編譯原理入門篇|一篇文章理解編譯全過程

編譯過程

編譯目標

目標：把源代碼變成目標代碼

1.若是源代碼在操做系統上運行：目標代碼就是「彙編代碼」。再經過彙編和連接的過程造成可執行文件，而後經過加載器加載到操做系統執行。

2.若是源代碼在虛擬機(解釋器)上運行：目標代碼就是「解釋器能夠理解的中間形式的代碼」，好比字節碼(中間代碼)IR、AST語法樹。

編譯過程能夠分爲這幾個階段，每一個階段作了必定的任務，層級的讓下一個階段進行。

詞法分析

編譯器讀入源代碼，通過詞法分析器識別出Token，把字符串轉換成一個個Token。
Token的類型包括：關鍵字、標識符、字面量、操做符、界符等

好比下面的C語言代碼源文件，通過詞法分析器識別出的token有：int、foo、a、b、=、+、return、(){}等token

int foo(int a){
    int b = a + 3;
    return b;
}

爲何要這樣作呢，把代碼裏的單詞進行分類，編譯器後面的階段不就更好處理理解代碼了嘛！

語法分析

每個程序代碼，實際上能夠經過樹這種結構表現出其語法規則。

語法分析階段把Token串，轉換成一個體現語法規則的、樹狀數據結構，即抽象語法樹AST。
AST樹反映了程序的語法結構。

好比下面對應的一段C語言代碼，對應的AST抽象語法樹以下所示：

int foo(int a){
    int b = a + 3;
    return b;
}

AST抽象語法樹

AST樹長成什麼樣，由語法的結構有關。
好比 上面C語言代碼中對函數的語法定義以下：語法分析器就按照語法定義進行解析，就是從上到下匹配的過程。
也就是先匹配function的規則，匹配函數類型type、函數名name、函數參數parameters、函數體
當匹配函數參數時，就去匹配parameters的規則
當匹配函數體時，函數體由一個個語句組成，就去匹配各個語句stmt的規則。

function := type name parameters functionBody
parameters:= parameter*                          
functionBody:= stmt returnStatement

生成 AST 之後，程序的語法結構就很清晰了，但這棵樹到底表明了什麼意思，咱們目前仍然不能徹底肯定，要在語義分析階段肯定。

爲何要把程序轉換成AST這麼一顆樹，由於編譯器不像人能直接理解語句的含義，AST樹更有結構性，後續階段能夠針對這顆樹作各類分析！

語義分析

語義分析階段的任務：理解語義，語句要作什麼。
好比+號要執行加法、=號要執行賦值、for結構要去實現循環、if結構實現判斷。
因此語義階段要作的內容有：上下文分析（包括引用消解、類型分析與檢查等）

引用消解：找到變量所在的做用域，一個變量做用範圍屬於全局仍是局部。
類型識別：好比執行a+3，須要識別出變量a的類型，由於浮點數和整型執行不同，要執行不一樣的運算方式。
類型檢查：好比int b = a + 3，是否能夠進行定義賦值。等號右邊的表達式必須返回一個整型的數據、或則可以自動轉換成整型的數據，纔可以對類型爲整型的變量b進行復制。

好比以前的一段C語言代碼，通過語義分析後得到的信息（引用消解信息、類型信息），能夠在AST上進行標註，造成下面的「帶有標註的語法樹」，讓編譯器更好的理解程序的語義。

也會將這些上下文信息存入「符號表」結構中，便於各階段查詢上下文信息。
符號表是有層次的結構：咱們只須要逐級向上查找就能找到變量、函數等的信息(做用域、類型等)

接下來就能夠 解釋執行：實現一門解釋型的語言

Tip:編譯型語言須要生成目標代碼，而解釋性語言只須要解釋器去執行語義就能夠了。

實現AST的解釋器：在語法分析後有了程序的抽象語法樹，在語義分析後有了「帶有標註的AST」和符號表後，就能夠深度優先遍歷AST，而且一邊遍歷一邊執行結點的語義規則。整個遍歷的過程就是執行代碼的過程。

舉一個解釋執行的例子，好比執行下面的語義：

• 遇到語法樹中的add 「+」節點：把兩個子節點的值進行相加，做爲「+」節點的值。
• 遇到語法樹中的變量節點(右值)：就取出變量的值。
• 遇到字面量好比數字2：返回這個字面量表明的數值2。

中間代碼生成

在編譯前端完成後(編譯器已經理解了詞法和語義)，編譯器能夠直接解釋執行、或則直接生成目標代碼。對於不一樣架構的CPU，還須要生成不一樣的彙編代碼，若是對每一種彙編代碼作優化就很繁瑣了。因此咱們須要增長一個環節：生成中間代碼IR，統一優化後中間代碼，再去將中間代碼生成目標代碼。

中間代碼IR的兩個用途：解釋執行 、代碼優化

解釋執行：解釋型語言，好比Python和Java，生成IR後就能直接執行了，也就是前面舉出的例子。

優化代碼：好比LLVM等工具；在生成代碼後須要作大量的優化工做，而不少優化工做不必使用匯編代碼來作(由於不一樣CPU體系的彙編語言不一樣)，而能夠基於IR用統一的算法來完成，下降編譯器適配不一樣CPU的複雜性。

代碼優化

一種方案：基於基本塊做代碼優化

分類：本地優化、全局優化、過程間優化

本地優化：可用表達式分析、活躍性分析

全局優化：基於控制流圖CFG做優化。

控制流圖CFG ：是一種有向圖，它體現了基本塊以前的指令流轉關係，若是從BLOCK1的最後一條指令是跳轉到 BLOCK2， 就連一條邊，若是經過分析 CFG，發現某個變量在其餘地方沒有被使用，就能夠把這個變量所在代碼行刪除。

過程間優化：跨越函數的優化，多個函數間做優化

優化案例：

代數優化：
好比刪除「x:=x+0 」，乘法優化掉「x:=x乘以0」 能夠簡化成「x:=0」，乘法優化成移位運算：「x:=x*8」能夠優化成「x:=x<<3」。

常數摺疊：

對常數的運算能夠在編譯時計算，好比 「x:= 20 乘以 3 」能夠優化成「x:=60」
刪除公共子表達式：做「可用表達式分析」

x := a + b
y := a + b //優化成y := x

拷貝傳播：做「可用表達式分析」

x := a + b
y := x
z := 2 * y //優化成z:= 2 * x

常數傳播：

x := 20
y := 10
z := x + y//優化成z := 30

死代碼刪除：做變量的「活躍性分析」
活躍性分析（優化刪除死代碼，沒用到的變量） 數據流分析：使用「半格理論」解決多路徑的V值計算集合問題，不在代碼下面集合的變量就是死代碼。

目標代碼生成

目標代碼生成，也就是生成虛擬機執行的字節碼，或則操做系統執行的彙編代碼
代碼生成的過程，其實很簡單，就是將中間代碼IR逐個翻譯成想要的彙編的代碼

那麼目標代碼生成階段的任務就有：

• 選擇合適指令，生成性能最高的代碼。
• 優化寄存器的分配，讓頻繁訪問的變量，好比循環語句中的變量放到寄存器中，寄存器比內存快
• 在不改變運行結果下，對指令作重排序優化，從而充分運用CPU內部的多個功能部件的並行能力

本文參考：
編譯原理實戰課
編譯原理之美