这篇文章我们要从整体上讲解如何设计我们的 C 语言编译器。
本系列:
首先要说明的是,虽然标题是编译器,但实际上我们构建的是 C 语言的解释器,这意味着我们可以像运行脚本一样去运行 C 语言的源代码文件。这么做的理由有两点:
1.解释器与编译器仅在代码生成阶段有区别,而其它方面如词法分析、语法分析是一样的。
2.解释器需要我们实现自己的虚拟机与指令集,而这部分能帮助我们了解计算机的工作原理。
编译器的构建流程
一般而言,编译器的编写分为 3 个步骤:
1.词法分析器,用于将字符串转化成内部的表示结构。
2.语法分析器,将词法分析得到的标记流(token)生成一棵语法树。
3.目标代码的生成,将语法树转化成目标代码。
已经有许多工具能帮助我们处理阶段1和2,如 flex 用于词法分析,bison 用于语法分析。只是它们的功能都过于强大,屏蔽了许多实现上的细节,对于学习构建编译器帮助不大。所以我们要完全手写这些功能。
所以我们会根据下面的流程:
1.构建我们自己的虚拟机以及指令集。这后生成的目标代码便是我们的指令集。
2.构建我们的词法分析器
3.构建语法分析器
编译器的框架
我们的编译器主要包括 4 个函数:
next()用于词法分析,获取下一个标记,它将自动忽略空白字符。
program()语法分析的入口,分析整个 C 语言程序。
expression(level)用于解析一个表达式。
eval()虚拟机的入口,用于解释目标代码。
这里有一个单独用于解析“表达式”的函数expression是因为表达式在语法分析中相对独立并且比较复杂,所以我们将它单独作为一个模块(函数)。
因为我们的源代码看起来就像是:
#include
#include
#include
#include
int token; // current token
char *src, *old_src; // pointer to source code string;
int poolsize; // default size of text/data/stack
int line; // line number
void next() {
token = *src++;
return;
}
void expression(int level) {
// do nothing
}
void program() {
next(); // get next token
while (token > 0) {
printf("token is: %c\n", token);
next();
}
}
int eval() { // do nothing yet
return 0;
}
int main(int argc, char **argv)
{
int i, fd;
argc--;
argv++;
poolsize = 256 * 1024; // arbitrary size
line = 1;
if ((fd &#61; open(*argv, 0)) <0) {
printf("could not open(%s)\n", *argv);
return -1;
}
if (!(src &#61; old_src &#61; malloc(poolsize))) {
printf("could not malloc(%d) for source area\n", poolsize);
return -1;
}
// read the source file
if ((i &#61; read(fd, src, poolsize-1)) <&#61; 0) {
printf("read() returned %d\n", i);
return -1;
}
src[i] &#61; 0; // add EOF character
close(fd);
program();
return eval();
}
上面的代码看上去挺复杂&#xff0c;但其实内容不多&#xff0c;就是读取一个源代码文件&#xff0c;逐个读取每个字符&#xff0c;并输出每个字符。这里重要的是注意每个函数的作用&#xff0c;后面的文章中&#xff0c;我们将逐个填充每个函数的功能&#xff0c;最终构建起我们的编译器。如果想一起交流的可以加这个群&#xff1a;941636044 &#xff0c;有什么问题可以群里面交流&#xff0c;群里面也有一些方便学习C语言C&#43;&#43;编程的资料可以给你利用。
这样我们就有了一个最简单的编译器&#xff1a;什么都不干的编译器&#xff0c;下一章中&#xff0c;我们将实现其中的eval函数&#xff0c;即我们自己的虚拟机。