can
7706 safely make it a lot lower if needed.
7708                 Vern
7709 @end verbatim
7710 @end example
7712 @c TODO: Evaluate this faq.
7713 @node unnamed-faq-88
7714 @unnumberedsec unnamed-faq-88
7715 @example
7716 @verbatim
7717 To: "Guido Minnen" <guidomi@cogs.susx.ac.uk>
7718 Subject: Re: Flex error message
7719 In-reply-to: Your message of Wed, 24 Feb 1999 15:31:46 PST.
7720 Date: Thu, 25 Feb 1999 00:11:31 PST
7721 From: Vern Paxson <vern>
7723 > I'm extending a larger scanner written in Flex and I keep running into
7724 > problems. More specifically, I get the error message:
7725 > "flex: input rules are too complicated (>= 32000 NFA states)"
7727 Increase the definitions in flexdef.h for:
7729 #define JAMSTATE -32766 /* marks a reference to the state that always j
7730 ams */
7731 #define MAXIMUM_MNS 31999
7732 #define BAD_SUBSCRIPT -32767
7734 recompile everything, and it should all work.
7736                 Vern
7737 @end verbatim
7738 @end example
7740 @c TODO: Evaluate this faq.
7741 @node unnamed-faq-90
7742 @unnumberedsec unnamed-faq-90
7743 @example
7744 @verbatim
7745 To: "Dmitriy Goldobin" <gold@ems.chel.su>
7746 Subject: Re: FLEX trouble
7747 In-reply-to: Your message of Mon, 31 May 1999 18:44:49 PDT.
7748 Date: Tue, 01 Jun 1999 00:15:07 PDT
7749 From: Vern Paxson <vern>
7751 >   I have a trouble with FLEX. Why rule "/*".*"*/" work properly,=20
7752 > but rule "/*"(.|\n)*"*/" don't work ?
7754 The second of these will have to scan the entire input stream (because
7755 "(.|\n)*" matches an arbitrary amount of any text) in order to see if
7756 it ends with "*/", terminating the comment.  That potentially will overflow
7757 the input buffer.
7759 >   More complex rule "/*"([^*]|(\*/[^/]))*"*/ give an error
7760 > 'unrecognized rule'.
7762 You can't use the '/' operator inside parentheses.  It's not clear
7763 what "(a/b)*" actually means.
7765 >   I now use workaround with state <comment>, but single-rule is
7766 > better, i think.
7768 Single-rule is nice but will always have the problem of either setting
7769 restrictions on comments (like not allowing multi-line comments) and/or
7770 running the risk of consuming the entire input stream, as noted above.
7772                 Vern
7773 @end verbatim
7774 @end example
7776 @c TODO: Evaluate this faq.
7777 @node unnamed-faq-91
7778 @unnumberedsec unnamed-faq-91
7779 @example
7780 @verbatim
7781 Received: from mc-qout4.whowhere.com (mc-qout4.whowhere.com [209.185.123.18])
7782         by ee.lbl.gov (8.9.3/8.9.3) with SMTP id IAA05100
7783         for <vern@ee.lbl.gov>; Tue, 15 Jun 1999 08:56:06 -0700 (PDT)
7784 Received: from Unknown/Local ([?.?.?.?]) by my-deja.com; Tue Jun 15 08:55:43 1999
7785 To: vern@ee.lbl.gov
7786 Date: Tue, 15 Jun 1999 08:55:43 -0700
7787 From: "Aki Niimura" <neko@my-deja.com>
7788 Message-ID: <KNONDOHDOBGAEAAA@my-deja.com>
7789 Mime-Version: 1.0
7791 X-Sent-Mail: on
7792 Reply-To:
7793 X-Mailer: MailCity Service
7794 Subject: A question on flex C++ scanner
7795 X-Sender-Ip: 12.72.207.61
7796 Organization: My Deja Email  (http://www.my-deja.com:80)
7797 Content-Type: text/plain; charset=us-ascii
7798 Content-Transfer-Encoding: 7bit
7800 Dear Dr. Paxon,
7802 I have been using flex for years.
7803 It works very well on many projects.
7804 Most case, I used it to generate a scanner on C language.
7805 However, one project I needed to generate  a scanner
7806 on C++ lanuage. Thanks to your enhancement, flex did
7807 the job.
7809 Currently, I'm working on enhancing my previous project.
7810 I need to deal with multiple input streams (recursive
7811 inclusion) in this scanner (C++).
7812 I did similar thing for another scanner (C) as you
7813 explained in your documentation.
7815 The generated scanner (C++) has necessary methods:
7816 - switch_to_buffer(struct yy_buffer_state *b)
7817 - yy_create_buffer(istream *is, int sz)
7818 - yy_delete_buffer(struct yy_buffer_state *b)
7820 However, I couldn't figure out how to access current
7821 buffer (yy_current_buffer).
7823 yy_current_buffer is a protected member of yyFlexLexer.
7824 I can't access it directly.
7825 Then, I thought yy_create_buffer() with is = 0 might
7826 return current stream buffer. But it seems not as far
7827 as I checked the source. (flex 2.5.4)
7829 I went through the Web in addition to Flex documentation.
7830 However, it hasn't been successful, so far.
7832 It is not my intention to bother you, but, can you
7833 comment about how to obtain the current stream buffer?
7835 Your response would be highly appreciated.
7837 Best regards,
7838 Aki Niimura
7840 --== Sent via Deja.com http://www.deja.com/ ==--
7841 Share what you know. Learn what you don't.
7842 @end verbatim
7843 @end example
7845 @c TODO: Evaluate this faq.
7846 @node unnamed-faq-92
7847 @unnumberedsec unnamed-faq-92
7848 @example
7849 @verbatim
7850 To: neko@my-deja.com
7851 Subject: Re: A question on flex C++ scanner
7852 In-reply-to: Your message of Tue, 15 Jun 1999 08:55:43 PDT.
7853 Date: Tue, 15 Jun 1999 09:04:24 PDT
7854 From: Vern Paxson <vern>
7856 > However, I couldn't figure out how to access current
7857 > buffer (yy_current_buffer).
7859 Derive your own subclass from yyFlexLexer.
7861                 Vern
7862 @end verbatim
7863 @end example
7865 @c TODO: Evaluate this faq.
7866 @node unnamed-faq-93
7867 @unnumberedsec unnamed-faq-93
7868 @example
7869 @verbatim
7870 To: "Stones, Darren" <Darren.Stones@nectech.co.uk>
7871 Subject: Re: You're the man to see?
7872 In-reply-to: Your message of Wed, 23 Jun 1999 11:10:29 PDT.
7873 Date: Wed, 23 Jun 1999 09:01:40 PDT
7874 From: Vern Paxson <vern>
7876 > I hope you can help me.  I am using Flex and Bison to produce an interpreted
7877 > language.  However all goes well until I try to implement an IF statement or
7878 > a WHILE.  I cannot get this to work as the parser parses all the conditions
7879 > eg. the TRUE and FALSE conditons to check for a rule match.  So I cannot
7880 > make a decision!!
7882 You need to use the parser to build a parse tree (= abstract syntax trwee),
7883 and when that's all done you recursively evaluate the tree, binding variables
7884 to values at that time.
7886                 Vern
7887 @end verbatim
7888 @end example
7890 @c TODO: Evaluate this faq.
7891 @node unnamed-faq-94
7892 @unnumberedsec unnamed-faq-94
7893 @example
7894 @verbatim
7895 To: Petr Danecek <petr@ics.cas.cz>
7896 Subject: Re: flex - question
7897 In-reply-to: Your message of Mon, 28 Jun 1999 19:21:41 PDT.
7898 Date: Fri, 02 Jul 1999 16:52:13 PDT
7899 From: Vern Paxson <vern>
7901 > file, it takes an enormous amount of time. It is funny, because the
7902 > source code has only 12 rules!!! I think it looks like an exponencial
7903 > growth.
7905 Right, that's the problem - some patterns (those with a lot of
7906 ambiguity, where yours has because at any given time the scanner can
7907 be in the middle of all sorts of combinations of the different
7908 rules) blow up exponentially.
7910 For your rules, there is an easy fix.  Change the ".*" that comes fater
7911 the directory name to "[^ ]*".  With that in place, the rules are no
7912 longer nearly so ambiguous, because then once one of the directories
7913 has been matched, no other can be matched (since they all require a
7914 leading blank).
7916 If that's not an acceptable solution, then you can enter a start state
7917 to pick up the .*\n after each directory is matched.
7919 Also note that for speed, you'll want to add a ".*" rule at the end,
7920 otherwise rules that don't match any of the patterns will be matched
7921 very slowly, a character at a time.
7923                 Vern
7924 @end verbatim
7925 @end example
7927 @c TODO: Evaluate this faq.
7928 @node unnamed-faq-95
7929 @unnumberedsec unnamed-faq-95
7930 @example
7931 @verbatim
7932 To: Tielman Koekemoer <tielman@spi.co.za>
7933 Subject: Re: Please help.
7934 In-reply-to: Your message of Thu, 08 Jul 1999 13:20:37 PDT.
7935 Date: Thu, 08 Jul 1999 08:20:39 PDT
7936 From: Vern Paxson <vern>
7938 > I was hoping you could help me with my problem.
7940 > I tried compiling (gnu)flex on a Solaris 2.4 machine
7941 > but when I ran make (after configure) I got an error.
7943 > --------------------------------------------------------------
7944 > gcc -c -I. -I. -g -O parse.c
7945 > ./flex -t -p  ./scan.l >scan.c
7946 > sh: ./flex: not found
7947 > *** Error code 1
7948 > make: Fatal error: Command failed for target `scan.c'
7949 > -------------------------------------------------------------
7951 > What's strange to me is that I'm only
7952 > trying to install flex now. I then edited the Makefile to
7953 > and changed where it says "FLEX = flex" to "FLEX = lex"
7954 > ( lex: the native Solaris one ) but then it complains about
7955 > the "-p" option. Is there any way I can compile flex without
7956 > using flex or lex?
7958 > Thanks so much for your time.
7960 You managed to step on the bootstrap sequence, which first copies
7961 initscan.c to scan.c in order to build flex.  Try fetching a fresh
7962 distribution from ftp.ee.lbl.gov.  (Or you can first try removing
7963 ".bootstrap" and doing a make again.)
7965                 Vern
7966 @end verbatim
7967 @end example
7969 @c TODO: Evaluate this faq.
7970 @node unnamed-faq-96
7971 @unnumberedsec unnamed-faq-96
7972 @example
7973 @verbatim
7974 To: Tielman Koekemoer <tielman@spi.co.za>
7975 Subject: Re: Please help.
7976 In-reply-to: Your message of Fri, 09 Jul 1999 09:16:14 PDT.
7977 Date: Fri, 09 Jul 1999 00:27:20 PDT
7978 From: Vern Paxson <vern>
7980 > First I removed .bootstrap (and ran make) - no luck. I downloaded the
7981 > software but I still have the same problem. Is there anything else I
7982 > could try.
7984 Try:
7986         cp initscan.c scan.c
7987         touch scan.c
7988         make scan.o
7990 If this last tries to first build scan.c from scan.l using ./flex, then
7991 your "make" is broken, in which case compile scan.c to scan.o by hand.
7993                 Vern
7994 @end verbatim
7995 @end example
7997 @c TODO: Evaluate this faq.
7998 @node unnamed-faq-97
7999 @unnumberedsec unnamed-faq-97
8000 @example
8001 @verbatim
8002 To: Sumanth Kamenani <skamenan@crl.nmsu.edu>
8003 Subject: Re: Error
8004 In-reply-to: Your message of Mon, 19 Jul 1999 23:08:41 PDT.
8005 Date: Tue, 20 Jul 1999 00:18:26 PDT
8006 From: Vern Paxson <vern>
8008 > I am getting a compilation error. The error is given as "unknown symbol- yylex".
8010 The parser relies on calling yylex(), but you're instead using the C++ scanning
8011 class, so you need to supply a yylex() "glue" function that calls an instance
8012 scanner of the scanner (e.g., "scanner->yylex()").
8014                 Vern
8015 @end verbatim
8016 @end example
8018 @c TODO: Evaluate this faq.
8019 @node unnamed-faq-98
8020 @unnumberedsec unnamed-faq-98
8021 @example
8022 @verbatim
8023 To: daniel@synchrods.synchrods.COM (Daniel Senderowicz)
8024 Subject: Re: lex
8025 In-reply-to: Your message of Mon, 22 Nov 1999 11:19:04 PST.
8026 Date: Tue, 23 Nov 1999 15:54:30 PST
8027 From: Vern Paxson <vern>
8029 Well, your problem is the
8031 switch (yybgin-yysvec-1) {      /* witchcraft */
8033 at the beginning of lex rules.  "witchcraft" == "non-portable".  It's
8034 assuming knowledge of the AT&T lex's internal variables.
8036 For flex, you can probably do the equivalent using a switch on YYSTATE.
8038                 Vern
8039 @end verbatim
8040 @end example
8042 @c TODO: Evaluate this faq.
8043 @node unnamed-faq-99
8044 @unnumberedsec unnamed-faq-99
8045 @example
8046 @verbatim
8047 To: archow@hss.hns.com
8048 Subject: Re: Regarding distribution of flex and yacc based grammars
8049 In-reply-to: Your message of Sun, 19 Dec 1999 17:50:24 +0530.
8050 Date: Wed, 22 Dec 1999 01:56:24 PST
8051 From: Vern Paxson <vern>
8053 > When we provide the customer with an object code distribution, is it
8054 > necessary for us to provide source
8055 > for the generated C files from flex and bison since they are generated by
8056 > flex and bison ?
8058 For flex, no.  I don't know what the current state of this is for bison.
8060 > Also, is there any requrirement for us to neccessarily  provide source for
8061 > the grammar files which are fed into flex and bison ?
8063 Again, for flex, no.
8065 See the file "COPYING" in the flex distribution for the legalese.
8067                 Vern
8068 @end verbatim
8069 @end example
8071 @c TODO: Evaluate this faq.
8072 @node unnamed-faq-100
8073 @unnumberedsec unnamed-faq-100
8074 @example
8075 @verbatim
8076 To: Martin Gallwey <gallweym@hyperion.moe.ul.ie>
8077 Subject: Re: Flex, and self referencing rules
8078 In-reply-to: Your message of Sun, 20 Feb 2000 01:01:21 PST.
8079 Date: Sat, 19 Feb 2000 18:33:16 PST
8080 From: Vern Paxson <vern>
8082 > However, I do not use unput anywhere. I do use self-referencing
8083 > rules like this:
8085 > UnaryExpr               ({UnionExpr})|("-"{UnaryExpr})
8087 You can't do this - flex is *not* a parser like yacc (which does indeed
8088 allow recursion), it is a scanner that's confined to regular expressions.
8090                 Vern
8091 @end verbatim
8092 @end example
8094 @c TODO: Evaluate this faq.
8095 @node unnamed-faq-101
8096 @unnumberedsec unnamed-faq-101
8097 @example
8098 @verbatim
8099 To: slg3@lehigh.edu (SAMUEL L. GULDEN)
8100 Subject: Re: Flex problem
8101 In-reply-to: Your message of Thu, 02 Mar 2000 12:29:04 PST.
8102 Date: Thu, 02 Mar 2000 23:00:46 PST
8103 From: Vern Paxson <vern>
8105 If this is exactly your program:
8107 > digit [0-9]
8108 > digits {digit}+
8109 > whitespace [ \t\n]+
8111 > %%
8112 > "[" { printf("open_brac\n");}
8113 > "]" { printf("close_brac\n");}
8114 > "+" { printf("addop\n");}
8115 > "*" { printf("multop\n");}
8116 > {digits} { printf("NUMBER = %s\n", yytext);}
8117 > whitespace ;
8119 then the problem is that the last rule needs to be "{whitespace}" !
8121                 Vern
8122 @end verbatim
8123 @end example
8125 @node What is the difference between YYLEX_PARAM and YY_DECL?
8126 @unnumberedsec What is the difference between YYLEX_PARAM and YY_DECL?
8128 YYLEX_PARAM is not a flex symbol. It is for Bison. It tells Bison to pass extra
8129 params when it calls yylex() from the parser.
8131 YY_DECL is the Flex declaration of yylex. The default is similar to this:
8133 @example
8134 @verbatim
8135 #define int yy_lex ()
8136 @end verbatim
8137 @end example
8140 @node Why do I get "conflicting types for yylex" error?
8141 @unnumberedsec Why do I get "conflicting types for yylex" error?
8143 This is a compiler error regarding a generated Bison parser, not a Flex scanner.
8144 It means you need a prototype of yylex() in the top of the Bison file.
8145 Be sure the prototype matches YY_DECL.
8147 @node How do I access the values set in a Flex action from within a Bison action?
8148 @unnumberedsec How do I access the values set in a Flex action from within a Bison action?
8150 With $1, $2, $3, etc. These are called "Semantic Values" in the Bison manual.
8151 See @ref{Top, , , bison, the GNU Bison Manual}.
8153 @node Appendices, Indices, FAQ, Top
8154 @appendix Appendices
8156 @menu
8157 * Makefiles and Flex::          
8158 * Bison Bridge::                
8159 * M4 Dependency::               
8160 * Common Patterns::               
8161 @end menu
8163 @node Makefiles and Flex, Bison Bridge, Appendices, Appendices
8164 @appendixsec Makefiles and Flex
8166 @cindex Makefile, syntax
8168 In this appendix, we provide tips for writing Makefiles to build your scanners.
8170 In a traditional build environment, we say that the @file{.c} files are the
8171 sources, and the @file{.o} files are the intermediate files. When using
8172 @code{flex}, however, the @file{.l} files are the sources, and the generated
8173 @file{.c} files (along with the @file{.o} files) are the intermediate files.
8174 This requires you to carefully plan your Makefile.
8176 Modern @command{make} programs understand that @file{foo.l} is intended to
8177 generate @file{lex.yy.c} or @file{foo.c}, and will behave
8178 accordingly@footnote{GNU @command{make} and GNU @command{automake} are two such
8179 programs that provide implicit rules for flex-generated scanners.}@footnote{GNU @command{automake}
8180 may generate code to execute flex in lex-compatible mode, or to stdout. If this is not what you want,
8181 then you should provide an explicit rule in your Makefile.am}.  The
8182 following Makefile does not explicitly instruct @command{make} how to build
8183 @file{foo.c} from @file{foo.l}. Instead, it relies on the implicit rules of the
8184 @command{make} program to build the intermediate file, @file{scan.c}:
8186 @cindex Makefile, example of implicit rules
8187 @example
8188 @verbatim
8189     # Basic Makefile -- relies on implicit rules
8190     # Creates "myprogram" from "scan.l" and "myprogram.c"
8191     #
8192     LEX=flex
8193     myprogram: scan.o myprogram.o
8194     scan.o: scan.l
8196 @end verbatim
8197 @end example
8200 For simple cases, the above may be sufficient. For other cases,
8201 you may have to explicitly instruct @command{make} how to build your scanner.
8202 The following is an example of a Makefile containing explicit rules:
8204 @cindex Makefile, explicit example
8205 @example
8206 @verbatim
8207     # Basic Makefile -- provides explicit rules
8208     # Creates "myprogram" from "scan.l" and "myprogram.c"
8209     #
8210     LEX=flex
8211     myprogram: scan.o myprogram.o
8212             $(CC) -o $@  $(LDFLAGS) $^
8214     myprogram.o: myprogram.c
8215             $(CC) $(CPPFLAGS) $(CFLAGS) -o $@ -c $^
8217     scan.o: scan.c
8218             $(CC) $(CPPFLAGS) $(CFLAGS) -o $@ -c $^
8220     scan.c: scan.l
8221             $(LEX) $(LFLAGS) -o $@ $^
8223     clean:
8224             $(RM) *.o scan.c
8226 @end verbatim
8227 @end example
8229 Notice in the above example that @file{scan.c} is in the @code{clean} target.
8230 This is because we consider the file @file{scan.c} to be an intermediate file.
8232 Finally, we provide a realistic example of a @code{flex} scanner used with a
8233 @code{bison} parser@footnote{This example also applies to yacc parsers.}.
8234 There is a tricky problem we have to deal with. Since a @code{flex} scanner
8235 will typically include a header file (e.g., @file{y.tab.h}) generated by the
8236 parser, we need to be sure that the header file is generated BEFORE the scanner
8237 is compiled. We handle this case in the following example:
8239 @example
8240 @verbatim
8241     # Makefile example -- scanner and parser.
8242     # Creates "myprogram" from "scan.l", "parse.y", and "myprogram.c"
8243     #
8244     LEX     = flex
8245     YACC    = bison -y
8246     YFLAGS  = -d
8247     objects = scan.o parse.o myprogram.o
8249     myprogram: $(objects)
8250     scan.o: scan.l parse.c
8251     parse.o: parse.y
8252     myprogram.o: myprogram.c
8254 @end verbatim
8255 @end example
8257 In the above example, notice the line,
8259 @example
8260 @verbatim
8261     scan.o: scan.l parse.c
8262 @end verbatim
8263 @end example
8265 , which lists the file @file{parse.c} (the generated parser) as a dependency of
8266 @file{scan.o}. We want to ensure that the parser is created before the scanner
8267 is compiled, and the above line seems to do the trick. Feel free to experiment
8268 with your specific implementation of @command{make}.
8271 For more details on writing Makefiles, see @ref{Top, , , make, The
8272 GNU Make Manual}.
8274 @node Bison Bridge, M4 Dependency, Makefiles and Flex, Appendices
8275 @section C Scanners with Bison Parsers
8277 @cindex bison, bridging with flex
8278 @vindex yylval
8279 @vindex yylloc
8280 @tindex YYLTYPE
8281 @tindex YYSTYPE
8283 This section describes the @code{flex} features useful when integrating
8284 @code{flex} with @code{GNU bison}@footnote{The features described here are
8285 purely optional, and are by no means the only way to use flex with bison.
8286 We merely provide some glue to ease development of your parser-scanner pair.}.
8287 Skip this section if you are not using
8288 @code{bison} with your scanner.  Here we discuss only the @code{flex}
8289 half of the @code{flex} and @code{bison} pair.  We do not discuss
8290 @code{bison} in any detail.  For more information about generating
8291 @code{bison} parsers, see @ref{Top, , , bison, the GNU Bison Manual}.
8293 A compatible @code{bison} scanner is generated by declaring @samp{%option
8294 bison-bridge} or by supplying @samp{--bison-bridge} when invoking @code{flex}
8295 from the command line.  This instructs @code{flex} that the macro
8296 @code{yylval} may be used. The data type for
8297 @code{yylval}, @code{YYSTYPE},
8298 is typically defined in a header file, included in section 1 of the
8299 @code{flex} input file.  For a list of functions and macros
8300 available, @xref{bison-functions}.
8302 The declaration of yylex becomes,
8304 @findex yylex (reentrant version)
8305 @example
8306 @verbatim
8307       int yylex ( YYSTYPE * lvalp, yyscan_t scanner );
8308 @end verbatim
8309 @end example
8311 If @code{%option bison-locations} is specified, then the declaration
8312 becomes,
8314 @findex yylex (reentrant version)
8315 @example
8316 @verbatim
8317       int yylex ( YYSTYPE * lvalp, YYLTYPE * llocp, yyscan_t scanner );
8318 @end verbatim
8319 @end example
8321 Note that the macros @code{yylval} and @code{yylloc} evaluate to pointers.
8322 Support for @code{yylloc} is optional in @code{bison}, so it is optional in
8323 @code{flex} as well. The following is an example of a @code{flex} scanner that
8324 is compatible with @code{bison}.
8326 @cindex bison, scanner to be called from bison
8327 @example
8328 @verbatim
8329     /* Scanner for "C" assignment statements... sort of. */
8330     %{
8331     #include "y.tab.h"  /* Generated by bison. */
8332     %}
8334     %option bison-bridge bison-locations
8335     %
8337     [[:digit:]]+  { yylval->num = atoi(yytext);   return NUMBER;}
8338     [[:alnum:]]+  { yylval->str = strdup(yytext); return STRING;}
8339     "="|";"       { return yytext[0];}
8340     .  {}
8341     %
8342 @end verbatim
8343 @end example
8345 As you can see, there really is no magic here. We just use
8346 @code{yylval} as we would any other variable. The data type of
8347 @code{yylval} is generated by @code{bison}, and included in the file
8348 @file{y.tab.h}. Here is the corresponding @code{bison} parser:
8350 @cindex bison, parser
8351 @example
8352 @verbatim
8353     /* Parser to convert "C" assignments to lisp. */
8354     %{
8355     /* Pass the argument to yyparse through to yylex. */
8356     #define YYPARSE_PARAM scanner
8357     #define YYLEX_PARAM   scanner
8358     %}
8359     %locations
8360     %pure_parser
8361     %union {
8362         int num;
8363         char* str;
8364     }
8365     %token <str> STRING
8366     %token <num> NUMBER
8367     %%
8368     assignment:
8369         STRING '=' NUMBER ';' {
8370             printf( "(setf %s %d)", $1, $3 );
8371        }
8372     ;
8373 @end verbatim
8374 @end example
8376 @node M4 Dependency, Common Patterns, Bison Bridge, Appendices
8377 @section M4 Dependency
8378 @cindex m4
8379 The macro processor @code{m4}@footnote{The use of m4 is subject to change in
8380 future revisions of flex. It is not part of the public API of flex. Do not depend on it.}
8381 must be installed wherever flex is installed.
8382 @code{flex} invokes @samp{m4}, found by searching the directories in the
8383 @code{PATH} environment variable. Any code you place in section 1 or in the
8384 actions will be sent through m4. Please follow these rules to protect your
8385 code from unwanted @code{m4} processing.
8387 @itemize
8389 @item Do not use symbols that begin with, @samp{m4_}, such as, @samp{m4_define},
8390 or @samp{m4_include}, since those are reserved for @code{m4} macro names. If for 
8391 some reason you need m4_ as a prefix, use a preprocessor #define to get your
8392 symbol past m4 unmangled.
8394 @item Do not use the strings @samp{[[} or @samp{]]} anywhere in your code. The
8395 former is not valid in C, except within comments and strings, but the latter is valid in
8396 code such as @code{x[y[z]]}. The solution is simple. To get the literal string 
8397 @code{"]]"}, use @code{"]""]"}. To get the array notation @code{x[y[z]]},
8398 use @code{x[y[z] ]}. Flex will attempt to detect these sequences in user code, and
8399 escape them. However, it's best to avoid this complexity where possible, by
8400 removing such sequences from your code.
8402 @end itemize
8404 @code{m4} is only required at the time you run @code{flex}. The generated
8405 scanner is ordinary C or C++, and does @emph{not} require @code{m4}.
8407 @node Common Patterns, ,M4 Dependency, Appendices
8408 @section Common Patterns
8409 @cindex patterns, common
8411 This appendix provides examples of common regular expressions you might use
8412 in your scanner.
8414 @menu
8415 * Numbers::         
8416 * Identifiers::         
8417 * Quoted Constructs::       
8418 * Addresses::       
8419 @end menu
8422 @node Numbers, Identifiers, ,Common Patterns
8423 @subsection Numbers
8425 @table @asis
8427 @item C99 decimal constant
8428 @code{([[:digit:]]@{-@}[0])[[:digit:]]*}
8430 @item C99 hexadecimal constant
8431 @code{0[xX][[:xdigit:]]+}
8433 @item C99 octal constant
8434 @code{0[01234567]*}
8436 @item C99 floating point constant
8437 @verbatim
8438  {dseq}      ([[:digit:]]+)
8439  {dseq_opt}  ([[:digit:]]*)
8440  {frac}      (({dseq_opt}"."{dseq})|{dseq}".")
8441  {exp}       ([eE][+-]?{dseq})
8442  {exp_opt}   ({exp}?)
8443  {fsuff}     [flFL]
8444  {fsuff_opt} ({fsuff}?)
8445  {hpref}     (0[xX])
8446  {hdseq}     ([[:xdigit:]]+)
8447  {hdseq_opt} ([[:xdigit:]]*)
8448  {hfrac}     (({hdseq_opt}"."{hdseq})|({hdseq}"."))
8449  {bexp}      ([pP][+-]?{dseq})
8450  {dfc}       (({frac}{exp_opt}{fsuff_opt})|({dseq}{exp}{fsuff_opt}))
8451  {hfc}       (({hpref}{hfrac}{bexp}{fsuff_opt})|({hpref}{hdseq}{bexp}{fsuff_opt}))
8453  {c99_floating_point_constant}  ({dfc}|{hfc})
8454 @end verbatim
8456 See C99 section 6.4.4.2 for the gory details.
8458 @end table
8460 @node Identifiers, Quoted Constructs, Numbers, Common Patterns
8461 @subsection Identifiers
8463 @table @asis
8465 @item C99 Identifier
8466 @verbatim
8467 ucn        ((\\u([[:xdigit:]]{4}))|(\\U([[:xdigit:]]{8})))
8468 nondigit    [_[:alpha:]]
8469 c99_id     ([_[:alpha:]]|{ucn})([_[:alnum:]]|{ucn})*
8470 @end verbatim
8472 Technically, the above pattern does not encompass all possible C99 identifiers, since C99 allows for
8473 "implementation-defined" characters. In practice, C compilers follow the above pattern, with the
8474 addition of the @samp{$} character.
8476 @item UTF-8 Encoded Unicode Code Point
8477 @verbatim
8478 [\x09\x0A\x0D\x20-\x7E]|[\xC2-\xDF][\x80-\xBF]|\xE0[\xA0-\xBF][\x80-\xBF]|[\xE1-\xEC\xEE\xEF]([\x80-\xBF]{2})|\xED[\x80-\x9F][\x80-\xBF]|\xF0[\x90-\xBF]([\x80-\xBF]{2})|[\xF1-\xF3]([\x80-\xBF]{3})|\xF4[\x80-\x8F]([\x80-\xBF]{2})
8479 @end verbatim
8481 @end table
8483 @node Quoted Constructs, Addresses, Identifiers, Common Patterns
8484 @subsection Quoted Constructs
8486 @table @asis
8487 @item C99 String Literal
8488 @code{L?\"([^\"\\\n]|(\\['\"?\\abfnrtv])|(\\([0123456]@{1,3@}))|(\\x[[:xdigit:]]+)|(\\u([[:xdigit:]]@{4@}))|(\\U([[:xdigit:]]@{8@})))*\"}
8490 @item C99 Comment
8491 @code{("/*"([^*]|"*"[^/])*"*/")|("/"(\\\n)*"/"[^\n]*)}
8493 Note that in C99, a @samp{//}-style comment may be split across lines,  and, contrary to popular belief,
8494 does not include the trailing @samp{\n} character.
8496 A better way to scan @samp{/* */} comments is by line, rather than matching
8497 possibly huge comments all at once. This will allow you to scan comments of
8498 unlimited length, as long as line breaks appear at sane intervals. This is also
8499 more efficient when used with automatic line number processing. @xref{option-yylineno}.
8501 @verbatim
8502 <INITIAL>{
8503     "/*"      BEGIN(COMMENT);
8505 <COMMENT>{
8506     "*/"      BEGIN(0);
8507     [^*\n]+   ;
8508     "*"[^/]   ;
8509     \n        ;
8511 @end verbatim
8513 @end table
8515 @node Addresses, ,Quoted Constructs, Common Patterns
8516 @subsection Addresses
8518 @table @asis
8520 @item IPv4 Address
8521 @verbatim
8522 dec-octet     [0-9]|[1-9][0-9]|1[0-9][0-9]|2[0-4][0-9]|25[0-5]
8523 IPv4address   {dec-octet}\.{dec-octet}\.{dec-octet}\.{dec-octet}
8524 @end verbatim
8526 @item IPv6 Address
8527 @verbatim
8528 h16           [0-9A-Fa-f]{1,4}
8529 ls32          {h16}:{h16}|{IPv4address}
8530 IPv6address   ({h16}:){6}{ls32}|
8531               ::({h16}:){5}{ls32}|
8532               ({h16})?::({h16}:){4}{ls32}|
8533               (({h16}:){0,1}{h16})?::({h16}:){3}{ls32}|
8534               (({h16}:){0,2}{h16})?::({h16}:){2}{ls32}|
8535               (({h16}:){0,3}{h16})?::{h16}:{ls32}|
8536               (({h16}:){0,4}{h16})?::{ls32}|
8537               (({h16}:){0,5}{h16})?::{h16}|
8538               (({h16}:){0,6}{h16})?::
8539 @end verbatim
8541 See @uref{http://www.ietf.org/rfc/rfc2373.txt, RFC 2373} for details.
8542 Note that you have to fold the definition of @code{IPv6address} into one
8543 line and that it also matches the ``unspecified address'' ``::''.
8545 @item URI
8546 @code{(([^:/?#]+):)?("//"([^/?#]*))?([^?#]*)(\?([^#]*))?(#(.*))?}
8548 This pattern is nearly useless, since it allows just about any character
8549 to appear in a URI, including spaces and control characters.  See
8550 @uref{http://www.ietf.org/rfc/rfc2396.txt, RFC 2396} for details.
8552 @end table
8555 @node Indices,  , Appendices, Top
8556 @unnumbered Indices
8558 @menu
8559 * Concept Index::               
8560 * Index of Functions and Macros::  
8561 * Index of Variables::          
8562 * Index of Data Types::         
8563 * Index of Hooks::              
8564 * Index of Scanner Options::    
8565 @end menu
8567 @node Concept Index, Index of Functions and Macros, Indices, Indices
8568 @unnumberedsec Concept Index
8570 @printindex cp
8572 @node Index of Functions and Macros, Index of Variables, Concept Index, Indices
8573 @unnumberedsec Index of Functions and Macros
8575 This is an index of functions and preprocessor macros that look like functions.
8576 For macros that expand to variables or constants, see @ref{Index of Variables}.
8578 @printindex fn
8580 @node Index of Variables, Index of Data Types, Index of Functions and Macros, Indices
8581 @unnumberedsec Index of Variables
8583 This is an index of variables, constants, and preprocessor macros
8584 that expand to variables or constants.
8586 @printindex vr
8588 @node Index of Data Types, Index of Hooks, Index of Variables, Indices
8589 @unnumberedsec Index of Data Types
8590 @printindex tp
8592 @node Index of Hooks, Index of Scanner Options, Index of Data Types, Indices
8593 @unnumberedsec Index of Hooks
8595 This is an index of "hooks" that the user may define. These hooks typically  correspond
8596 to specific locations in the generated scanner, and may be used to insert arbitrary code.
8598 @printindex hk
8600 @node Index of Scanner Options,  , Index of Hooks, Indices
8601 @unnumberedsec Index of Scanner Options
8603 @printindex op
8605 @c A vim script to name the faq entries. delete this when faqs are no longer
8606 @c named "unnamed-faq-XXX".
8608 @c fu! Faq2 () range abort
8609 @c     let @r=input("Rename to: ")
8610 @c     exe "%s/" . @w . "/" . @r . "/g"
8611 @c     normal 'f
8612 @c endf
8613 @c nnoremap <F5>  1G/@node\s\+unnamed-faq-\d\+<cr>mfww"wy5ezt:call Faq2()<cr>
8615 @bye