Patrick Welche <prlw1@cam.ac.uk>
[netbsd-mini2440.git] / usr.bin / lex / flex.1
blob7dc36924eb8cc87b8ef82fb7b650ef7ec390f176
1 .\" $NetBSD: flex.1,v 1.15 2003/07/09 14:47:33 wiz Exp $
2 .\"
3 .TH FLEX 1 "April 1995" "Version 2.5"
4 .SH NAME
5 flex, lex \- fast lexical analyzer generator
6 .SH SYNOPSIS
7 .B flex
8 .B [\-bcdfhilnpstvwBFILTV78+? \-C[aefFmr] \-ooutput \-Pprefix \-Sskeleton]
9 .B [\-\-help \-\-version]
10 .I [filename ...]
11 .SH OVERVIEW
12 This manual describes
13 .I flex,
14 a tool for generating programs that perform pattern-matching on text.
15 The manual includes both tutorial and reference sections:
16 .nf
18     Description
19         a brief overview of the tool
21     Some Simple Examples
23     Format Of The Input File
25     Patterns
26         the extended regular expressions used by flex
28     How The Input Is Matched
29         the rules for determining what has been matched
31     Actions
32         how to specify what to do when a pattern is matched
34     The Generated Scanner
35         details regarding the scanner that flex produces;
36         how to control the input source
38     Start Conditions
39         introducing context into your scanners, and
40         managing "mini-scanners"
42     Multiple Input Buffers
43         how to manipulate multiple input sources; how to
44         scan from strings instead of files
46     End-of-file Rules
47         special rules for matching the end of the input
49     Miscellaneous Macros
50         a summary of macros available to the actions
52     Values Available To The User
53         a summary of values available to the actions
55     Interfacing With Yacc
56         connecting flex scanners together with yacc parsers
58     Options
59         flex command-line options, and the "%option"
60         directive
62     Performance Considerations
63         how to make your scanner go as fast as possible
65     Generating C++ Scanners
66         the (experimental) facility for generating C++
67         scanner classes
69     Incompatibilities With Lex And POSIX
70         how flex differs from AT\*[Am]T lex and the POSIX lex
71         standard
73     Diagnostics
74         those error messages produced by flex (or scanners
75         it generates) whose meanings might not be apparent
77     Files
78         files used by flex
80     Deficiencies / Bugs
81         known problems with flex
83     See Also
84         other documentation, related tools
86     Author
87         includes contact information
89 .fi
90 .SH DESCRIPTION
91 .I flex
92 is a tool for generating
93 .I scanners:
94 programs which recognized lexical patterns in text.
95 .I flex
96 reads
97 the given input files, or its standard input if no file names are given,
98 for a description of a scanner to generate.
99 The description is in the form of pairs
100 of regular expressions and C code, called
101 .I rules.
102 .I flex
103 generates as output a C source file,
104 .B lex.yy.c,
105 which defines a routine
106 .B yylex().
107 This file is compiled and linked with the
108 .B \-lfl
109 library to produce an executable.
110 When the executable is run,
111 it analyzes its input for occurrences
112 of the regular expressions.
113 Whenever it finds one, it executes
114 the corresponding C code.
115 .SH SOME SIMPLE EXAMPLES
117 First some simple examples to get the flavor of how one uses
118 .I flex.
119 The following
120 .I flex
121 input specifies a scanner which whenever it encounters the string
122 "username" will replace it with the user's login name:
125     %%
126     username    printf( "%s", getlogin() );
129 By default, any text not matched by a
130 .I flex
131 scanner
132 is copied to the output, so the net effect of this scanner is
133 to copy its input file to its output with each occurrence
134 of "username" expanded.
135 In this input, there is just one rule.
136 "username" is the
137 .I pattern
138 and the "printf" is the
139 .I action.
140 The "%%" marks the beginning of the rules.
142 Here's another simple example:
145             int num_lines = 0, num_chars = 0;
147     %%
148     \\n      ++num_lines; ++num_chars;
149     .       ++num_chars;
151     %%
152     main()
153             {
154             yylex();
155             printf( "# of lines = %d, # of chars = %d\\n",
156                     num_lines, num_chars );
157             }
160 This scanner counts the number of characters and the number
161 of lines in its input (it produces no output other than the
162 final report on the counts).
163 The first line
164 declares two globals, "num_lines" and "num_chars", which are accessible
165 both inside
166 .B yylex()
167 and in the
168 .B main()
169 routine declared after the second "%%".
170 There are two rules, one
171 which matches a newline ("\\n") and increments both the line count and
172 the character count, and one which matches any character other than
173 a newline (indicated by the "." regular expression).
175 A somewhat more complicated example:
178     /* scanner for a toy Pascal-like language */
180     %{
181     /* need this for the call to atof() below */
182     #include \*[Lt]math.h\*[Gt]
183     %}
185     DIGIT    [0-9]
186     ID       [a-z][a-z0-9]*
188     %%
190     {DIGIT}+    {
191                 printf( "An integer: %s (%d)\\n", yytext,
192                         atoi( yytext ) );
193                 }
195     {DIGIT}+"."{DIGIT}*        {
196                 printf( "A float: %s (%g)\\n", yytext,
197                         atof( yytext ) );
198                 }
200     if|then|begin|end|procedure|function        {
201                 printf( "A keyword: %s\\n", yytext );
202                 }
204     {ID}        printf( "An identifier: %s\\n", yytext );
206     "+"|"-"|"*"|"/"   printf( "An operator: %s\\n", yytext );
208     "{"[^}\\n]*"}"     /* eat up one-line comments */
210     [ \\t\\n]+          /* eat up whitespace */
212     .           printf( "Unrecognized character: %s\\n", yytext );
214     %%
216     main( argc, argv )
217     int argc;
218     char **argv;
219         {
220         ++argv, --argc;  /* skip over program name */
221         if ( argc \*[Gt] 0 )
222                 yyin = fopen( argv[0], "r" );
223         else
224                 yyin = stdin;
226         yylex();
227         }
230 This is the beginnings of a simple scanner for a language like
231 Pascal.
232 It identifies different types of
233 .I tokens
234 and reports on what it has seen.
236 The details of this example will be explained in the following
237 sections.
238 .SH FORMAT OF THE INPUT FILE
240 .I flex
241 input file consists of three sections, separated by a line with just
242 .B %%
243 in it:
246     definitions
247     %%
248     rules
249     %%
250     user code
254 .I definitions
255 section contains declarations of simple
256 .I name
257 definitions to simplify the scanner specification, and declarations of
258 .I start conditions,
259 which are explained in a later section.
261 Name definitions have the form:
264     name definition
267 The "name" is a word beginning with a letter or an underscore ('_')
268 followed by zero or more letters, digits, '_', or '-' (dash).
269 The definition is taken to begin at the first non-white-space character
270 following the name and continuing to the end of the line.
271 The definition can subsequently be referred to using "{name}", which
272 will expand to "(definition)".
273 For example,
276     DIGIT    [0-9]
277     ID       [a-z][a-z0-9]*
280 defines "DIGIT" to be a regular expression which matches a
281 single digit, and
282 "ID" to be a regular expression which matches a letter
283 followed by zero-or-more letters-or-digits.
284 A subsequent reference to
287     {DIGIT}+"."{DIGIT}*
290 is identical to
293     ([0-9])+"."([0-9])*
296 and matches one-or-more digits followed by a '.' followed
297 by zero-or-more digits.
300 .I rules
301 section of the
302 .I flex
303 input contains a series of rules of the form:
306     pattern   action
309 where the pattern must be unindented and the action must begin
310 on the same line.
312 See below for a further description of patterns and actions.
314 Finally, the user code section is simply copied to
315 .B lex.yy.c
316 verbatim.
317 It is used for companion routines which call or are called
318 by the scanner.
319 The presence of this section is optional;
320 if it is missing, the second
321 .B %%
322 in the input file may be skipped, too.
324 In the definitions and rules sections, any
325 .I indented
326 text or text enclosed in
327 .B %{
329 .B %}
330 is copied verbatim to the output (with the %{}'s removed).
331 The %{}'s must appear unindented on lines by themselves.
333 In the rules section,
334 any indented or %{} text appearing before the
335 first rule may be used to declare variables
336 which are local to the scanning routine and (after the declarations)
337 code which is to be executed whenever the scanning routine is entered.
338 Other indented or %{} text in the rule section is still copied to the output,
339 but its meaning is not well-defined and it may well cause compile-time
340 errors (this feature is present for
341 .I POSIX
342 compliance; see below for other such features).
344 In the definitions section (but not in the rules section),
345 an unindented comment (i.e., a line
346 beginning with "/*") is also copied verbatim to the output up
347 to the next "*/".
348 .SH PATTERNS
349 The patterns in the input are written using an extended set of regular
350 expressions.
351 These are:
354     x          match the character 'x'
355     .          any character (byte) except newline
356     [xyz]      a "character class"; in this case, the pattern
357                  matches either an 'x', a 'y', or a 'z'
358     [abj-oZ]   a "character class" with a range in it; matches
359                  an 'a', a 'b', any letter from 'j' through 'o',
360                  or a 'Z'
361     [^A-Z]     a "negated character class", i.e., any character
362                  but those in the class.  In this case, any
363                  character EXCEPT an uppercase letter.
364     [^A-Z\\n]   any character EXCEPT an uppercase letter or
365                  a newline
366     r*         zero or more r's, where r is any regular expression
367     r+         one or more r's
368     r?         zero or one r's (that is, "an optional r")
369     r{2,5}     anywhere from two to five r's
370     r{2,}      two or more r's
371     r{4}       exactly 4 r's
372     {name}     the expansion of the "name" definition
373                (see above)
374     "[xyz]\\"foo"
375                the literal string: [xyz]"foo
376     \\X         if X is an 'a', 'b', 'f', 'n', 'r', 't', or 'v',
377                  then the ANSI-C interpretation of \\x.
378                  Otherwise, a literal 'X' (used to escape
379                  operators such as '*')
380     \\0         a NUL character (ASCII code 0)
381     \\123       the character with octal value 123
382     \\x2a       the character with hexadecimal value 2a
383     (r)        match an r; parentheses are used to override
384                  precedence (see below)
387     rs         the regular expression r followed by the
388                  regular expression s; called "concatenation"
391     r|s        either an r or an s
394     r/s        an r but only if it is followed by an s.  The
395                  text matched by s is included when determining
396                  whether this rule is the "longest match",
397                  but is then returned to the input before
398                  the action is executed.  So the action only
399                  sees the text matched by r.  This type
400                  of pattern is called trailing context".
401                  (There are some combinations of r/s that flex
402                  cannot match correctly; see notes in the
403                  Deficiencies / Bugs section below regarding
404                  "dangerous trailing context".)
405     ^r         an r, but only at the beginning of a line (i.e.,
406                  which just starting to scan, or right after a
407                  newline has been scanned).
408     r$         an r, but only at the end of a line (i.e., just
409                  before a newline).  Equivalent to "r/\\n".
411                Note that flex's notion of "newline" is exactly
412                whatever the C compiler used to compile flex
413                interprets '\\n' as; in particular, on some DOS
414                systems you must either filter out \\r's in the
415                input yourself, or explicitly use r/\\r\\n for "r$".
418     \*[Lt]s\*[Gt]r       an r, but only in start condition s (see
419                  below for discussion of start conditions)
420     \*[Lt]s1,s2,s3\*[Gt]r
421                same, but in any of start conditions s1,
422                  s2, or s3
423     \*[Lt]*\*[Gt]r       an r in any start condition, even an exclusive one.
426     \*[Lt]\*[Lt]EOF\*[Gt]\*[Gt]    an end-of-file
427     \*[Lt]s1,s2\*[Gt]\*[Lt]\*[Lt]EOF\*[Gt]\*[Gt]
428                an end-of-file when in start condition s1 or s2
431 Note that inside of a character class, all regular expression operators
432 lose their special meaning except escape ('\\') and the character class
433 operators, '-', ']', and, at the beginning of the class, '^'.
435 The regular expressions listed above are grouped according to
436 precedence, from highest precedence at the top to lowest at the bottom.
437 Those grouped together have equal precedence.
438 For example,
441     foo|bar*
444 is the same as
447     (foo)|(ba(r*))
450 since the '*' operator has higher precedence than concatenation,
451 and concatenation higher than alternation ('|').
452 This pattern
453 therefore matches
454 .I either
455 the string "foo"
456 .I or
457 the string "ba" followed by zero-or-more r's.
458 To match "foo" or zero-or-more "bar"'s, use:
461     foo|(bar)*
464 and to match zero-or-more "foo"'s-or-"bar"'s:
467     (foo|bar)*
471 In addition to characters and ranges of characters, character classes
472 can also contain character class
473 .I expressions.
474 These are expressions enclosed inside
475 .B [:
477 .B :]
478 delimiters (which themselves must appear between the '[' and ']' of the
479 character class; other elements may occur inside the character class, too).
480 The valid expressions are:
483     [:alnum:] [:alpha:] [:blank:]
484     [:cntrl:] [:digit:] [:graph:]
485     [:lower:] [:print:] [:punct:]
486     [:space:] [:upper:] [:xdigit:]
489 These expressions all designate a set of characters equivalent to
490 the corresponding standard C
491 .B isXXX
492 function.
493 For example,
494 .B [:alnum:]
495 designates those characters for which
496 .B isalnum()
497 returns true - i.e., any alphabetic or numeric.
498 Some systems don't provide
499 .B isblank(),
500 so flex defines
501 .B [:blank:]
502 as a blank or a tab.
504 For example, the following character classes are all equivalent:
507     [[:alnum:]]
508     [[:alpha:][:digit:]]
509     [[:alpha:]0-9]
510     [a-zA-Z0-9]
513 If your scanner is case-insensitive (the
514 .B \-i
515 flag), then
516 .B [:upper:]
518 .B [:lower:]
519 are equivalent to
520 .B [:alpha:].
522 Some notes on patterns:
523 .IP -
524 A negated character class such as the example "[^A-Z]"
525 above
526 .I will match a newline
527 unless "\\n" (or an equivalent escape sequence) is one of the
528 characters explicitly present in the negated character class
529 (e.g., "[^A-Z\\n]").
530 This is unlike how many other regular
531 expression tools treat negated character classes, but unfortunately
532 the inconsistency is historically entrenched.
533 Matching newlines means that a pattern like [^"]* can match the entire
534 input unless there's another quote in the input.
535 .IP -
536 A rule can have at most one instance of trailing context (the '/' operator
537 or the '$' operator).
538 The start condition, '^', and "\*[Lt]\*[Lt]EOF\*[Gt]\*[Gt]" patterns
539 can only occur at the beginning of a pattern, and, as well as with '/' and '$',
540 cannot be grouped inside parentheses.
541 A '^' which does not occur at
542 the beginning of a rule or a '$' which does not occur at the end of
543 a rule loses its special properties and is treated as a normal character.
545 The following are illegal:
548     foo/bar$
549     \*[Lt]sc1\*[Gt]foo\*[Lt]sc2\*[Gt]bar
552 Note that the first of these, can be written "foo/bar\\n".
554 The following will result in '$' or '^' being treated as a normal character:
557     foo|(bar$)
558     foo|^bar
561 If what's wanted is a "foo" or a bar-followed-by-a-newline, the following
562 could be used (the special '|' action is explained below):
565     foo      |
566     bar$     /* action goes here */
569 A similar trick will work for matching a foo or a
570 bar-at-the-beginning-of-a-line.
571 .SH HOW THE INPUT IS MATCHED
572 When the generated scanner is run, it analyzes its input looking
573 for strings which match any of its patterns.
574 If it finds more than
575 one match, it takes the one matching the most text (for trailing
576 context rules, this includes the length of the trailing part, even
577 though it will then be returned to the input).
578 If it finds two
579 or more matches of the same length, the
580 rule listed first in the
581 .I flex
582 input file is chosen.
584 Once the match is determined, the text corresponding to the match
585 (called the
586 .I token)
587 is made available in the global character pointer
588 .B yytext,
589 and its length in the global integer
590 .B yyleng.
592 .I action
593 corresponding to the matched pattern is then executed (a more
594 detailed description of actions follows), and then the remaining
595 input is scanned for another match.
597 If no match is found, then the
598 .I default rule
599 is executed: the next character in the input is considered matched and
600 copied to the standard output.
601 Thus, the simplest legal
602 .I flex
603 input is:
606     %%
609 which generates a scanner that simply copies its input (one character
610 at a time) to its output.
612 Note that
613 .B yytext
614 can be defined in two different ways: either as a character
615 .I pointer
616 or as a character
617 .I array.
618 You can control which definition
619 .I flex
620 uses by including one of the special directives
621 .B %pointer
623 .B %array
624 in the first (definitions) section of your flex input.
625 The default is
626 .B %pointer,
627 unless you use the
628 .B -l
629 lex compatibility option, in which case
630 .B yytext
631 will be an array.
632 The advantage of using
633 .B %pointer
634 is substantially faster scanning and no buffer overflow when matching
635 very large tokens (unless you run out of dynamic memory).
636 The disadvantage
637 is that you are restricted in how your actions can modify
638 .B yytext
639 (see the next section), and calls to the
640 .B unput()
641 function destroys the present contents of
642 .B yytext,
643 which can be a considerable porting headache when moving between different
644 .I lex
645 versions.
647 The advantage of
648 .B %array
649 is that you can then modify
650 .B yytext
651 to your heart's content, and calls to
652 .B unput()
653 do not destroy
654 .B yytext
655 (see below).
656 Furthermore, existing
657 .I lex
658 programs sometimes access
659 .B yytext
660 externally using declarations of the form:
662     extern char yytext[];
664 This definition is erroneous when used with
665 .B %pointer,
666 but correct for
667 .B %array.
669 .B %array
670 defines
671 .B yytext
672 to be an array of
673 .B YYLMAX
674 characters, which defaults to a fairly large value.
675 You can change
676 the size by simply #define'ing
677 .B YYLMAX
678 to a different value in the first section of your
679 .I flex
680 input.
681 As mentioned above, with
682 .B %pointer
683 yytext grows dynamically to accommodate large tokens.
684 While this means your
685 .B %pointer
686 scanner can accommodate very large tokens (such as matching entire blocks
687 of comments), bear in mind that each time the scanner must resize
688 .B yytext
689 it also must rescan the entire token from the beginning, so matching such
690 tokens can prove slow.
691 .B yytext
692 presently does
693 .I not
694 dynamically grow if a call to
695 .B unput()
696 results in too much text being pushed back; instead, a run-time error results.
698 Also note that you cannot use
699 .B %array
700 with C++ scanner classes
701 (the
702 .B c++
703 option; see below).
704 .SH ACTIONS
705 Each pattern in a rule has a corresponding action, which can be any
706 arbitrary C statement.
707 The pattern ends at the first non-escaped
708 whitespace character; the remainder of the line is its action.
709 If the
710 action is empty, then when the pattern is matched the input token
711 is simply discarded.
712 For example, here is the specification for a program
713 which deletes all occurrences of "zap me" from its input:
716     %%
717     "zap me"
720 (It will copy all other characters in the input to the output since
721 they will be matched by the default rule.)
723 Here is a program which compresses multiple blanks and tabs down to
724 a single blank, and throws away whitespace found at the end of a line:
727     %%
728     [ \\t]+        putchar( ' ' );
729     [ \\t]+$       /* ignore this token */
733 If the action contains a '{', then the action spans till the balancing '}'
734 is found, and the action may cross multiple lines.
735 .I flex
736 knows about C strings and comments and won't be fooled by braces found
737 within them, but also allows actions to begin with
738 .B %{
739 and will consider the action to be all the text up to the next
740 .B %}
741 (regardless of ordinary braces inside the action).
743 An action consisting solely of a vertical bar ('|') means "same as
744 the action for the next rule."  See below for an illustration.
746 Actions can include arbitrary C code, including
747 .B return
748 statements to return a value to whatever routine called
749 .B yylex().
750 Each time
751 .B yylex()
752 is called it continues processing tokens from where it last left
753 off until it either reaches
754 the end of the file or executes a return.
756 Actions are free to modify
757 .B yytext
758 except for lengthening it (adding
759 characters to its end--these will overwrite later characters in the
760 input stream).
761 This however does not apply when using
762 .B %array
763 (see above); in that case,
764 .B yytext
765 may be freely modified in any way.
767 Actions are free to modify
768 .B yyleng
769 except they should not do so if the action also includes use of
770 .B yymore()
771 (see below).
773 There are a number of special directives which can be included within
774 an action:
775 .IP -
776 .B ECHO
777 copies yytext to the scanner's output.
778 .IP -
779 .B BEGIN
780 followed by the name of a start condition places the scanner in the
781 corresponding start condition (see below).
782 .IP -
783 .B REJECT
784 directs the scanner to proceed on to the "second best" rule which matched the
785 input (or a prefix of the input).
786 The rule is chosen as described
787 above in "How the Input is Matched", and
788 .B yytext
790 .B yyleng
791 set up appropriately.
792 It may either be one which matched as much text
793 as the originally chosen rule but came later in the
794 .I flex
795 input file, or one which matched less text.
796 For example, the following will both count the
797 words in the input and call the routine special() whenever "frob" is seen:
800             int word_count = 0;
801     %%
803     frob        special(); REJECT;
804     [^ \\t\\n]+   ++word_count;
807 Without the
808 .B REJECT,
809 any "frob"'s in the input would not be counted as words, since the
810 scanner normally executes only one action per token.
811 Multiple
812 .B REJECT's
813 are allowed, each one finding the next best choice to the currently
814 active rule.
815 For example, when the following scanner scans the token
816 "abcd", it will write "abcdabcaba" to the output:
819     %%
820     a        |
821     ab       |
822     abc      |
823     abcd     ECHO; REJECT;
824     .|\\n     /* eat up any unmatched character */
827 (The first three rules share the fourth's action since they use
828 the special '|' action.)
829 .B REJECT
830 is a particularly expensive feature in terms of scanner performance;
831 if it is used in
832 .I any
833 of the scanner's actions it will slow down
834 .I all
835 of the scanner's matching.
836 Furthermore,
837 .B REJECT
838 cannot be used with the
839 .I -Cf
841 .I -CF
842 options (see below).
844 Note also that unlike the other special actions,
845 .B REJECT
846 is a
847 .I branch;
848 code immediately following it in the action will
849 .I not
850 be executed.
851 .IP -
852 .B yymore()
853 tells the scanner that the next time it matches a rule, the corresponding
854 token should be
855 .I appended
856 onto the current value of
857 .B yytext
858 rather than replacing it.
859 For example, given the input "mega-kludge"
860 the following will write "mega-mega-kludge" to the output:
863     %%
864     mega-    ECHO; yymore();
865     kludge   ECHO;
868 First "mega-" is matched and echoed to the output.
869 Then "kludge"
870 is matched, but the previous "mega-" is still hanging around at the
871 beginning of
872 .B yytext
873 so the
874 .B ECHO
875 for the "kludge" rule will actually write "mega-kludge".
877 Two notes regarding use of
878 .B yymore().
879 First,
880 .B yymore()
881 depends on the value of
882 .I yyleng
883 correctly reflecting the size of the current token, so you must not
884 modify
885 .I yyleng
886 if you are using
887 .B yymore().
888 Second, the presence of
889 .B yymore()
890 in the scanner's action entails a minor performance penalty in the
891 scanner's matching speed.
892 .IP -
893 .B yyless(n)
894 returns all but the first
895 .I n
896 characters of the current token back to the input stream, where they
897 will be rescanned when the scanner looks for the next match.
898 .B yytext
900 .B yyleng
901 are adjusted appropriately (e.g.,
902 .B yyleng
903 will now be equal to
904 .I n
906 For example, on the input "foobar" the following will write out
907 "foobarbar":
910     %%
911     foobar    ECHO; yyless(3);
912     [a-z]+    ECHO;
915 An argument of 0 to
916 .B yyless
917 will cause the entire current input string to be scanned again.
918 Unless you've
919 changed how the scanner will subsequently process its input (using
920 .B BEGIN,
921 for example), this will result in an endless loop.
923 Note that
924 .B yyless
925 is a macro and can only be used in the flex input file, not from
926 other source files.
927 .IP -
928 .B unput(c)
929 puts the character
930 .I c
931 back onto the input stream.
932 It will be the next character scanned.
933 The following action will take the current token and cause it
934 to be rescanned enclosed in parentheses.
937     {
938     int i;
939     /* Copy yytext because unput() trashes yytext */
940     char *yycopy = strdup( yytext );
941     unput( ')' );
942     for ( i = yyleng - 1; i \*[Ge] 0; --i )
943         unput( yycopy[i] );
944     unput( '(' );
945     free( yycopy );
946     }
949 Note that since each
950 .B unput()
951 puts the given character back at the
952 .I beginning
953 of the input stream, pushing back strings must be done back-to-front.
955 An important potential problem when using
956 .B unput()
957 is that if you are using
958 .B %pointer
959 (the default), a call to
960 .B unput()
961 .I destroys
962 the contents of
963 .I yytext,
964 starting with its rightmost character and devouring one character to
965 the left with each call.
966 If you need the value of yytext preserved
967 after a call to
968 .B unput()
969 (as in the above example),
970 you must either first copy it elsewhere, or build your scanner using
971 .B %array
972 instead (see How The Input Is Matched).
974 Finally, note that you cannot put back
975 .B EOF
976 to attempt to mark the input stream with an end-of-file.
977 .IP -
978 .B input()
979 reads the next character from the input stream.
980 For example,
981 the following is one way to eat up C comments:
984     %%
985     "/*"        {
986                 register int c;
988                 for ( ; ; )
989                     {
990                     while ( (c = input()) != '*' \*[Am]\*[Am]
991                             c != EOF )
992                         ;    /* eat up text of comment */
994                     if ( c == '*' )
995                         {
996                         while ( (c = input()) == '*' )
997                             ;
998                         if ( c == '/' )
999                             break;    /* found the end */
1000                         }
1002                     if ( c == EOF )
1003                         {
1004                         error( "EOF in comment" );
1005                         break;
1006                         }
1007                     }
1008                 }
1011 (Note that if the scanner is compiled using
1012 .B C++,
1013 then
1014 .B input()
1015 is instead referred to as
1016 .B yyinput(),
1017 in order to avoid a name clash with the
1018 .B C++
1019 stream by the name of
1020 .I input.)
1021 .IP -
1022 .B YY_FLUSH_BUFFER
1023 flushes the scanner's internal buffer
1024 so that the next time the scanner attempts to match a token, it will
1025 first refill the buffer using
1026 .B YY_INPUT
1027 (see The Generated Scanner, below).
1028 This action is a special case
1029 of the more general
1030 .B yy_flush_buffer()
1031 function, described below in the section Multiple Input Buffers.
1032 .IP -
1033 .B yyterminate()
1034 can be used in lieu of a return statement in an action.
1035 It terminates
1036 the scanner and returns a 0 to the scanner's caller, indicating "all done".
1037 By default,
1038 .B yyterminate()
1039 is also called when an end-of-file is encountered.
1040 It is a macro and may be redefined.
1041 .SH THE GENERATED SCANNER
1042 The output of
1043 .I flex
1044 is the file
1045 .B lex.yy.c,
1046 which contains the scanning routine
1047 .B yylex(),
1048 a number of tables used by it for matching tokens, and a number
1049 of auxiliary routines and macros.
1050 By default,
1051 .B yylex()
1052 is declared as follows:
1055     int yylex()
1056         {
1057         ... various definitions and the actions in here ...
1058         }
1061 (If your environment supports function prototypes, then it will
1062 be "int yylex( void )".)  This definition may be changed by defining
1063 the "YY_DECL" macro.
1064 For example, you could use:
1067     #define YY_DECL float lexscan( a, b ) float a, b;
1070 to give the scanning routine the name
1071 .I lexscan,
1072 returning a float, and taking two floats as arguments.
1073 Note that
1074 if you give arguments to the scanning routine using a
1075 K\*[Am]R-style/non-prototyped function declaration, you must terminate
1076 the definition with a semi-colon (;).
1078 Whenever
1079 .B yylex()
1080 is called, it scans tokens from the global input file
1081 .I yyin
1082 (which defaults to stdin).
1083 It continues until it either reaches
1084 an end-of-file (at which point it returns the value 0) or
1085 one of its actions executes a
1086 .I return
1087 statement.
1089 If the scanner reaches an end-of-file, subsequent calls are undefined
1090 unless either
1091 .I yyin
1092 is pointed at a new input file (in which case scanning continues from
1093 that file), or
1094 .B yyrestart()
1095 is called.
1096 .B yyrestart()
1097 takes one argument, a
1098 .B FILE *
1099 pointer (which can be nil, if you've set up
1100 .B YY_INPUT
1101 to scan from a source other than
1102 .I yyin),
1103 and initializes
1104 .I yyin
1105 for scanning from that file.
1106 Essentially there is no difference between
1107 just assigning
1108 .I yyin
1109 to a new input file or using
1110 .B yyrestart()
1111 to do so; the latter is available for compatibility with previous versions
1113 .I flex,
1114 and because it can be used to switch input files in the middle of scanning.
1115 It can also be used to throw away the current input buffer, by calling
1116 it with an argument of
1117 .I yyin;
1118 but better is to use
1119 .B YY_FLUSH_BUFFER
1120 (see above).
1121 Note that
1122 .B yyrestart()
1123 does
1124 .I not
1125 reset the start condition to
1126 .B INITIAL
1127 (see Start Conditions, below).
1130 .B yylex()
1131 stops scanning due to executing a
1132 .I return
1133 statement in one of the actions, the scanner may then be called again and it
1134 will resume scanning where it left off.
1136 By default (and for purposes of efficiency), the scanner uses
1137 block-reads rather than simple
1138 .I getc()
1139 calls to read characters from
1140 .I yyin.
1141 The nature of how it gets its input can be controlled by defining the
1142 .B YY_INPUT
1143 macro.
1144 YY_INPUT's calling sequence is "YY_INPUT(buf,result,max_size)".
1145 Its action is to place up to
1146 .I max_size
1147 characters in the character array
1148 .I buf
1149 and return in the integer variable
1150 .I result
1151 either the
1152 number of characters read or the constant YY_NULL (0 on Unix systems)
1153 to indicate EOF.
1154 The default YY_INPUT reads from the
1155 global file-pointer "yyin".
1157 A sample definition of YY_INPUT (in the definitions
1158 section of the input file):
1161     %{
1162     #define YY_INPUT(buf,result,max_size) \\
1163         { \\
1164         int c = getchar(); \\
1165         result = (c == EOF) ? YY_NULL : (buf[0] = c, 1); \\
1166         }
1167     %}
1170 This definition will change the input processing to occur
1171 one character at a time.
1173 When the scanner receives an end-of-file indication from YY_INPUT,
1174 it then checks the
1175 .B yywrap()
1176 function.
1178 .B yywrap()
1179 returns false (zero), then it is assumed that the
1180 function has gone ahead and set up
1181 .I yyin
1182 to point to another input file, and scanning continues.
1183 If it returns
1184 true (non-zero), then the scanner terminates, returning 0 to its
1185 caller.
1186 Note that in either case, the start condition remains unchanged;
1187 it does
1188 .I not
1189 revert to
1190 .B INITIAL.
1192 If you do not supply your own version of
1193 .B yywrap(),
1194 then you must either use
1195 .B %option noyywrap
1196 (in which case the scanner behaves as though
1197 .B yywrap()
1198 returned 1), or you must link with
1199 .B \-lfl
1200 to obtain the default version of the routine, which always returns 1.
1202 Three routines are available for scanning from in-memory buffers rather
1203 than files:
1204 .B yy_scan_string(), yy_scan_bytes(),
1206 .B yy_scan_buffer().
1207 See the discussion of them below in the section Multiple Input Buffers.
1209 The scanner writes its
1210 .B ECHO
1211 output to the
1212 .I yyout
1213 global (default, stdout), which may be redefined by the user simply
1214 by assigning it to some other
1215 .B FILE
1216 pointer.
1217 .SH START CONDITIONS
1218 .I flex
1219 provides a mechanism for conditionally activating rules.
1220 Any rule
1221 whose pattern is prefixed with "\*[Lt]sc\*[Gt]" will only be active when
1222 the scanner is in the start condition named "sc".
1223 For example,
1226     \*[Lt]STRING\*[Gt][^"]*        { /* eat up the string body ... */
1227                 ...
1228                 }
1231 will be active only when the scanner is in the "STRING" start
1232 condition, and
1235     \*[Lt]INITIAL,STRING,QUOTE\*[Gt]\\.        { /* handle an escape ... */
1236                 ...
1237                 }
1240 will be active only when the current start condition is
1241 either "INITIAL", "STRING", or "QUOTE".
1243 Start conditions
1244 are declared in the definitions (first) section of the input
1245 using unindented lines beginning with either
1246 .B %s
1248 .B %x
1249 followed by a list of names.
1250 The former declares
1251 .I inclusive
1252 start conditions, the latter
1253 .I exclusive
1254 start conditions.
1255 A start condition is activated using the
1256 .B BEGIN
1257 action.
1258 Until the next
1259 .B BEGIN
1260 action is executed, rules with the given start
1261 condition will be active and
1262 rules with other start conditions will be inactive.
1263 If the start condition is
1264 .I inclusive,
1265 then rules with no start conditions at all will also be active.
1266 If it is
1267 .I exclusive,
1268 then
1269 .I only
1270 rules qualified with the start condition will be active.
1271 A set of rules contingent on the same exclusive start condition
1272 describe a scanner which is independent of any of the other rules in the
1273 .I flex
1274 input.
1275 Because of this,
1276 exclusive start conditions make it easy to specify "mini-scanners"
1277 which scan portions of the input that are syntactically different
1278 from the rest (e.g., comments).
1280 If the distinction between inclusive and exclusive start conditions
1281 is still a little vague, here's a simple example illustrating the
1282 connection between the two.
1283 The set of rules:
1286     %s example
1287     %%
1289     \*[Lt]example\*[Gt]foo   do_something();
1291     bar            something_else();
1294 is equivalent to
1297     %x example
1298     %%
1300     \*[Lt]example\*[Gt]foo   do_something();
1302     \*[Lt]INITIAL,example\*[Gt]bar    something_else();
1305 Without the
1306 .B \*[Lt]INITIAL,example\*[Gt]
1307 qualifier, the
1308 .I bar
1309 pattern in the second example wouldn't be active (i.e., couldn't match)
1310 when in start condition
1311 .B example.
1312 If we just used
1313 .B \*[Lt]example\*[Gt]
1314 to qualify
1315 .I bar,
1316 though, then it would only be active in
1317 .B example
1318 and not in
1319 .B INITIAL,
1320 while in the first example it's active in both, because in the first
1321 example the
1322 .B example
1323 starting condition is an
1324 .I inclusive
1325 .B (%s)
1326 start condition.
1328 Also note that the special start-condition specifier
1329 .B \*[Lt]*\*[Gt]
1330 matches every start condition.
1331 Thus, the above example could also have been written;
1334     %x example
1335     %%
1337     \*[Lt]example\*[Gt]foo   do_something();
1339     \*[Lt]*\*[Gt]bar    something_else();
1343 The default rule (to
1344 .B ECHO
1345 any unmatched character) remains active in start conditions.
1347 is equivalent to:
1350     \*[Lt]*\*[Gt].|\\n     ECHO;
1354 .B BEGIN(0)
1355 returns to the original state where only the rules with
1356 no start conditions are active.
1357 This state can also be
1358 referred to as the start-condition "INITIAL", so
1359 .B BEGIN(INITIAL)
1360 is equivalent to
1361 .B BEGIN(0).
1362 (The parentheses around the start condition name are not required but
1363 are considered good style.)
1365 .B BEGIN
1366 actions can also be given as indented code at the beginning
1367 of the rules section.
1368 For example, the following will cause
1369 the scanner to enter the "SPECIAL" start condition whenever
1370 .B yylex()
1371 is called and the global variable
1372 .I enter_special
1373 is true:
1376             int enter_special;
1378     %x SPECIAL
1379     %%
1380             if ( enter_special )
1381                 BEGIN(SPECIAL);
1383     \*[Lt]SPECIAL\*[Gt]blahblahblah
1384     ...more rules follow...
1388 To illustrate the uses of start conditions,
1389 here is a scanner which provides two different interpretations
1390 of a string like "123.456".
1391 By default it will treat it as
1392 three tokens, the integer "123", a dot ('.'), and the integer "456".
1393 But if the string is preceded earlier in the line by the string
1394 "expect-floats"
1395 it will treat it as a single token, the floating-point number
1396 123.456:
1399     %{
1400     #include \*[Lt]math.h\*[Gt]
1401     %}
1402     %s expect
1404     %%
1405     expect-floats        BEGIN(expect);
1407     \*[Lt]expect\*[Gt][0-9]+"."[0-9]+      {
1408                 printf( "found a float, = %f\\n",
1409                         atof( yytext ) );
1410                 }
1411     \*[Lt]expect\*[Gt]\\n           {
1412                 /* that's the end of the line, so
1413                  * we need another "expect-number"
1414                  * before we'll recognize any more
1415                  * numbers
1416                  */
1417                 BEGIN(INITIAL);
1418                 }
1420     [0-9]+      {
1421                 printf( "found an integer, = %d\\n",
1422                         atoi( yytext ) );
1423                 }
1425     "."         printf( "found a dot\\n" );
1428 Here is a scanner which recognizes (and discards) C comments while
1429 maintaining a count of the current input line.
1432     %x comment
1433     %%
1434             int line_num = 1;
1436     "/*"         BEGIN(comment);
1438     \*[Lt]comment\*[Gt][^*\\n]*        /* eat anything that's not a '*' */
1439     \*[Lt]comment\*[Gt]"*"+[^*/\\n]*   /* eat up '*'s not followed by '/'s */
1440     \*[Lt]comment\*[Gt]\\n             ++line_num;
1441     \*[Lt]comment\*[Gt]"*"+"/"        BEGIN(INITIAL);
1444 This scanner goes to a bit of trouble to match as much
1445 text as possible with each rule.
1446 In general, when attempting to write
1447 a high-speed scanner try to match as much possible in each rule, as
1448 it's a big win.
1450 Note that start-conditions names are really integer values and
1451 can be stored as such.
1452 Thus, the above could be extended in the
1453 following fashion:
1456     %x comment foo
1457     %%
1458             int line_num = 1;
1459             int comment_caller;
1461     "/*"         {
1462                  comment_caller = INITIAL;
1463                  BEGIN(comment);
1464                  }
1466     ...
1468     \*[Lt]foo\*[Gt]"/*"    {
1469                  comment_caller = foo;
1470                  BEGIN(comment);
1471                  }
1473     \*[Lt]comment\*[Gt][^*\\n]*        /* eat anything that's not a '*' */
1474     \*[Lt]comment\*[Gt]"*"+[^*/\\n]*   /* eat up '*'s not followed by '/'s */
1475     \*[Lt]comment\*[Gt]\\n             ++line_num;
1476     \*[Lt]comment\*[Gt]"*"+"/"        BEGIN(comment_caller);
1479 Furthermore, you can access the current start condition using
1480 the integer-valued
1481 .B YY_START
1482 macro.
1483 For example, the above assignments to
1484 .I comment_caller
1485 could instead be written
1488     comment_caller = YY_START;
1491 Flex provides
1492 .B YYSTATE
1493 as an alias for
1494 .B YY_START
1495 (since that is what's used by AT\*[Am]T
1496 .I lex).
1498 Note that start conditions do not have their own name-space; %s's and %x's
1499 declare names in the same fashion as #define's.
1501 Finally, here's an example of how to match C-style quoted strings using
1502 exclusive start conditions, including expanded escape sequences (but
1503 not including checking for a string that's too long):
1506     %x str
1508     %%
1509             char string_buf[MAX_STR_CONST];
1510             char *string_buf_ptr;
1513     \\"      string_buf_ptr = string_buf; BEGIN(str);
1515     \*[Lt]str\*[Gt]\\"        { /* saw closing quote - all done */
1516             BEGIN(INITIAL);
1517             *string_buf_ptr = '\\0';
1518             /* return string constant token type and
1519              * value to parser
1520              */
1521             }
1523     \*[Lt]str\*[Gt]\\n        {
1524             /* error - unterminated string constant */
1525             /* generate error message */
1526             }
1528     \*[Lt]str\*[Gt]\\\\[0-7]{1,3} {
1529             /* octal escape sequence */
1530             int result;
1532             (void) sscanf( yytext + 1, "%o", \*[Am]result );
1534             if ( result \*[Gt] 0xff )
1535                     /* error, constant is out-of-bounds */
1537             *string_buf_ptr++ = result;
1538             }
1540     \*[Lt]str\*[Gt]\\\\[0-9]+ {
1541             /* generate error - bad escape sequence; something
1542              * like '\\48' or '\\0777777'
1543              */
1544             }
1546     \*[Lt]str\*[Gt]\\\\n  *string_buf_ptr++ = '\\n';
1547     \*[Lt]str\*[Gt]\\\\t  *string_buf_ptr++ = '\\t';
1548     \*[Lt]str\*[Gt]\\\\r  *string_buf_ptr++ = '\\r';
1549     \*[Lt]str\*[Gt]\\\\b  *string_buf_ptr++ = '\\b';
1550     \*[Lt]str\*[Gt]\\\\f  *string_buf_ptr++ = '\\f';
1552     \*[Lt]str\*[Gt]\\\\(.|\\n)  *string_buf_ptr++ = yytext[1];
1554     \*[Lt]str\*[Gt][^\\\\\\n\\"]+        {
1555             char *yptr = yytext;
1557             while ( *yptr )
1558                     *string_buf_ptr++ = *yptr++;
1559             }
1563 Often, such as in some of the examples above, you wind up writing a
1564 whole bunch of rules all preceded by the same start condition(s).
1565 Flex makes this a little easier and cleaner by introducing a notion of
1566 start condition
1567 .I scope.
1568 A start condition scope is begun with:
1571     \*[Lt]SCs\*[Gt]{
1574 where
1575 .I SCs
1576 is a list of one or more start conditions.
1577 Inside the start condition
1578 scope, every rule automatically has the prefix
1579 .I \*[Lt]SCs\*[Gt]
1580 applied to it, until a
1581 .I '}'
1582 which matches the initial
1583 .I '{'.
1584 So, for example,
1587     \*[Lt]ESC\*[Gt]{
1588         "\\\\n"   return '\\n';
1589         "\\\\r"   return '\\r';
1590         "\\\\f"   return '\\f';
1591         "\\\\0"   return '\\0';
1592     }
1595 is equivalent to:
1598     \*[Lt]ESC\*[Gt]"\\\\n"  return '\\n';
1599     \*[Lt]ESC\*[Gt]"\\\\r"  return '\\r';
1600     \*[Lt]ESC\*[Gt]"\\\\f"  return '\\f';
1601     \*[Lt]ESC\*[Gt]"\\\\0"  return '\\0';
1604 Start condition scopes may be nested.
1606 Three routines are available for manipulating stacks of start conditions:
1608 .B void yy_push_state(int new_state)
1609 pushes the current start condition onto the top of the start condition
1610 stack and switches to
1611 .I new_state
1612 as though you had used
1613 .B BEGIN new_state
1614 (recall that start condition names are also integers).
1616 .B void yy_pop_state()
1617 pops the top of the stack and switches to it via
1618 .B BEGIN.
1620 .B int yy_top_state()
1621 returns the top of the stack without altering the stack's contents.
1623 The start condition stack grows dynamically and so has no built-in
1624 size limitation.
1625 If memory is exhausted, program execution aborts.
1627 To use start condition stacks, your scanner must include a
1628 .B %option stack
1629 directive (see Options below).
1630 .SH MULTIPLE INPUT BUFFERS
1631 Some scanners (such as those which support "include" files)
1632 require reading from several input streams.
1634 .I flex
1635 scanners do a large amount of buffering, one cannot control
1636 where the next input will be read from by simply writing a
1637 .B YY_INPUT
1638 which is sensitive to the scanning context.
1639 .B YY_INPUT
1640 is only called when the scanner reaches the end of its buffer, which
1641 may be a long time after scanning a statement such as an "include"
1642 which requires switching the input source.
1644 To negotiate these sorts of problems,
1645 .I flex
1646 provides a mechanism for creating and switching between multiple
1647 input buffers.
1648 An input buffer is created by using:
1651     YY_BUFFER_STATE yy_create_buffer( FILE *file, int size )
1654 which takes a
1655 .I FILE
1656 pointer and a size and creates a buffer associated with the given
1657 file and large enough to hold
1658 .I size
1659 characters (when in doubt, use
1660 .B YY_BUF_SIZE
1661 for the size).
1662 It returns a
1663 .B YY_BUFFER_STATE
1664 handle, which may then be passed to other routines (see below).
1666 .B YY_BUFFER_STATE
1667 type is a pointer to an opaque
1668 .B struct yy_buffer_state
1669 structure, so you may safely initialize YY_BUFFER_STATE variables to
1670 .B ((YY_BUFFER_STATE) 0)
1671 if you wish, and also refer to the opaque structure in order to
1672 correctly declare input buffers in source files other than that
1673 of your scanner.
1674 Note that the
1675 .I FILE
1676 pointer in the call to
1677 .B yy_create_buffer
1678 is only used as the value of
1679 .I yyin
1680 seen by
1681 .B YY_INPUT;
1682 if you redefine
1683 .B YY_INPUT
1684 so it no longer uses
1685 .I yyin,
1686 then you can safely pass a nil
1687 .I FILE
1688 pointer to
1689 .B yy_create_buffer.
1690 You select a particular buffer to scan from using:
1693     void yy_switch_to_buffer( YY_BUFFER_STATE new_buffer )
1696 switches the scanner's input buffer so subsequent tokens will
1697 come from
1698 .I new_buffer.
1699 Note that
1700 .B yy_switch_to_buffer()
1701 may be used by yywrap() to set things up for continued scanning, instead
1702 of opening a new file and pointing
1703 .I yyin
1704 at it.
1705 Note also that switching input sources via either
1706 .B yy_switch_to_buffer()
1708 .B yywrap()
1709 does
1710 .I not
1711 change the start condition.
1714     void yy_delete_buffer( YY_BUFFER_STATE buffer )
1717 is used to reclaim the storage associated with a buffer.
1719 .B buffer
1720 can be nil, in which case the routine does nothing.)
1721 You can also clear the current contents of a buffer using:
1724     void yy_flush_buffer( YY_BUFFER_STATE buffer )
1727 This function discards the buffer's contents,
1728 so the next time the scanner attempts to match a token from the
1729 buffer, it will first fill the buffer anew using
1730 .B YY_INPUT.
1732 .B yy_new_buffer()
1733 is an alias for
1734 .B yy_create_buffer(),
1735 provided for compatibility with the C++ use of
1736 .I new
1738 .I delete
1739 for creating and destroying dynamic objects.
1741 Finally, the
1742 .B YY_CURRENT_BUFFER
1743 macro returns a
1744 .B YY_BUFFER_STATE
1745 handle to the current buffer.
1747 Here is an example of using these features for writing a scanner
1748 which expands include files (the
1749 .B \*[Lt]\*[Lt]EOF\*[Gt]\*[Gt]
1750 feature is discussed below):
1753     /* the "incl" state is used for picking up the name
1754      * of an include file
1755      */
1756     %x incl
1758     %{
1759     #define MAX_INCLUDE_DEPTH 10
1760     YY_BUFFER_STATE include_stack[MAX_INCLUDE_DEPTH];
1761     int include_stack_ptr = 0;
1762     %}
1764     %%
1765     include             BEGIN(incl);
1767     [a-z]+              ECHO;
1768     [^a-z\\n]*\\n?        ECHO;
1770     \*[Lt]incl\*[Gt][ \\t]*      /* eat the whitespace */
1771     \*[Lt]incl\*[Gt][^ \\t\\n]+   { /* got the include file name */
1772             if ( include_stack_ptr \*[Ge] MAX_INCLUDE_DEPTH )
1773                 {
1774                 fprintf( stderr, "Includes nested too deeply" );
1775                 exit( 1 );
1776                 }
1778             include_stack[include_stack_ptr++] =
1779                 YY_CURRENT_BUFFER;
1781             yyin = fopen( yytext, "r" );
1783             if ( ! yyin )
1784                 error( ... );
1786             yy_switch_to_buffer(
1787                 yy_create_buffer( yyin, YY_BUF_SIZE ) );
1789             BEGIN(INITIAL);
1790             }
1792     \*[Lt]\*[Lt]EOF\*[Gt]\*[Gt] {
1793             if ( --include_stack_ptr \*[Lt] 0 )
1794                 {
1795                 yyterminate();
1796                 }
1798             else
1799                 {
1800                 yy_delete_buffer( YY_CURRENT_BUFFER );
1801                 yy_switch_to_buffer(
1802                      include_stack[include_stack_ptr] );
1803                 }
1804             }
1807 Three routines are available for setting up input buffers for
1808 scanning in-memory strings instead of files.
1809 All of them create
1810 a new input buffer for scanning the string, and return a corresponding
1811 .B YY_BUFFER_STATE
1812 handle (which you should delete with
1813 .B yy_delete_buffer()
1814 when done with it).
1815 They also switch to the new buffer using
1816 .B yy_switch_to_buffer(),
1817 so the next call to
1818 .B yylex()
1819 will start scanning the string.
1821 .B yy_scan_string(const char *str)
1822 scans a NUL-terminated string.
1824 .B yy_scan_bytes(const char *bytes, int len)
1825 scans
1826 .I len
1827 bytes (including possibly NUL's)
1828 starting at location
1829 .I bytes.
1831 Note that both of these functions create and scan a
1832 .I copy
1833 of the string or bytes.
1834 (This may be desirable, since
1835 .B yylex()
1836 modifies the contents of the buffer it is scanning.)  You can avoid the
1837 copy by using:
1839 .B yy_scan_buffer(char *base, yy_size_t size)
1840 which scans in place the buffer starting at
1841 .I base,
1842 consisting of
1843 .I size
1844 bytes, the last two bytes of which
1845 .I must
1847 .B YY_END_OF_BUFFER_CHAR
1848 (ASCII NUL).
1849 These last two bytes are not scanned; thus, scanning
1850 consists of
1851 .B base[0]
1852 through
1853 .B base[size-2],
1854 inclusive.
1856 If you fail to set up
1857 .I base
1858 in this manner (i.e., forget the final two
1859 .B YY_END_OF_BUFFER_CHAR
1860 bytes), then
1861 .B yy_scan_buffer()
1862 returns a nil pointer instead of creating a new input buffer.
1864 The type
1865 .B yy_size_t
1866 is an integral type to which you can cast an integer expression
1867 reflecting the size of the buffer.
1868 .SH END-OF-FILE RULES
1869 The special rule "\*[Lt]\*[Lt]EOF\*[Gt]\*[Gt]" indicates
1870 actions which are to be taken when an end-of-file is
1871 encountered and yywrap() returns non-zero (i.e., indicates
1872 no further files to process).
1873 The action must finish
1874 by doing one of four things:
1875 .IP -
1876 assigning
1877 .I yyin
1878 to a new input file (in previous versions of flex, after doing the
1879 assignment you had to call the special action
1880 .B YY_NEW_FILE;
1881 this is no longer necessary);
1882 .IP -
1883 executing a
1884 .I return
1885 statement;
1886 .IP -
1887 executing the special
1888 .B yyterminate()
1889 action;
1890 .IP -
1891 or, switching to a new buffer using
1892 .B yy_switch_to_buffer()
1893 as shown in the example above.
1895 \*[Lt]\*[Lt]EOF\*[Gt]\*[Gt] rules may not be used with other
1896 patterns; they may only be qualified with a list of start
1897 conditions.
1898 If an unqualified \*[Lt]\*[Lt]EOF\*[Gt]\*[Gt] rule is given, it
1899 applies to
1900 .I all
1901 start conditions which do not already have \*[Lt]\*[Lt]EOF\*[Gt]\*[Gt] actions.
1903 specify an \*[Lt]\*[Lt]EOF\*[Gt]\*[Gt] rule for only the initial start condition, use
1906     \*[Lt]INITIAL\*[Gt]\*[Lt]\*[Lt]EOF\*[Gt]\*[Gt]
1910 These rules are useful for catching things like unclosed comments.
1911 An example:
1914     %x quote
1915     %%
1917     ...other rules for dealing with quotes...
1919     \*[Lt]quote\*[Gt]\*[Lt]\*[Lt]EOF\*[Gt]\*[Gt]   {
1920              error( "unterminated quote" );
1921              yyterminate();
1922              }
1923     \*[Lt]\*[Lt]EOF\*[Gt]\*[Gt]  {
1924              if ( *++filelist )
1925                  yyin = fopen( *filelist, "r" );
1926              else
1927                 yyterminate();
1928              }
1931 .SH MISCELLANEOUS MACROS
1932 The macro
1933 .B YY_USER_ACTION
1934 can be defined to provide an action
1935 which is always executed prior to the matched rule's action.
1936 For example,
1937 it could be #define'd to call a routine to convert yytext to lower-case.
1938 When
1939 .B YY_USER_ACTION
1940 is invoked, the variable
1941 .I yy_act
1942 gives the number of the matched rule (rules are numbered starting with 1).
1943 Suppose you want to profile how often each of your rules is matched.
1944 The following would do the trick:
1947     #define YY_USER_ACTION ++ctr[yy_act]
1950 where
1951 .I ctr
1952 is an array to hold the counts for the different rules.
1953 Note that the macro
1954 .B YY_NUM_RULES
1955 gives the total number of rules (including the default rule, even if
1956 you use
1957 .B \-s),
1958 so a correct declaration for
1959 .I ctr
1963     int ctr[YY_NUM_RULES];
1967 The macro
1968 .B YY_USER_INIT
1969 may be defined to provide an action which is always executed before
1970 the first scan (and before the scanner's internal initializations are done).
1971 For example, it could be used to call a routine to read
1972 in a data table or open a logging file.
1974 The macro
1975 .B yy_set_interactive(is_interactive)
1976 can be used to control whether the current buffer is considered
1977 .I interactive.
1978 An interactive buffer is processed more slowly,
1979 but must be used when the scanner's input source is indeed
1980 interactive to avoid problems due to waiting to fill buffers
1981 (see the discussion of the
1982 .B \-I
1983 flag below).
1984 A non-zero value
1985 in the macro invocation marks the buffer as interactive, a zero
1986 value as non-interactive.
1987 Note that use of this macro overrides
1988 .B %option always-interactive
1990 .B %option never-interactive
1991 (see Options below).
1992 .B yy_set_interactive()
1993 must be invoked prior to beginning to scan the buffer that is
1994 (or is not) to be considered interactive.
1996 The macro
1997 .B yy_set_bol(at_bol)
1998 can be used to control whether the current buffer's scanning
1999 context for the next token match is done as though at the
2000 beginning of a line.
2001 A non-zero macro argument makes rules anchored with
2002 '^' active, while a zero argument makes '^' rules inactive.
2004 The macro
2005 .B YY_AT_BOL()
2006 returns true if the next token scanned from the current buffer
2007 will have '^' rules active, false otherwise.
2009 In the generated scanner, the actions are all gathered in one large
2010 switch statement and separated using
2011 .B YY_BREAK,
2012 which may be redefined.
2013 By default, it is simply a "break", to separate
2014 each rule's action from the following rule's.
2015 Redefining
2016 .B YY_BREAK
2017 allows, for example, C++ users to
2018 #define YY_BREAK to do nothing (while being very careful that every
2019 rule ends with a "break" or a "return"!) to avoid suffering from
2020 unreachable statement warnings where because a rule's action ends with
2021 "return", the
2022 .B YY_BREAK
2023 is inaccessible.
2024 .SH VALUES AVAILABLE TO THE USER
2025 This section summarizes the various values available to the user
2026 in the rule actions.
2027 .IP -
2028 .B char *yytext
2029 holds the text of the current token.
2030 It may be modified but not lengthened
2031 (you cannot append characters to the end).
2033 If the special directive
2034 .B %array
2035 appears in the first section of the scanner description, then
2036 .B yytext
2037 is instead declared
2038 .B char yytext[YYLMAX],
2039 where
2040 .B YYLMAX
2041 is a macro definition that you can redefine in the first section
2042 if you don't like the default value (generally 8KB).
2043 Using
2044 .B %array
2045 results in somewhat slower scanners, but the value of
2046 .B yytext
2047 becomes immune to calls to
2048 .I input()
2050 .I unput(),
2051 which potentially destroy its value when
2052 .B yytext
2053 is a character pointer.
2054 The opposite of
2055 .B %array
2057 .B %pointer,
2058 which is the default.
2060 You cannot use
2061 .B %array
2062 when generating C++ scanner classes
2063 (the
2064 .B \-+
2065 flag).
2066 .IP -
2067 .B int yyleng
2068 holds the length of the current token.
2069 .IP -
2070 .B FILE *yyin
2071 is the file which by default
2072 .I flex
2073 reads from.
2074 It may be redefined but doing so only makes sense before
2075 scanning begins or after an EOF has been encountered.
2076 Changing it in the midst of scanning will have unexpected results since
2077 .I flex
2078 buffers its input; use
2079 .B yyrestart()
2080 instead.
2081 Once scanning terminates because an end-of-file
2082 has been seen, you can assign
2083 .I yyin
2084 at the new input file and then call the scanner again to continue scanning.
2085 .IP -
2086 .B void yyrestart( FILE *new_file )
2087 may be called to point
2088 .I yyin
2089 at the new input file.
2090 The switch-over to the new file is immediate
2091 (any previously buffered-up input is lost).
2092 Note that calling
2093 .B yyrestart()
2094 with
2095 .I yyin
2096 as an argument thus throws away the current input buffer and continues
2097 scanning the same input file.
2098 .IP -
2099 .B FILE *yyout
2100 is the file to which
2101 .B ECHO
2102 actions are done.
2103 It can be reassigned by the user.
2104 .IP -
2105 .B YY_CURRENT_BUFFER
2106 returns a
2107 .B YY_BUFFER_STATE
2108 handle to the current buffer.
2109 .IP -
2110 .B YY_START
2111 returns an integer value corresponding to the current start
2112 condition.
2113 You can subsequently use this value with
2114 .B BEGIN
2115 to return to that start condition.
2116 .SH INTERFACING WITH YACC
2117 One of the main uses of
2118 .I flex
2119 is as a companion to the
2120 .I yacc
2121 parser-generator.
2122 .I yacc
2123 parsers expect to call a routine named
2124 .B yylex()
2125 to find the next input token.
2126 The routine is supposed to
2127 return the type of the next token as well as putting any associated
2128 value in the global
2129 .B yylval.
2130 To use
2131 .I flex
2132 with
2133 .I yacc,
2134 one specifies the
2135 .B \-d
2136 option to
2137 .I yacc
2138 to instruct it to generate the file
2139 .B y.tab.h
2140 containing definitions of all the
2141 .B %tokens
2142 appearing in the
2143 .I yacc
2144 input.
2145 This file is then included in the
2146 .I flex
2147 scanner.
2148 For example, if one of the tokens is "TOK_NUMBER",
2149 part of the scanner might look like:
2152     %{
2153     #include "y.tab.h"
2154     %}
2156     %%
2158     [0-9]+        yylval = atoi( yytext ); return TOK_NUMBER;
2161 .SH OPTIONS
2162 .I flex
2163 has the following options:
2165 .B \-b
2166 Generate backing-up information to
2167 .I lex.backup.
2168 This is a list of scanner states which require backing up
2169 and the input characters on which they do so.
2170 By adding rules one
2171 can remove backing-up states.
2173 .I all
2174 backing-up states are eliminated and
2175 .B \-Cf
2177 .B \-CF
2178 is used, the generated scanner will run faster (see the
2179 .B \-p
2180 flag).
2181 Only users who wish to squeeze every last cycle out of their
2182 scanners need worry about this option.
2183 (See the section on Performance Considerations below.)
2185 .B \-c
2186 is a do-nothing, deprecated option included for POSIX compliance.
2188 .B \-d
2189 makes the generated scanner run in
2190 .I debug
2191 mode.
2192 Whenever a pattern is recognized and the global
2193 .B yy_flex_debug
2194 is non-zero (which is the default),
2195 the scanner will write to
2196 .I stderr
2197 a line of the form:
2200     --accepting rule at line 53 ("the matched text")
2203 The line number refers to the location of the rule in the file
2204 defining the scanner (i.e., the file that was fed to flex).
2205 Messages are also generated when the scanner backs up, accepts the
2206 default rule, reaches the end of its input buffer (or encounters
2207 a NUL; at this point, the two look the same as far as the scanner's concerned),
2208 or reaches an end-of-file.
2210 .B \-f
2211 specifies
2212 .I fast scanner.
2213 No table compression is done and stdio is bypassed.
2214 The result is large but fast.
2215 This option is equivalent to
2216 .B \-Cfr
2217 (see below).
2219 .B \-h
2220 generates a "help" summary of
2221 .I flex's
2222 options to
2223 .I stdout
2224 and then exits.
2225 .B \-?
2227 .B \-\-help
2228 are synonyms for
2229 .B \-h.
2231 .B \-i
2232 instructs
2233 .I flex
2234 to generate a
2235 .I case-insensitive
2236 scanner.
2237 The case of letters given in the
2238 .I flex
2239 input patterns will
2240 be ignored, and tokens in the input will be matched regardless of case.
2241 The matched text given in
2242 .I yytext
2243 will have the preserved case (i.e., it will not be folded).
2245 .B \-l
2246 turns on maximum compatibility with the original AT\*[Am]T
2247 .I lex
2248 implementation.
2249 Note that this does not mean
2250 .I full
2251 compatibility.
2252 Use of this option costs a considerable amount of
2253 performance, and it cannot be used with the
2254 .B \-+, -f, -F, -Cf,
2256 .B -CF
2257 options.
2258 For details on the compatibilities it provides, see the section
2259 "Incompatibilities With Lex And POSIX" below.
2260 This option also results
2261 in the name
2262 .B YY_FLEX_LEX_COMPAT
2263 being #define'd in the generated scanner.
2265 .B \-n
2266 is another do-nothing, deprecated option included only for
2267 POSIX compliance.
2269 .B \-p
2270 generates a performance report to stderr.
2271 The report consists of comments regarding features of the
2272 .I flex
2273 input file which will cause a serious loss of performance in the resulting
2274 scanner.
2275 If you give the flag twice, you will also get comments regarding
2276 features that lead to minor performance losses.
2278 Note that the use of
2279 .B REJECT,
2280 .B %option yylineno,
2281 and variable trailing context (see the Deficiencies / Bugs section below)
2282 entails a substantial performance penalty; use of
2283 .I yymore(),
2285 .B ^
2286 operator,
2287 and the
2288 .B \-I
2289 flag entail minor performance penalties.
2291 .B \-s
2292 causes the
2293 .I default rule
2294 (that unmatched scanner input is echoed to
2295 .I stdout)
2296 to be suppressed.
2297 If the scanner encounters input that does not
2298 match any of its rules, it aborts with an error.
2299 This option is
2300 useful for finding holes in a scanner's rule set.
2302 .B \-t
2303 instructs
2304 .I flex
2305 to write the scanner it generates to standard output instead
2307 .B lex.yy.c.
2309 .B \-v
2310 specifies that
2311 .I flex
2312 should write to
2313 .I stderr
2314 a summary of statistics regarding the scanner it generates.
2315 Most of the statistics are meaningless to the casual
2316 .I flex
2317 user, but the first line identifies the version of
2318 .I flex
2319 (same as reported by
2320 .B \-V),
2321 and the next line the flags used when generating the scanner, including
2322 those that are on by default.
2324 .B \-w
2325 suppresses warning messages.
2327 .B \-B
2328 instructs
2329 .I flex
2330 to generate a
2331 .I batch
2332 scanner, the opposite of
2333 .I interactive
2334 scanners generated by
2335 .B \-I
2336 (see below).
2337 In general, you use
2338 .B \-B
2339 when you are
2340 .I certain
2341 that your scanner will never be used interactively, and you want to
2342 squeeze a
2343 .I little
2344 more performance out of it.
2345 If your goal is instead to squeeze out a
2346 .I lot
2347 more performance, you should  be using the
2348 .B \-Cf
2350 .B \-CF
2351 options (discussed below), which turn on
2352 .B \-B
2353 automatically anyway.
2355 .B \-F
2356 specifies that the
2358 fast
2359 scanner table representation should be used (and stdio
2360 bypassed).
2361 This representation is about as fast as the full table representation
2362 .B (-f),
2363 and for some sets of patterns will be considerably smaller (and for
2364 others, larger).
2365 In general, if the pattern set contains both "keywords"
2366 and a catch-all, "identifier" rule, such as in the set:
2369     "case"    return TOK_CASE;
2370     "switch"  return TOK_SWITCH;
2371     ...
2372     "default" return TOK_DEFAULT;
2373     [a-z]+    return TOK_ID;
2376 then you're better off using the full table representation.
2377 If only
2378 the "identifier" rule is present and you then use a hash table or some such
2379 to detect the keywords, you're better off using
2380 .B -F.
2382 This option is equivalent to
2383 .B \-CFr
2384 (see below).
2385 It cannot be used with
2386 .B \-+.
2388 .B \-I
2389 instructs
2390 .I flex
2391 to generate an
2392 .I interactive
2393 scanner.
2394 An interactive scanner is one that only looks ahead to decide
2395 what token has been matched if it absolutely must.
2396 It turns out that
2397 always looking one extra character ahead, even if the scanner has already
2398 seen enough text to disambiguate the current token, is a bit faster than
2399 only looking ahead when necessary.
2400 But scanners that always look ahead
2401 give dreadful interactive performance; for example, when a user types
2402 a newline, it is not recognized as a newline token until they enter
2403 .I another
2404 token, which often means typing in another whole line.
2406 .I Flex
2407 scanners default to
2408 .I interactive
2409 unless you use the
2410 .B \-Cf
2412 .B \-CF
2413 table-compression options (see below).
2414 That's because if you're looking
2415 for high-performance you should be using one of these options, so if you
2416 didn't,
2417 .I flex
2418 assumes you'd rather trade off a bit of run-time performance for intuitive
2419 interactive behavior.
2420 Note also that you
2421 .I cannot
2423 .B \-I
2424 in conjunction with
2425 .B \-Cf
2427 .B \-CF.
2428 Thus, this option is not really needed; it is on by default for all those
2429 cases in which it is allowed.
2431 You can force a scanner to
2432 .I not
2433 be interactive by using
2434 .B \-B
2435 (see above).
2437 .B \-L
2438 instructs
2439 .I flex
2440 not to generate
2441 .B #line
2442 directives.
2443 Without this option,
2444 .I flex
2445 peppers the generated scanner
2446 with #line directives so error messages in the actions will be correctly
2447 located with respect to either the original
2448 .I flex
2449 input file (if the errors are due to code in the input file), or
2450 .B lex.yy.c
2451 (if the errors are
2452 .I flex's
2453 fault -- you should report these sorts of errors to the email address
2454 given below).
2456 .B \-T
2457 makes
2458 .I flex
2459 run in
2460 .I trace
2461 mode.
2462 It will generate a lot of messages to
2463 .I stderr
2464 concerning
2465 the form of the input and the resultant non-deterministic and deterministic
2466 finite automata.
2467 This option is mostly for use in maintaining
2468 .I flex.
2470 .B \-V
2471 prints the version number to
2472 .I stdout
2473 and exits.
2474 .B \-\-version
2475 is a synonym for
2476 .B \-V.
2478 .B \-7
2479 instructs
2480 .I flex
2481 to generate a 7-bit scanner, i.e., one which can only recognized 7-bit
2482 characters in its input.
2483 The advantage of using
2484 .B \-7
2485 is that the scanner's tables can be up to half the size of those generated
2486 using the
2487 .B \-8
2488 option (see below).
2489 The disadvantage is that such scanners often hang
2490 or crash if their input contains an 8-bit character.
2492 Note, however, that unless you generate your scanner using the
2493 .B \-Cf
2495 .B \-CF
2496 table compression options, use of
2497 .B \-7
2498 will save only a small amount of table space, and make your scanner
2499 considerably less portable.
2500 .I Flex's
2501 default behavior is to generate an 8-bit scanner unless you use the
2502 .B \-Cf
2504 .B \-CF,
2505 in which case
2506 .I flex
2507 defaults to generating 7-bit scanners unless your site was always
2508 configured to generate 8-bit scanners (as will often be the case
2509 with non-USA sites).
2510 You can tell whether flex generated a 7-bit
2511 or an 8-bit scanner by inspecting the flag summary in the
2512 .B \-v
2513 output as described above.
2515 Note that if you use
2516 .B \-Cfe
2518 .B \-CFe
2519 (those table compression options, but also using equivalence classes as
2520 discussed see below), flex still defaults to generating an 8-bit
2521 scanner, since usually with these compression options full 8-bit tables
2522 are not much more expensive than 7-bit tables.
2524 .B \-8
2525 instructs
2526 .I flex
2527 to generate an 8-bit scanner, i.e., one which can recognize 8-bit
2528 characters.
2529 This flag is only needed for scanners generated using
2530 .B \-Cf
2532 .B \-CF,
2533 as otherwise flex defaults to generating an 8-bit scanner anyway.
2535 See the discussion of
2536 .B \-7
2537 above for flex's default behavior and the tradeoffs between 7-bit
2538 and 8-bit scanners.
2540 .B \-+
2541 specifies that you want flex to generate a C++
2542 scanner class.
2543 See the section on Generating C++ Scanners below for
2544 details.
2546 .B \-C[aefFmr]
2547 controls the degree of table compression and, more generally, trade-offs
2548 between small scanners and fast scanners.
2550 .B \-Ca
2551 ("align") instructs flex to trade off larger tables in the
2552 generated scanner for faster performance because the elements of
2553 the tables are better aligned for memory access and computation.
2554 On some
2555 RISC architectures, fetching and manipulating longwords is more efficient
2556 than with smaller-sized units such as shortwords.
2557 This option can
2558 double the size of the tables used by your scanner.
2560 .B \-Ce
2561 directs
2562 .I flex
2563 to construct
2564 .I equivalence classes,
2565 i.e., sets of characters
2566 which have identical lexical properties (for example, if the only
2567 appearance of digits in the
2568 .I flex
2569 input is in the character class
2570 "[0-9]" then the digits '0', '1', ..., '9' will all be put
2571 in the same equivalence class).
2572 Equivalence classes usually give
2573 dramatic reductions in the final table/object file sizes (typically
2574 a factor of 2-5) and are pretty cheap performance-wise (one array
2575 look-up per character scanned).
2577 .B \-Cf
2578 specifies that the
2579 .I full
2580 scanner tables should be generated -
2581 .I flex
2582 should not compress the
2583 tables by taking advantages of similar transition functions for
2584 different states.
2586 .B \-CF
2587 specifies that the alternative fast scanner representation (described
2588 above under the
2589 .B \-F
2590 flag)
2591 should be used.
2592 This option cannot be used with
2593 .B \-+.
2595 .B \-Cm
2596 directs
2597 .I flex
2598 to construct
2599 .I meta-equivalence classes,
2600 which are sets of equivalence classes (or characters, if equivalence
2601 classes are not being used) that are commonly used together.
2602 Meta-equivalence
2603 classes are often a big win when using compressed tables, but they
2604 have a moderate performance impact (one or two "if" tests and one
2605 array look-up per character scanned).
2607 .B \-Cr
2608 causes the generated scanner to
2609 .I bypass
2610 use of the standard I/O library (stdio) for input.
2611 Instead of calling
2612 .B fread()
2614 .B getc(),
2615 the scanner will use the
2616 .B read()
2617 system call, resulting in a performance gain which varies from system
2618 to system, but in general is probably negligible unless you are also using
2619 .B \-Cf
2621 .B \-CF.
2622 Using
2623 .B \-Cr
2624 can cause strange behavior if, for example, you read from
2625 .I yyin
2626 using stdio prior to calling the scanner (because the scanner will miss
2627 whatever text your previous reads left in the stdio input buffer).
2629 .B \-Cr
2630 has no effect if you define
2631 .B YY_INPUT
2632 (see The Generated Scanner above).
2634 A lone
2635 .B \-C
2636 specifies that the scanner tables should be compressed but neither
2637 equivalence classes nor meta-equivalence classes should be used.
2639 The options
2640 .B \-Cf
2642 .B \-CF
2644 .B \-Cm
2645 do not make sense together - there is no opportunity for meta-equivalence
2646 classes if the table is not being compressed.
2647 Otherwise the options
2648 may be freely mixed, and are cumulative.
2650 The default setting is
2651 .B \-Cem,
2652 which specifies that
2653 .I flex
2654 should generate equivalence classes
2655 and meta-equivalence classes.
2656 This setting provides the highest degree of table compression.
2657 You can trade off
2658 faster-executing scanners at the cost of larger tables with
2659 the following generally being true:
2662     slowest \*[Am] smallest
2663           -Cem
2664           -Cm
2665           -Ce
2666           -C
2667           -C{f,F}e
2668           -C{f,F}
2669           -C{f,F}a
2670     fastest \*[Am] largest
2673 Note that scanners with the smallest tables are usually generated and
2674 compiled the quickest, so
2675 during development you will usually want to use the default, maximal
2676 compression.
2678 .B \-Cfe
2679 is often a good compromise between speed and size for production
2680 scanners.
2682 .B \-ooutput
2683 directs flex to write the scanner to the file
2684 .B output
2685 instead of
2686 .B lex.yy.c.
2687 If you combine
2688 .B \-o
2689 with the
2690 .B \-t
2691 option, then the scanner is written to
2692 .I stdout
2693 but its
2694 .B #line
2695 directives (see the
2696 .B \\-L
2697 option above) refer to the file
2698 .B output.
2700 .B \-Pprefix
2701 changes the default
2702 .I "yy"
2703 prefix used by
2704 .I flex
2705 for all globally-visible variable and function names to instead be
2706 .I prefix.
2707 For example,
2708 .B \-Pfoo
2709 changes the name of
2710 .B yytext
2712 .B footext.
2713 It also changes the name of the default output file from
2714 .B lex.yy.c
2716 .B lex.foo.c.
2717 Here are all of the names affected:
2720     yy_create_buffer
2721     yy_delete_buffer
2722     yy_flex_debug
2723     yy_init_buffer
2724     yy_flush_buffer
2725     yy_load_buffer_state
2726     yy_switch_to_buffer
2727     yyin
2728     yyleng
2729     yylex
2730     yylineno
2731     yyout
2732     yyrestart
2733     yytext
2734     yywrap
2737 (If you are using a C++ scanner, then only
2738 .B yywrap
2740 .B yyFlexLexer
2741 are affected.)
2742 Within your scanner itself, you can still refer to the global variables
2743 and functions using either version of their name; but externally, they
2744 have the modified name.
2746 This option lets you easily link together multiple
2747 .I flex
2748 programs into the same executable.
2749 Note, though, that using this option also renames
2750 .B yywrap(),
2751 so you now
2752 .I must
2753 either
2754 provide your own (appropriately-named) version of the routine for your
2755 scanner, or use
2756 .B %option noyywrap,
2757 as linking with
2758 .B \-lfl
2759 no longer provides one for you by default.
2761 .B \-Sskeleton_file
2762 overrides the default skeleton file from which
2763 .I flex
2764 constructs its scanners.
2765 You'll never need this option unless you are doing
2766 .I flex
2767 maintenance or development.
2769 .I flex
2770 also provides a mechanism for controlling options within the
2771 scanner specification itself, rather than from the flex command-line.
2772 This is done by including
2773 .B %option
2774 directives in the first section of the scanner specification.
2775 You can specify multiple options with a single
2776 .B %option
2777 directive, and multiple directives in the first section of your flex input
2778 file.
2780 Most options are given simply as names, optionally preceded by the
2781 word "no" (with no intervening whitespace) to negate their meaning.
2782 A number are equivalent to flex flags or their negation:
2785     7bit            -7 option
2786     8bit            -8 option
2787     align           -Ca option
2788     backup          -b option
2789     batch           -B option
2790     c++             -+ option
2792     caseful or
2793     case-sensitive  opposite of -i (default)
2795     case-insensitive or
2796     caseless        -i option
2798     debug           -d option
2799     default         opposite of -s option
2800     ecs             -Ce option
2801     fast            -F option
2802     full            -f option
2803     interactive     -I option
2804     lex-compat      -l option
2805     meta-ecs        -Cm option
2806     perf-report     -p option
2807     read            -Cr option
2808     stdout          -t option
2809     verbose         -v option
2810     warn            opposite of -w option
2811                     (use "%option nowarn" for -w)
2813     array           equivalent to "%array"
2814     pointer         equivalent to "%pointer" (default)
2817 Some
2818 .B %option's
2819 provide features otherwise not available:
2821 .B always-interactive
2822 instructs flex to generate a scanner which always considers its input
2823 "interactive".
2824 Normally, on each new input file the scanner calls
2825 .B isatty()
2826 in an attempt to determine whether
2827 the scanner's input source is interactive and thus should be read a
2828 character at a time.
2829 When this option is used, however, then no
2830 such call is made.
2832 .B main
2833 directs flex to provide a default
2834 .B main()
2835 program for the scanner, which simply calls
2836 .B yylex().
2837 This option implies
2838 .B noyywrap
2839 (see below).
2841 .B never-interactive
2842 instructs flex to generate a scanner which never considers its input
2843 "interactive" (again, no call made to
2844 .B isatty()).
2845 This is the opposite of
2846 .B always-interactive.
2848 .B stack
2849 enables the use of start condition stacks (see Start Conditions above).
2851 .B stdinit
2852 if set (i.e.,
2853 .B %option stdinit)
2854 initializes
2855 .I yyin
2857 .I yyout
2859 .I stdin
2861 .I stdout,
2862 instead of the default of
2863 .I nil.
2864 Some existing
2865 .I lex
2866 programs depend on this behavior, even though it is not compliant with
2867 ANSI C, which does not require
2868 .I stdin
2870 .I stdout
2871 to be compile-time constant.
2873 .B yylineno
2874 directs
2875 .I flex
2876 to generate a scanner that maintains the number of the current line
2877 read from its input in the global variable
2878 .B yylineno.
2879 This option is implied by
2880 .B %option lex-compat.
2882 .B yywrap
2883 if unset (i.e.,
2884 .B %option noyywrap),
2885 makes the scanner not call
2886 .B yywrap()
2887 upon an end-of-file, but simply assume that there are no more
2888 files to scan (until the user points
2889 .I yyin
2890 at a new file and calls
2891 .B yylex()
2892 again).
2894 .I flex
2895 scans your rule actions to determine whether you use the
2896 .B REJECT
2898 .B yymore()
2899 features.
2901 .B reject
2903 .B yymore
2904 options are available to override its decision as to whether you use the
2905 options, either by setting them (e.g.,
2906 .B %option reject)
2907 to indicate the feature is indeed used, or
2908 unsetting them to indicate it actually is not used
2909 (e.g.,
2910 .B %option noyymore).
2912 Three options take string-delimited values, offset with '=':
2915     %option outfile="ABC"
2918 is equivalent to
2919 .B -oABC,
2923     %option prefix="XYZ"
2926 is equivalent to
2927 .B -PXYZ.
2928 Finally,
2931     %option yyclass="foo"
2934 only applies when generating a C++ scanner (
2935 .B \-+
2936 option).
2937 It informs
2938 .I flex
2939 that you have derived
2940 .B foo
2941 as a subclass of
2942 .B yyFlexLexer,
2944 .I flex
2945 will place your actions in the member function
2946 .B foo::yylex()
2947 instead of
2948 .B yyFlexLexer::yylex().
2949 It also generates a
2950 .B yyFlexLexer::yylex()
2951 member function that emits a run-time error (by invoking
2952 .B yyFlexLexer::LexerError())
2953 if called.
2954 See Generating C++ Scanners, below, for additional information.
2956 A number of options are available for lint purists who want to suppress
2957 the appearance of unneeded routines in the generated scanner.
2958 Each of the following, if unset
2959 (e.g.,
2960 .B %option nounput
2961 ), results in the corresponding routine not appearing in
2962 the generated scanner:
2965     input, unput
2966     yy_push_state, yy_pop_state, yy_top_state
2967     yy_scan_buffer, yy_scan_bytes, yy_scan_string
2970 (though
2971 .B yy_push_state()
2972 and friends won't appear anyway unless you use
2973 .B %option stack).
2974 .SH PERFORMANCE CONSIDERATIONS
2975 The main design goal of
2976 .I flex
2977 is that it generate high-performance scanners.
2978 It has been optimized
2979 for dealing well with large sets of rules.
2980 Aside from the effects on scanner speed of the table compression
2981 .B \-C
2982 options outlined above,
2983 there are a number of options/actions which degrade performance.
2984 These are, from most expensive to least:
2987     REJECT
2988     %option yylineno
2989     arbitrary trailing context
2991     pattern sets that require backing up
2992     %array
2993     %option interactive
2994     %option always-interactive
2996     '^' beginning-of-line operator
2997     yymore()
3000 with the first three all being quite expensive and the last two
3001 being quite cheap.
3002 Note also that
3003 .B unput()
3004 is implemented as a routine call that potentially does quite a bit of
3005 work, while
3006 .B yyless()
3007 is a quite-cheap macro; so if just putting back some excess text you
3008 scanned, use
3009 .B yyless().
3011 .B REJECT
3012 should be avoided at all costs when performance is important.
3013 It is a particularly expensive option.
3015 Getting rid of backing up is messy and often may be an enormous
3016 amount of work for a complicated scanner.
3017 In principal, one begins by using the
3018 .B \-b
3019 flag to generate a
3020 .I lex.backup
3021 file.
3022 For example, on the input
3025     %%
3026     foo        return TOK_KEYWORD;
3027     foobar     return TOK_KEYWORD;
3030 the file looks like:
3033     State #6 is non-accepting -
3034      associated rule line numbers:
3035            2       3
3036      out-transitions: [ o ]
3037      jam-transitions: EOF [ \\001-n  p-\\177 ]
3039     State #8 is non-accepting -
3040      associated rule line numbers:
3041            3
3042      out-transitions: [ a ]
3043      jam-transitions: EOF [ \\001-`  b-\\177 ]
3045     State #9 is non-accepting -
3046      associated rule line numbers:
3047            3
3048      out-transitions: [ r ]
3049      jam-transitions: EOF [ \\001-q  s-\\177 ]
3051     Compressed tables always back up.
3054 The first few lines tell us that there's a scanner state in
3055 which it can make a transition on an 'o' but not on any other
3056 character, and that in that state the currently scanned text does not match
3057 any rule.
3058 The state occurs when trying to match the rules found
3059 at lines 2 and 3 in the input file.
3060 If the scanner is in that state and then reads
3061 something other than an 'o', it will have to back up to find
3062 a rule which is matched.
3063 With a bit of headscratching one can see that this must be the
3064 state it's in when it has seen "fo".
3065 When this has happened,
3066 if anything other than another 'o' is seen, the scanner will
3067 have to back up to simply match the 'f' (by the default rule).
3069 The comment regarding State #8 indicates there's a problem
3070 when "foob" has been scanned.
3071 Indeed, on any character other
3072 than an 'a', the scanner will have to back up to accept "foo".
3073 Similarly, the comment for State #9 concerns when "fooba" has
3074 been scanned and an 'r' does not follow.
3076 The final comment reminds us that there's no point going to
3077 all the trouble of removing backing up from the rules unless
3078 we're using
3079 .B \-Cf
3081 .B \-CF,
3082 since there's no performance gain doing so with compressed scanners.
3084 The way to remove the backing up is to add "error" rules:
3087     %%
3088     foo         return TOK_KEYWORD;
3089     foobar      return TOK_KEYWORD;
3091     fooba       |
3092     foob        |
3093     fo          {
3094                 /* false alarm, not really a keyword */
3095                 return TOK_ID;
3096                 }
3100 Eliminating backing up among a list of keywords can also be
3101 done using a "catch-all" rule:
3104     %%
3105     foo         return TOK_KEYWORD;
3106     foobar      return TOK_KEYWORD;
3108     [a-z]+      return TOK_ID;
3111 This is usually the best solution when appropriate.
3113 Backing up messages tend to cascade.
3114 With a complicated set of rules it's not uncommon to get hundreds
3115 of messages.
3116 If one can decipher them, though, it often
3117 only takes a dozen or so rules to eliminate the backing up (though
3118 it's easy to make a mistake and have an error rule accidentally match
3119 a valid token.
3120 A possible future
3121 .I flex
3122 feature will be to automatically add rules to eliminate backing up).
3124 It's important to keep in mind that you gain the benefits of eliminating
3125 backing up only if you eliminate
3126 .I every
3127 instance of backing up.
3128 Leaving just one means you gain nothing.
3130 .I Variable
3131 trailing context (where both the leading and trailing parts do not have
3132 a fixed length) entails almost the same performance loss as
3133 .B REJECT
3134 (i.e., substantial).
3135 So when possible a rule like:
3138     %%
3139     mouse|rat/(cat|dog)   run();
3142 is better written:
3145     %%
3146     mouse/cat|dog         run();
3147     rat/cat|dog           run();
3150 or as
3153     %%
3154     mouse|rat/cat         run();
3155     mouse|rat/dog         run();
3158 Note that here the special '|' action does
3159 .I not
3160 provide any savings, and can even make things worse (see
3161 Deficiencies / Bugs below).
3163 Another area where the user can increase a scanner's performance
3164 (and one that's easier to implement) arises from the fact that
3165 the longer the tokens matched, the faster the scanner will run.
3166 This is because with long tokens the processing of most input
3167 characters takes place in the (short) inner scanning loop, and
3168 does not often have to go through the additional work of setting up
3169 the scanning environment (e.g.,
3170 .B yytext)
3171 for the action.
3172 Recall the scanner for C comments:
3175     %x comment
3176     %%
3177             int line_num = 1;
3179     "/*"         BEGIN(comment);
3181     \*[Lt]comment\*[Gt][^*\\n]*
3182     \*[Lt]comment\*[Gt]"*"+[^*/\\n]*
3183     \*[Lt]comment\*[Gt]\\n             ++line_num;
3184     \*[Lt]comment\*[Gt]"*"+"/"        BEGIN(INITIAL);
3187 This could be sped up by writing it as:
3190     %x comment
3191     %%
3192             int line_num = 1;
3194     "/*"         BEGIN(comment);
3196     \*[Lt]comment\*[Gt][^*\\n]*
3197     \*[Lt]comment\*[Gt][^*\\n]*\\n      ++line_num;
3198     \*[Lt]comment\*[Gt]"*"+[^*/\\n]*
3199     \*[Lt]comment\*[Gt]"*"+[^*/\\n]*\\n ++line_num;
3200     \*[Lt]comment\*[Gt]"*"+"/"        BEGIN(INITIAL);
3203 Now instead of each newline requiring the processing of another
3204 action, recognizing the newlines is "distributed" over the other rules
3205 to keep the matched text as long as possible.
3206 Note that
3207 .I adding
3208 rules does
3209 .I not
3210 slow down the scanner!  The speed of the scanner is independent
3211 of the number of rules or (modulo the considerations given at the
3212 beginning of this section) how complicated the rules are with
3213 regard to operators such as '*' and '|'.
3215 A final example in speeding up a scanner: suppose you want to scan
3216 through a file containing identifiers and keywords, one per line
3217 and with no other extraneous characters, and recognize all the
3218 keywords.
3219 A natural first approach is:
3222     %%
3223     asm      |
3224     auto     |
3225     break    |
3226     ... etc ...
3227     volatile |
3228     while    /* it's a keyword */
3230     .|\\n     /* it's not a keyword */
3233 To eliminate the back-tracking, introduce a catch-all rule:
3236     %%
3237     asm      |
3238     auto     |
3239     break    |
3240     ... etc ...
3241     volatile |
3242     while    /* it's a keyword */
3244     [a-z]+   |
3245     .|\\n     /* it's not a keyword */
3248 Now, if it's guaranteed that there's exactly one word per line,
3249 then we can reduce the total number of matches by a half by
3250 merging in the recognition of newlines with that of the other
3251 tokens:
3254     %%
3255     asm\\n    |
3256     auto\\n   |
3257     break\\n  |
3258     ... etc ...
3259     volatile\\n |
3260     while\\n  /* it's a keyword */
3262     [a-z]+\\n |
3263     .|\\n     /* it's not a keyword */
3266 One has to be careful here, as we have now reintroduced backing up
3267 into the scanner.
3268 In particular, while
3269 .I we
3270 know that there will never be any characters in the input stream
3271 other than letters or newlines,
3272 .I flex
3273 can't figure this out, and it will plan for possibly needing to back up
3274 when it has scanned a token like "auto" and then the next character
3275 is something other than a newline or a letter.
3276 Previously it would
3277 then just match the "auto" rule and be done, but now it has no "auto"
3278 rule, only a "auto\\n" rule.
3279 To eliminate the possibility of backing up,
3280 we could either duplicate all rules but without final newlines, or,
3281 since we never expect to encounter such an input and therefore don't
3282 how it's classified, we can introduce one more catch-all rule, this
3283 one which doesn't include a newline:
3286     %%
3287     asm\\n    |
3288     auto\\n   |
3289     break\\n  |
3290     ... etc ...
3291     volatile\\n |
3292     while\\n  /* it's a keyword */
3294     [a-z]+\\n |
3295     [a-z]+   |
3296     .|\\n     /* it's not a keyword */
3299 Compiled with
3300 .B \-Cf,
3301 this is about as fast as one can get a
3302 .I flex
3303 scanner to go for this particular problem.
3305 A final note:
3306 .I flex
3307 is slow when matching NUL's, particularly when a token contains
3308 multiple NUL's.
3309 It's best to write rules which match
3310 .I short
3311 amounts of text if it's anticipated that the text will often include NUL's.
3313 Another final note regarding performance: as mentioned above in the section
3314 How the Input is Matched, dynamically resizing
3315 .B yytext
3316 to accommodate huge tokens is a slow process because it presently requires that
3317 the (huge) token be rescanned from the beginning.
3318 Thus if performance is
3319 vital, you should attempt to match "large" quantities of text but not
3320 "huge" quantities, where the cutoff between the two is at about 8K
3321 characters/token.
3322 .SH GENERATING C++ SCANNERS
3323 .I flex
3324 provides two different ways to generate scanners for use with C++.
3325 The first way is to simply compile a scanner generated by
3326 .I flex
3327 using a C++ compiler instead of a C compiler.
3328 You should not encounter
3329 any compilations errors (please report any you find to the email address
3330 given in the Author section below).
3331 You can then use C++ code in your rule actions instead of C code.
3332 Note that the default input source for your scanner remains
3333 .I yyin,
3334 and default echoing is still done to
3335 .I yyout.
3336 Both of these remain
3337 .I FILE *
3338 variables and not C++
3339 .I streams.
3341 You can also use
3342 .I flex
3343 to generate a C++ scanner class, using the
3344 .B \-+
3345 option (or, equivalently,
3346 .B %option c++),
3347 which is automatically specified if the name of the flex
3348 executable ends in a '+', such as
3349 .I flex++.
3350 When using this option, flex defaults to generating the scanner to the file
3351 .B lex.yy.cc
3352 instead of
3353 .B lex.yy.c.
3354 The generated scanner includes the header file
3355 .I FlexLexer.h,
3356 which defines the interface to two C++ classes.
3358 The first class,
3359 .B FlexLexer,
3360 provides an abstract base class defining the general scanner class
3361 interface.
3362 It provides the following member functions:
3364 .B const char* YYText()
3365 returns the text of the most recently matched token, the equivalent of
3366 .B yytext.
3368 .B int YYLeng()
3369 returns the length of the most recently matched token, the equivalent of
3370 .B yyleng.
3372 .B int lineno() const
3373 returns the current input line number
3374 (see
3375 .B %option yylineno),
3377 .B 1
3379 .B %option yylineno
3380 was not used.
3382 .B void set_debug( int flag )
3383 sets the debugging flag for the scanner, equivalent to assigning to
3384 .B yy_flex_debug
3385 (see the Options section above).
3386 Note that you must build the scanner using
3387 .B %option debug
3388 to include debugging information in it.
3390 .B int debug() const
3391 returns the current setting of the debugging flag.
3393 Also provided are member functions equivalent to
3394 .B yy_switch_to_buffer(),
3395 .B yy_create_buffer()
3396 (though the first argument is an
3397 .B std::istream*
3398 object pointer and not a
3399 .B FILE*),
3400 .B yy_flush_buffer(),
3401 .B yy_delete_buffer(),
3403 .B yyrestart()
3404 (again, the first argument is a
3405 .B std::istream*
3406 object pointer).
3408 The second class defined in
3409 .I FlexLexer.h
3411 .B yyFlexLexer,
3412 which is derived from
3413 .B FlexLexer.
3414 It defines the following additional member functions:
3417 yyFlexLexer( std::istream* arg_yyin = 0, std::ostream* arg_yyout = 0 )
3418 constructs a
3419 .B yyFlexLexer
3420 object using the given streams for input and output.
3421 If not specified, the streams default to
3422 .B cin
3424 .B cout,
3425 respectively.
3427 .B virtual int yylex()
3428 performs the same role is
3429 .B yylex()
3430 does for ordinary flex scanners: it scans the input stream, consuming
3431 tokens, until a rule's action returns a value.
3432 If you derive a subclass
3433 .B S
3434 from
3435 .B yyFlexLexer
3436 and want to access the member functions and variables of
3437 .B S
3438 inside
3439 .B yylex(),
3440 then you need to use
3441 .B %option yyclass="S"
3442 to inform
3443 .I flex
3444 that you will be using that subclass instead of
3445 .B yyFlexLexer.
3446 In this case, rather than generating
3447 .B yyFlexLexer::yylex(),
3448 .I flex
3449 generates
3450 .B S::yylex()
3451 (and also generates a dummy
3452 .B yyFlexLexer::yylex()
3453 that calls
3454 .B yyFlexLexer::LexerError()
3455 if called).
3458 virtual void switch_streams(std::istream* new_in = 0,
3460 std::ostream* new_out = 0)
3461 reassigns
3462 .B yyin
3464 .B new_in
3465 (if non-nil)
3467 .B yyout
3469 .B new_out
3470 (ditto), deleting the previous input buffer if
3471 .B yyin
3472 is reassigned.
3475 int yylex( std::istream* new_in, std::ostream* new_out = 0 )
3476 first switches the input streams via
3477 .B switch_streams( new_in, new_out )
3478 and then returns the value of
3479 .B yylex().
3481 In addition,
3482 .B yyFlexLexer
3483 defines the following protected virtual functions which you can redefine
3484 in derived classes to tailor the scanner:
3487 virtual int LexerInput( char* buf, int max_size )
3488 reads up to
3489 .B max_size
3490 characters into
3491 .B buf
3492 and returns the number of characters read.
3493 To indicate end-of-input, return 0 characters.
3494 Note that "interactive" scanners (see the
3495 .B \-B
3497 .B \-I
3498 flags) define the macro
3499 .B YY_INTERACTIVE.
3500 If you redefine
3501 .B LexerInput()
3502 and need to take different actions depending on whether or not
3503 the scanner might be scanning an interactive input source, you can
3504 test for the presence of this name via
3505 .B #ifdef.
3508 virtual void LexerOutput( const char* buf, int size )
3509 writes out
3510 .B size
3511 characters from the buffer
3512 .B buf,
3513 which, while NUL-terminated, may also contain "internal" NUL's if
3514 the scanner's rules can match text with NUL's in them.
3517 virtual void LexerError( const char* msg )
3518 reports a fatal error message.
3519 The default version of this function writes the message to the stream
3520 .B cerr
3521 and exits.
3523 Note that a
3524 .B yyFlexLexer
3525 object contains its
3526 .I entire
3527 scanning state.
3528 Thus you can use such objects to create reentrant scanners.
3529 You can instantiate multiple instances of the same
3530 .B yyFlexLexer
3531 class, and you can also combine multiple C++ scanner classes together
3532 in the same program using the
3533 .B \-P
3534 option discussed above.
3536 Finally, note that the
3537 .B %array
3538 feature is not available to C++ scanner classes; you must use
3539 .B %pointer
3540 (the default).
3542 Here is an example of a simple C++ scanner:
3545         // An example of using the flex C++ scanner class.
3547     %{
3548     int mylineno = 0;
3549     %}
3551     string  \\"[^\\n"]+\\"
3553     ws      [ \\t]+
3555     alpha   [A-Za-z]
3556     dig     [0-9]
3557     name    ({alpha}|{dig}|\\$)({alpha}|{dig}|[_.\\-/$])*
3558     num1    [-+]?{dig}+\\.?([eE][-+]?{dig}+)?
3559     num2    [-+]?{dig}*\\.{dig}+([eE][-+]?{dig}+)?
3560     number  {num1}|{num2}
3562     %%
3564     {ws}    /* skip blanks and tabs */
3566     "/*"    {
3567             int c;
3569             while((c = yyinput()) != 0)
3570                 {
3571                 if(c == '\\n')
3572                     ++mylineno;
3574                 else if(c == '*')
3575                     {
3576                     if((c = yyinput()) == '/')
3577                         break;
3578                     else
3579                         unput(c);
3580                     }
3581                 }
3582             }
3584     {number}  cout \*[Lt]\*[Lt] "number " \*[Lt]\*[Lt] YYText() \*[Lt]\*[Lt] '\\n';
3586     \\n        mylineno++;
3588     {name}    cout \*[Lt]\*[Lt] "name " \*[Lt]\*[Lt] YYText() \*[Lt]\*[Lt] '\\n';
3590     {string}  cout \*[Lt]\*[Lt] "string " \*[Lt]\*[Lt] YYText() \*[Lt]\*[Lt] '\\n';
3592     %%
3594     int main( int /* argc */, char** /* argv */ )
3595         {
3596         FlexLexer* lexer = new yyFlexLexer;
3597         while(lexer-\*[Gt]yylex() != 0)
3598             ;
3599         return 0;
3600         }
3602 If you want to create multiple (different) lexer classes, you use the
3603 .B \-P
3604 flag (or the
3605 .B prefix=
3606 option) to rename each
3607 .B yyFlexLexer
3608 to some other
3609 .B xxFlexLexer.
3610 You then can include
3611 .B \*[Lt]FlexLexer.h\*[Gt]
3612 in your other sources once per lexer class, first renaming
3613 .B yyFlexLexer
3614 as follows:
3617     #undef yyFlexLexer
3618     #define yyFlexLexer xxFlexLexer
3619     #include \*[Lt]FlexLexer.h\*[Gt]
3621     #undef yyFlexLexer
3622     #define yyFlexLexer zzFlexLexer
3623     #include \*[Lt]FlexLexer.h\*[Gt]
3626 if, for example, you used
3627 .B %option prefix="xx"
3628 for one of your scanners and
3629 .B %option prefix="zz"
3630 for the other.
3632 IMPORTANT: the present form of the scanning class is
3633 .I experimental
3634 and may change considerably between major releases.
3635 .SH INCOMPATIBILITIES WITH LEX AND POSIX
3636 .I flex
3637 is a rewrite of the AT\*[Am]T Unix
3638 .I lex
3639 tool (the two implementations do not share any code, though),
3640 with some extensions and incompatibilities, both of which
3641 are of concern to those who wish to write scanners acceptable
3642 to either implementation.
3643 Flex is fully compliant with the POSIX
3644 .I lex
3645 specification, except that when using
3646 .B %pointer
3647 (the default), a call to
3648 .B unput()
3649 destroys the contents of
3650 .B yytext,
3651 which is counter to the POSIX specification.
3653 In this section we discuss all of the known areas of incompatibility
3654 between flex, AT\*[Am]T lex, and the POSIX specification.
3656 .I flex's
3657 .B \-l
3658 option turns on maximum compatibility with the original AT\*[Am]T
3659 .I lex
3660 implementation, at the cost of a major loss in the generated scanner's
3661 performance.
3662 We note below which incompatibilities can be overcome
3663 using the
3664 .B \-l
3665 option.
3667 .I flex
3668 is fully compatible with
3669 .I lex
3670 with the following exceptions:
3671 .IP -
3672 The undocumented
3673 .I lex
3674 scanner internal variable
3675 .B yylineno
3676 is not supported unless
3677 .B \-l
3679 .B %option yylineno
3680 is used.
3682 .B yylineno
3683 should be maintained on a per-buffer basis, rather than a per-scanner
3684 (single global variable) basis.
3686 .B yylineno
3687 is not part of the POSIX specification.
3688 .IP -
3690 .B input()
3691 routine is not redefinable, though it may be called to read characters
3692 following whatever has been matched by a rule.
3694 .B input()
3695 encounters an end-of-file the normal
3696 .B yywrap()
3697 processing is done.
3698 A ``real'' end-of-file is returned by
3699 .B input()
3701 .I EOF.
3703 Input is instead controlled by defining the
3704 .B YY_INPUT
3705 macro.
3708 .I flex
3709 restriction that
3710 .B input()
3711 cannot be redefined is in accordance with the POSIX specification,
3712 which simply does not specify any way of controlling the
3713 scanner's input other than by making an initial assignment to
3714 .I yyin.
3715 .IP -
3717 .B unput()
3718 routine is not redefinable.
3719 This restriction is in accordance with POSIX.
3720 .IP -
3721 .I flex
3722 scanners are not as reentrant as
3723 .I lex
3724 scanners.
3725 In particular, if you have an interactive scanner and
3726 an interrupt handler which long-jumps out of the scanner, and
3727 the scanner is subsequently called again, you may get the following
3728 message:
3731     fatal flex scanner internal error--end of buffer missed
3734 To reenter the scanner, first use
3737     yyrestart( yyin );
3740 Note that this call will throw away any buffered input; usually this
3741 isn't a problem with an interactive scanner.
3743 Also note that flex C++ scanner classes
3744 .I are
3745 reentrant, so if using C++ is an option for you, you should use
3746 them instead.
3747 See "Generating C++ Scanners" above for details.
3748 .IP -
3749 .B output()
3750 is not supported.
3751 Output from the
3752 .B ECHO
3753 macro is done to the file-pointer
3754 .I yyout
3755 (default
3756 .I stdout).
3758 .B output()
3759 is not part of the POSIX specification.
3760 .IP -
3761 .I lex
3762 does not support exclusive start conditions (%x), though they
3763 are in the POSIX specification.
3764 .IP -
3765 When definitions are expanded,
3766 .I flex
3767 encloses them in parentheses.
3768 With lex, the following:
3771     NAME    [A-Z][A-Z0-9]*
3772     %%
3773     foo{NAME}?      printf( "Found it\\n" );
3774     %%
3777 will not match the string "foo" because when the macro
3778 is expanded the rule is equivalent to "foo[A-Z][A-Z0-9]*?"
3779 and the precedence is such that the '?' is associated with
3780 "[A-Z0-9]*".
3781 With
3782 .I flex,
3783 the rule will be expanded to
3784 "foo([A-Z][A-Z0-9]*)?" and so the string "foo" will match.
3786 Note that if the definition begins with
3787 .B ^
3788 or ends with
3789 .B $
3790 then it is
3791 .I not
3792 expanded with parentheses, to allow these operators to appear in
3793 definitions without losing their special meanings.
3794 But the
3795 .B \*[Lt]s\*[Gt], /,
3797 .B \*[Lt]\*[Lt]EOF\*[Gt]\*[Gt]
3798 operators cannot be used in a
3799 .I flex
3800 definition.
3802 Using
3803 .B \-l
3804 results in the
3805 .I lex
3806 behavior of no parentheses around the definition.
3808 The POSIX specification is that the definition be enclosed in parentheses.
3809 .IP -
3810 Some implementations of
3811 .I lex
3812 allow a rule's action to begin on a separate line, if the rule's pattern
3813 has trailing whitespace:
3816     %%
3817     foo|bar\*[Lt]space here\*[Gt]
3818       { foobar_action(); }
3821 .I flex
3822 does not support this feature.
3823 .IP -
3825 .I lex
3826 .B %r
3827 (generate a Ratfor scanner) option is not supported.
3828 It is not part
3829 of the POSIX specification.
3830 .IP -
3831 After a call to
3832 .B unput(),
3833 .I yytext
3834 is undefined until the next token is matched, unless the scanner
3835 was built using
3836 .B %array.
3837 This is not the case with
3838 .I lex
3839 or the POSIX specification.
3841 .B \-l
3842 option does away with this incompatibility.
3843 .IP -
3844 The precedence of the
3845 .B {}
3846 (numeric range) operator is different.
3847 .I lex
3848 interprets "abc{1,3}" as "match one, two, or
3849 three occurrences of 'abc'", whereas
3850 .I flex
3851 interprets it as "match 'ab'
3852 followed by one, two, or three occurrences of 'c'".
3853 The latter is in agreement with the POSIX specification.
3854 .IP -
3855 The precedence of the
3856 .B ^
3857 operator is different.
3858 .I lex
3859 interprets "^foo|bar" as "match either 'foo' at the beginning of a line,
3860 or 'bar' anywhere", whereas
3861 .I flex
3862 interprets it as "match either 'foo' or 'bar' if they come at the beginning
3863 of a line".
3864 The latter is in agreement with the POSIX specification.
3865 .IP -
3866 The special table-size declarations such as
3867 .B %a
3868 supported by
3869 .I lex
3870 are not required by
3871 .I flex
3872 scanners;
3873 .I flex
3874 ignores them.
3875 .IP -
3876 The name
3878 FLEX_SCANNER
3879 is #define'd so scanners may be written for use with either
3880 .I flex
3882 .I lex.
3883 Scanners also include
3884 .B YY_FLEX_MAJOR_VERSION
3886 .B YY_FLEX_MINOR_VERSION
3887 indicating which version of
3888 .I flex
3889 generated the scanner
3890 (for example, for the 2.5 release, these defines would be 2 and 5
3891 respectively).
3893 The following
3894 .I flex
3895 features are not included in
3896 .I lex
3897 or the POSIX specification:
3900     C++ scanners
3901     %option
3902     start condition scopes
3903     start condition stacks
3904     interactive/non-interactive scanners
3905     yy_scan_string() and friends
3906     yyterminate()
3907     yy_set_interactive()
3908     yy_set_bol()
3909     YY_AT_BOL()
3910     \*[Lt]\*[Lt]EOF\*[Gt]\*[Gt]
3911     \*[Lt]*\*[Gt]
3912     YY_DECL
3913     YY_START
3914     YY_USER_ACTION
3915     YY_USER_INIT
3916     #line directives
3917     %{}'s around actions
3918     multiple actions on a line
3921 plus almost all of the flex flags.
3922 The last feature in the list refers to the fact that with
3923 .I flex
3924 you can put multiple actions on the same line, separated with
3925 semi-colons, while with
3926 .I lex,
3927 the following
3930     foo    handle_foo(); ++num_foos_seen;
3933 is (rather surprisingly) truncated to
3936     foo    handle_foo();
3939 .I flex
3940 does not truncate the action.
3941 Actions that are not enclosed in
3942 braces are simply terminated at the end of the line.
3943 .SH DIAGNOSTICS
3945 .I warning, rule cannot be matched
3946 indicates that the given rule
3947 cannot be matched because it follows other rules that will
3948 always match the same text as it.
3950 example, in the following "foo" cannot be matched because it comes after
3951 an identifier "catch-all" rule:
3954     [a-z]+    got_identifier();
3955     foo       got_foo();
3958 Using
3959 .B REJECT
3960 in a scanner suppresses this warning.
3962 .I warning,
3963 .B \-s
3965 option given but default rule can be matched
3966 means that it is possible (perhaps only in a particular start condition)
3967 that the default rule (match any single character) is the only one
3968 that will match a particular input.
3969 Since
3970 .B \-s
3971 was given, presumably this is not intended.
3973 .I reject_used_but_not_detected undefined
3975 .I yymore_used_but_not_detected undefined -
3976 These errors can occur at compile time.
3977 They indicate that the scanner uses
3978 .B REJECT
3980 .B yymore()
3981 but that
3982 .I flex
3983 failed to notice the fact, meaning that
3984 .I flex
3985 scanned the first two sections looking for occurrences of these actions
3986 and failed to find any, but somehow you snuck some in (via a #include
3987 file, for example).
3989 .B %option reject
3991 .B %option yymore
3992 to indicate to flex that you really do use these features.
3994 .I flex scanner jammed -
3995 a scanner compiled with
3996 .B \-s
3997 has encountered an input string which wasn't matched by
3998 any of its rules.
3999 This error can also occur due to internal problems.
4001 .I token too large, exceeds YYLMAX -
4002 your scanner uses
4003 .B %array
4004 and one of its rules matched a string longer than the
4005 .B YYLMAX
4006 constant (8K bytes by default).
4007 You can increase the value by
4008 #define'ing
4009 .B YYLMAX
4010 in the definitions section of your
4011 .I flex
4012 input.
4014 .I scanner requires \-8 flag to
4015 .I use the character 'x' -
4016 Your scanner specification includes recognizing the 8-bit character
4017 .I 'x'
4018 and you did not specify the \-8 flag, and your scanner defaulted to 7-bit
4019 because you used the
4020 .B \-Cf
4022 .B \-CF
4023 table compression options.
4024 See the discussion of the
4025 .B \-7
4026 flag for details.
4028 .I flex scanner push-back overflow -
4029 you used
4030 .B unput()
4031 to push back so much text that the scanner's buffer could not hold
4032 both the pushed-back text and the current token in
4033 .B yytext.
4034 Ideally the scanner should dynamically resize the buffer in this case, but at
4035 present it does not.
4038 input buffer overflow, can't enlarge buffer because scanner uses REJECT -
4039 the scanner was working on matching an extremely large token and needed
4040 to expand the input buffer.
4041 This doesn't work with scanners that use
4043 REJECT.
4046 fatal flex scanner internal error--end of buffer missed -
4047 This can occur in an scanner which is reentered after a long-jump
4048 has jumped out (or over) the scanner's activation frame.
4049 Before reentering the scanner, use:
4052     yyrestart( yyin );
4055 or, as noted above, switch to using the C++ scanner class.
4057 .I too many start conditions in \*[Lt]\*[Gt] construct! -
4058 you listed more start conditions in a \*[Lt]\*[Gt] construct than exist (so
4059 you must have listed at least one of them twice).
4060 .SH FILES
4062 .B \-lfl
4063 library with which scanners must be linked.
4065 .I lex.yy.c
4066 generated scanner (called
4067 .I lexyy.c
4068 on some systems).
4070 .I lex.yy.cc
4071 generated C++ scanner class, when using
4072 .B -+.
4074 .I \*[Lt]FlexLexer.h\*[Gt]
4075 header file defining the C++ scanner base class,
4076 .B FlexLexer,
4077 and its derived class,
4078 .B yyFlexLexer.
4080 .I flex.skl
4081 skeleton scanner.
4082 This file is only used when building flex, not when flex executes.
4084 .I lex.backup
4085 backing-up information for
4086 .B \-b
4087 flag (called
4088 .I lex.bck
4089 on some systems).
4090 .SH DEFICIENCIES / BUGS
4092 Some trailing context
4093 patterns cannot be properly matched and generate
4094 warning messages ("dangerous trailing context").
4095 These are patterns where the ending of the
4096 first part of the rule matches the beginning of the second
4097 part, such as "zx*/xy*", where the 'x*' matches the 'x' at
4098 the beginning of the trailing context.
4099 (Note that the POSIX draft
4100 states that the text matched by such patterns is undefined.)
4102 For some trailing context rules, parts which are actually fixed-length are
4103 not recognized as such, leading to the above mentioned performance loss.
4104 In particular, parts using '|' or {n} (such as "foo{3}") are always
4105 considered variable-length.
4107 Combining trailing context with the special '|' action can result in
4108 .I fixed
4109 trailing context being turned into the more expensive
4110 .I variable
4111 trailing context.
4112 For example, in the following:
4115     %%
4116     abc      |
4117     xyz/def
4121 Use of
4122 .B unput()
4123 invalidates yytext and yyleng, unless the
4124 .B %array
4125 directive
4126 or the
4127 .B \-l
4128 option has been used.
4130 Pattern-matching of NUL's is substantially slower than matching other
4131 characters.
4133 Dynamic resizing of the input buffer is slow, as it entails rescanning
4134 all the text matched so far by the current (generally huge) token.
4136 Due to both buffering of input and read-ahead, you cannot intermix
4137 calls to \*[Lt]stdio.h\*[Gt] routines, such as, for example,
4138 .B getchar(),
4139 with
4140 .I flex
4141 rules and expect it to work.
4142 Call
4143 .B input()
4144 instead.
4146 The total table entries listed by the
4147 .B \-v
4148 flag excludes the number of table entries needed to determine
4149 what rule has been matched.
4150 The number of entries is equal
4151 to the number of DFA states if the scanner does not use
4152 .B REJECT,
4153 and somewhat greater than the number of states if it does.
4155 .B REJECT
4156 cannot be used with the
4157 .B \-f
4159 .B \-F
4160 options.
4163 .I flex
4164 internal algorithms need documentation.
4165 .SH SEE ALSO
4167 lex(1), yacc(1), sed(1), awk(1).
4169 John Levine, Tony Mason, and Doug Brown,
4170 .I Lex \*[Am] Yacc,
4171 O'Reilly and Associates.
4172 Be sure to get the 2nd edition.
4174 M. E. Lesk and E. Schmidt,
4175 .I LEX \- Lexical Analyzer Generator
4177 Alfred Aho, Ravi Sethi and Jeffrey Ullman,
4178 .I Compilers: Principles, Techniques and Tools,
4179 Addison-Wesley (1986).
4180 Describes the pattern-matching techniques used by
4181 .I flex
4182 (deterministic finite automata).
4183 .SH AUTHOR
4184 Vern Paxson, with the help of many ideas and much inspiration from
4185 Van Jacobson.
4186 Original version by Jef Poskanzer.
4187 The fast table
4188 representation is a partial implementation of a design done by Van
4189 Jacobson.
4190 The implementation was done by Kevin Gong and Vern Paxson.
4192 Thanks to the many
4193 .I flex
4194 beta-testers, feedbackers, and contributors, especially Francois Pinard,
4195 Casey Leedom,
4196 Robert Abramovitz,
4197 Stan Adermann, Terry Allen, David Barker-Plummer, John Basrai,
4198 Neal Becker, Nelson H.F. Beebe, benson@odi.com,
4199 Karl Berry, Peter A. Bigot, Simon Blanchard,
4200 Keith Bostic, Frederic Brehm, Ian Brockbank, Kin Cho, Nick Christopher,
4201 Brian Clapper, J.T. Conklin,
4202 Jason Coughlin, Bill Cox, Nick Cropper, Dave Curtis, Scott David
4203 Daniels, Chris G. Demetriou, Theo de Raadt,
4204 Mike Donahue, Chuck Doucette, Tom Epperly, Leo Eskin,
4205 Chris Faylor, Chris Flatters, Jon Forrest, Jeffrey Friedl,
4206 Joe Gayda, Kaveh R. Ghazi, Wolfgang Glunz,
4207 Eric Goldman, Christopher M. Gould, Ulrich Grepel, Peer Griebel,
4208 Jan Hajic, Charles Hemphill, NORO Hideo,
4209 Jarkko Hietaniemi, Scott Hofmann,
4210 Jeff Honig, Dana Hudes, Eric Hughes, John Interrante,
4211 Ceriel Jacobs, Michal Jaegermann, Sakari Jalovaara, Jeffrey R. Jones,
4212 Henry Juengst, Klaus Kaempf, Jonathan I. Kamens, Terrence O Kane,
4213 Amir Katz, ken@ken.hilco.com, Kevin B. Kenny,
4214 Steve Kirsch, Winfried Koenig, Marq Kole, Ronald Lamprecht,
4215 Greg Lee, Rohan Lenard, Craig Leres, John Levine, Steve Liddle,
4216 David Loffredo, Mike Long,
4217 Mohamed el Lozy, Brian Madsen, Malte, Joe Marshall,
4218 Bengt Martensson, Chris Metcalf,
4219 Luke Mewburn, Jim Meyering, R. Alexander Milowski, Erik Naggum,
4220 G.T. Nicol, Landon Noll, James Nordby, Marc Nozell,
4221 Richard Ohnemus, Karsten Pahnke,
4222 Sven Panne, Roland Pesch, Walter Pelissero, Gaumond
4223 Pierre, Esmond Pitt, Jef Poskanzer, Joe Rahmeh, Jarmo Raiha,
4224 Frederic Raimbault, Pat Rankin, Rick Richardson,
4225 Kevin Rodgers, Kai Uwe Rommel, Jim Roskind, Alberto Santini,
4226 Andreas Scherer, Darrell Schiebel, Raf Schietekat,
4227 Doug Schmidt, Philippe Schnoebelen, Andreas Schwab,
4228 Larry Schwimmer, Alex Siegel, Eckehard Stolz, Jan-Erik Strvmquist,
4229 Mike Stump, Paul Stuart, Dave Tallman, Ian Lance Taylor,
4230 Chris Thewalt, Richard M. Timoney, Jodi Tsai,
4231 Paul Tuinenga, Gary Weik, Frank Whaley, Gerhard Wilhelms, Kent Williams, Ken
4232 Yap, Ron Zellar, Nathan Zelle, David Zuhn,
4233 and those whose names have slipped my marginal
4234 mail-archiving skills but whose contributions are appreciated all the
4235 same.
4237 Thanks to Keith Bostic, Jon Forrest, Noah Friedman,
4238 John Gilmore, Craig Leres, John Levine, Bob Mulcahy, G.T.
4239 Nicol, Francois Pinard, Rich Salz, and Richard Stallman for help with various
4240 distribution headaches.
4242 Thanks to Esmond Pitt and Earle Horton for 8-bit character support; to
4243 Benson Margulies and Fred Burke for C++ support; to Kent Williams and Tom
4244 Epperly for C++ class support; to Ove Ewerlid for support of NUL's; and to
4245 Eric Hughes for support of multiple buffers.
4247 This work was primarily done when I was with the Real Time Systems Group
4248 at the Lawrence Berkeley Laboratory in Berkeley, CA.
4249 Many thanks to all there for the support I received.
4251 Send comments to vern@ee.lbl.gov.