編譯器相關

編譯器基本原理

1.是什麼（編譯器是什麼） 2.爲何 (爲何須要編譯器） 3.怎麼作 (編譯器如何工做)

編譯器是什麼

在編譯器工做以前須要進行預處理,包括宏的替換，頭文件的導入，以及相似#if的處理 編譯器是一種把源程序語音翻譯成目標程序語言的計算機程序。通常來講，源程序是高級語言好比Java，Objective-C等。 目標程序語言通常就是彙編語言或者二進制碼。

編譯器通常由前端和後端組成。

前端主要進行和源語言相關，和目標語言無關的工做，包括詞法分析，語法分析，語義分析，中間碼生成。 後端主要進行和源語言無關，可是和目標語言有關的工做，好比中間碼優化，將中間碼轉化成目標碼，對目標代碼優化生成目標程序。

端	編譯器階段	生成產物	功能	用途
前端	詞法分析	單詞流	語法高亮	語法高亮
前端	語法分析	AST（抽象語法樹）	語法高亮，代碼格式化，語法檢查	OCLint
前端	中間碼生成	中間碼

爲何須要編譯器

天然語言最容易表述人們的要求，當用戶用天然語言表述了須要的功能後，編譯器將高級編程語言轉換成彙編、由彙編到機器碼,提升軟件開發的效率

編譯器如何工做

在命令行輸入clang -ccc-print-phases main.m

1: preprocessor, {0}, objective-c-cpp-output
2: compiler, {1}, ir
3: backend, {2}, assembler
4: assembler, {3}, object
5: linker, {4}, image
6: bind-arch, "x86_64", {5}, imag
複製代碼

1.詞法分析

將源文件的字符串，進行過濾，去除空格，註釋等，而後將其分割成一個個的詞（記號、token） 好比 int a = b + sum(1,2); 會拆分紅12個token

int     類型標識符
a       標識符
=       賦值運算符
b       標識符
+       加號
sum     標識符
(       左括號
1       整數
,       逗號
2       整數
)       右括號
;       分號
複製代碼

2.語法分析

詞法分析以後，字符流已經被轉化爲token流了 int<int> ID<a> '=' ID<value> '+' ID<sum> '(' Num<1> ',' Num<2> ')' ';' 上面的int表示一個標識符類型的token。內容爲'int'

接下來，解析這個token流，首先這是一個語句，咱們主要有用到4種語句，賦值語句，函數調用語句，if和while語句。很明顯，這是一個賦值語句。

賦值表達式用變量名、賦值符號= 和表達式構成。

將語法結構應用到token流上，把等號兩邊的內容放到對應的節點上，生成語法樹以下：

接下來對expression<b+sum(1,2)>進行解析 表達式有不少種，變量表達式，數字表達式，加減法表達式，通過對比，只有加法表達式結構才能匹配，因而將加法表達式的語法結構應用到其中。如圖

進一步解析語法樹的<b>和<sum(1,2)>，發現只有變量表達式和函數調用表示式才能匹配成功，獲得

接下來進行語法優化，有些節點是多餘的，好比在複製表達式中 '='和';',對語法樹進行濃縮獲得最終的抽象語法樹(AST)

由此看出，語法分析就是不斷將語法規則用於源程序，將源程序解析成一顆抽象語法樹。以後的語義分析，中間碼生成和代碼優化都是基於對這棵樹進行遍歷，檢查，修改進行的。

3.語義分析

語義分析階段，會對語法進行屢次的遍歷，進行語法檢查，包括類型和聲明的檢查，OClint就是基於語義分析進行靜態代碼分析的。 仍是以上面的賦值語句做爲例子， 須要檢查 1.b, sum是否已經聲明過 2.sum函數的參數數量和類型是否和傳入的參數數量和類型匹配。 3.加法運算的兩個操做數的類型是否匹配，這裏也就是檢查函數的返回值類型了 4.賦值運算的兩個操做數類型是否匹配

通常在遍歷語法樹過程當中，遇到的變量聲明和函數聲明時，會將變量名-類型，函數名-返回類型-參數數量-參數類型保存到符號表裏，當遇到使用變量和函數調用時，根據名稱在符號表猴子那個查找，檢查是否聲明過，類型是否匹配。所以，對於java這種函數聲明能夠放在使用位置後面的語言，至少須要遍歷兩遍語法樹。

語義檢查時，也會對語法樹進行優化，好比將常量的表達式先計算如： a = 1 + 2 * 3; 會被優化成 a = 7;

語義分析完成後，編譯期錯誤被排除，全部使用過的變量名和函數名被綁定到聲明的地址，就能夠進行代碼生成和優化了。

中間碼生成

通常的編譯器都不會直接生成目標代碼，而是先生成中間碼再生成目標代碼。 中間碼的做用： 計算機直接生成的代碼比人手寫的彙編要龐大、重複不少，計算機科學家們對一些具備固定格式的中間代碼（最典型的是三地址中間碼）的進行大量的研究工做，提出了不少普遍應用的、效率很是高的優化算法，能夠對中間代碼進行優化，比直接對目標代碼進行優化的效果要好不少。 經過中間代碼實現先後級分離，在多系統、多語言開發時，可大幅提升總體開發效率，減小開發成本縮短開發週期。 爲了增長編譯器的模塊化和可移植化、可擴展性。中間代碼既獨立於任何高級語言，又獨立於機器架構，所以能夠經過編寫m+n個編譯模塊二得到m *n種編譯器。