你知道第一個C語言C++編譯器是如何誕生的嗎？

當今幾乎全部的實用的編譯器/解釋器（如下統稱編譯器）都是用 C 語言編寫的，有一些語言好比 Clojure,Jython 等是基於 JVM 或者說是用 Java 實現的，IronPython 等是基於 .NET 實現的，可是 Java 和 C# 等自己也要依靠 C/C++ 來實現，等因而間接調用了 C。因此衡量某種高級語言的可移植性其實就是在討論 ANSI/ISO C 的移植性。

C 語言是很低級的語言，不少方面都近似於彙編語言，在《Intel 32 位彙編語言程序設計》一書中，甚至介紹了手工把簡單的 C 語言翻譯成彙編的方法。對於編譯器這種系統軟件，用 C 語言來編寫是很天然不過的，即便是像 Python 這樣的高級語言依然在底層依賴於 C 語言。如今的學生，學過編譯原理後，只要有點編程能力的均可以實現一個功能簡單的類 C 語言編譯器。

 

但是問題來了，不知道你有沒有想過，你們都用 C 語言或基於 C 語言的語言來寫編譯器，那麼世界上第一個 C 語言編譯器又是怎麼編寫的呢？這不是一個「雞和蛋」的問題……

仍是讓咱們回顧一下 C 語言歷史：1970 年 Tomphson 和 Ritchie 在 BCPL（一種解釋型語言）的基礎上開發了 B 語言，1973 年又在 B 語言的基礎上成功開發出瞭如今的 C 語言。在 C 語言被用做系統編程語言以前，Tomphson 也用過 B 語言編寫過操做系統。可見在 C 語言實現之前，B 語言已經能夠投入實用了。所以第一個 C 語言編譯器的原型徹底多是用 B 語言或者混合 B 語言與 PDP 彙編語言編寫的。咱們如今都知道，B 語言的執行效率比較低，可是若是所有用匯編語言來編寫，不只開發週期長、維護難度大，更可怕的是失去了高級程序設計語言必需的移植性。因此早期的 C 語言編譯器就採起了一個取巧的辦法：先用匯編語言編寫一個 C 語言的一個子集的編譯器，再經過這個子集去遞推完成完整的 C 語言編譯器。詳細的過程以下：

先創造一個只有 C 語言最基本功能的子集，記做 C0 語言，C0 語言已經足夠簡單了，能夠直接用匯編語言編寫出 C0 的編譯器。依靠 C0 已有的功能，設計比 C0 複雜，但仍然不完整的 C 語言的又一個子集 C1 語言，其中 C0 屬於 C1，C1 屬於 C，用 C0 開發出 C1 語言的編譯器。在 C1 的基礎上設計 C 語言的又一個子集 C2 語言，C2 語言比 C1 複雜，可是仍然不是完整的 C 語言，開發出 C2 語言的編譯器……如此直到 CN，CN 已經足夠強大了，這時候就足夠開發出完整的 C 語言編譯器的實現了。至於這裏的 N 是多少，這取決於你的目標語言（這裏是 C 語言）的複雜程度和程序員的編程能力——簡單地說，若是到了某個子集階段，能夠很方便地利用現有功能實現 C 語言時，那麼你就找到 N 了。下面的圖說明了這個抽象過程：

 

那麼這種大膽的子集簡化的方法，是怎麼實現的，又有什麼理論依據呢？先介紹一個概念，「自編譯」Self-Compile，也就是對於某些具備明顯自舉性質的強類型（所謂強類型就是程序中的每一個變量必須聲明類型後才能使用，好比 C 語言，相反有些腳本語言則根本沒有類型這一說法）編程語言，能夠藉助它們的一個有限小子集，經過有限次數的遞推來實現對它們自身的表述，這樣的語言有 C、Pascal、Ada 等等，至於爲何能夠自編譯，能夠參見清華大學出版社的《編譯原理》，書中實現了一個 Pascal 的子集的編譯器。總之，已經有計算機科學家證實了，C 語言理論上是能夠經過上面說的 CVM 的方法實現完整的編譯器的，那麼其實是怎樣作到簡化的呢？這張圖是否是有點熟悉？對了就是在講虛擬機的時候見到過，不過這裏是 CVM（C Language Virtual Machine），每種語言都是在每一個虛擬層上能夠獨立實現編譯的，而且除了 C 語言外，每一層的輸出都將做爲下一層的輸入（最後一層的輸出就是應用程序了），這和滾雪球是一個道理。用手（彙編語言）把一小把雪結合在一塊兒，一點點地滾下去就造成了一個大雪球，這大概就是所謂的 0 生 1，1 生 C，C 生萬物吧？

下面是 C99 的關鍵字：

 

仔細看看，其實其中有不少關鍵字是爲了幫助編譯器進行優化的，還有一些是用來限定變量、函數的做用域、連接性或者生存週期（函數沒有）的，這些在編譯器實現的早期根本沒必要加上，因而能夠去掉 auto, restrict, extern, volatile, const, sizeof, static, inline, register, typedef，這樣就造成了 C 的子集，C3 語言，C3 語言的關鍵字以下：

 

再想想，發現 C3 中其實有不少類型和類型修飾符是沒有必要一次性都加上去的，好比三種整型，只要實現 int 就好了，所以進一步去掉這些關鍵詞，它們是：unsigned, float, short, char(char 是 int), signed, _Bool, _Complex, _Imaginary, long，這樣就造成了咱們的C2語言，C2 語言關鍵字以下：

 

繼續思考，即便是隻有 18 個關鍵字的 C2 語言，依然有不少高級的地方，好比基於基本數據類型的複合數據結構，另外咱們的關鍵字表中是沒有寫運算符的，在 C 語言中的複合賦值運算符 ->、運算符的 ++、–– 等過於靈活的表達方式此時也能夠徹底刪除掉，所以能夠去掉的關鍵字有：enum, struct, union，這樣咱們能夠獲得 C1 語言的關鍵字：

 

接近完美了，不過最後一步手筆天然要大一點。這個時候數組和指針也要去掉了，另外 C1 語言其實仍然有很大的冗雜度，好比控制循環和分支的都有多種表述方法，其實均可簡化成一種，具體的來講，循環語句有 while 循環，do…while 循環和 for 循環，只須要保留while循環就夠了；分支語句又有 if…{}, if…{}…else, if…{}…else if…, switch，這四種形式，它們均可以經過兩個以上的 if…{} 來實現，所以只須要保留 if,…{} 就夠了。但是再一想，所謂的分支和循環不過是條件跳轉語句罷了，函數調用語句也不過是一個壓棧和跳轉語句罷了，所以只須要 goto（未限制的 goto）。所以大膽去掉全部結構化關鍵字，連函數也沒有，獲得的 C0 語言關鍵字以下：

 

只有 5 個關鍵字，已經徹底能夠用匯編語言快速的實現了。經過逆向分析咱們還原了第一個 C 語言編譯器的編寫過程，也感覺到了前輩科學家們的智慧和勤勞！咱們都不過是巨人肩膀上的灰塵罷了！0 生 1，1 生 C，C 生萬物，實在巧妙！

 

若是你想提高你的編程能力，以便更好從事編程類工做的話！那麼你很幸運~

分享（源碼、項目實戰視頻、項目筆記，基礎入門教程）歡迎轉行和學習編程的夥伴，利用更多的資料學習成長比本身琢磨更快哦！