0.1 引言
? ? ? ? 工作之余，閑來無事祭刚，便根據(jù)多方搜集的資料，基于Python實現(xiàn)了一個簡易的C語言編譯器好啰，可以稱之為SCC（Simplified C Compiler）。整理了這段時間的學(xué)習(xí)過程儿奶，也分享出來框往，讓更多愿意了解編譯器的人少走一些彎路，提供更多可以參考的資料闯捎。
? ? ? ? 相信如果開始學(xué)習(xí)這部分知識椰弊，可能大都是從《??書》這類經(jīng)典書籍開始的。但是相信很多人屏住呼吸翻開一頁又一頁瓤鼻，又學(xué)到了多少知識秉版，就因人而異了。反正茬祷，我沒有看完那本書清焕，反倒是這一系列文章（Let's Build A Simple Interpreter）淺顯易懂地解釋了Pascal語言解釋器的實現(xiàn)方法，對我非常有啟發(fā)和幫助祭犯。編譯器并不是深不可測秸妥，只是從小坑里面好爬出來一些罷了。
? ? ? ? 在進入下一個部分之前盹憎，讓我們先想一想筛峭，為什么要學(xué)習(xí)編譯器知識铐刘。
- 沒事干陪每，像我一樣，可以找點虐心的事情做镰吵。
- 以后寫程序遇到bug檩禾，就可以拓寬debug的范圍了。
- 成為寫出(C++)++的那個人疤祭。
- ......
? ? ? ? 一切都得有一個目標(biāo)盼产，不然就沒辦法堅持下去。對于我自己而言勺馆，學(xué)習(xí)底層的知識戏售，讓自己能夠系統(tǒng)性地思考，去面對各種上層調(diào)用帶來問題草穆，非常具有挑戰(zhàn)性灌灾。
? ? ? ? 好了，閑話少許悲柱，下面進入正題锋喜。
0.2 初識編譯器
? ? ? ? 這里簡單介紹一下編譯器的組成：
0.2.1 前處理
? ? ? ? 這部分主要做三件事情：
- 處理頭文件
#include "stdio.h"
按照頭文件引用順序嵌套地將頭文件的內(nèi)容展開到當(dāng)前文件中。如果嵌套引用到的文件很多，最終參與編譯的源文件內(nèi)容肯定超過了文件中原本的那些代碼嘿般。只是大部分時候段标，我們將聲明（.h文件）與實現(xiàn)（.c文件）分離，而.c文件可以單獨生成目標(biāo)文件(后綴名為.o)炉奴，只需要在鏈接的時候添加上即可逼庞。因此并不需要全部展開到當(dāng)前文件中。 - 處理預(yù)編譯指令
C語言有很多的預(yù)編譯指令瞻赶。比如往堡，非常常用的：
實際上，現(xiàn)在的IDE工具已經(jīng)能夠直接進行辨識共耍，直接就能告訴你用哪一塊代碼虑灰，剩下的就直接忽略了，不會進入編譯過程痹兜。#if XXX ... #elif XXX ... #else ... #endif - 展開宏定義
#define add(x, y) ((x) + (y))
用((x) + (y))將代碼中的add(x, y)全部替換穆咐，這也是為什么在學(xué)習(xí)C語言的過程中，不要吝惜用括號的緣故字旭；同時对湃，宏定義末尾也不能加分號等等。因此遗淳，當(dāng)明白編譯器怎么處理宏定義的時候拍柒，那么使用宏定義就能游刃有余了。
0.2.2 編譯
? ? ? ? 經(jīng)過前處理過程處理的代碼就開始進入編譯過程屈暗〔鹧叮回顧一下，我們遇到的編譯錯誤主要有哪些养叛？以下面這段代碼為例：
struct Point
{
int x;
int y;
} // <- missing ';' (2
struct Point pt = {1, 2};
int main()
{
if (pt.x <> 2) // <- '<>' no such operator (1
b = 2; // <- 'b' is undefined (3
return 0;
}
? ? ? ? 我在這里列舉了三類錯誤种呐，已經(jīng)分別標(biāo)注在上面對應(yīng)的代碼后面。那么弃甥，再設(shè)想一下爽室，我們應(yīng)該如何編寫代碼將這些錯誤找出來呢？
? ? ? ? 很明顯淆攻，第一種錯誤阔墩，也就是<>這種符號性質(zhì)的錯誤，只需要從頭到尾遍歷一遍瓶珊，就可以發(fā)現(xiàn)啸箫，根本不用做額外的工作。這就是我們將要介紹的詞法分析艰毒。
? ? ? ? 對于第二種錯誤筐高，如果不是結(jié)構(gòu)體，而只是一般的函數(shù)塊，也是不需要分號的柑土。這時蜀肘，我們必須要能夠知道這里應(yīng)該出現(xiàn)什么符號，不應(yīng)該出現(xiàn)什么符號稽屏。這就需要對代碼的結(jié)構(gòu)有一定的認知扮宠，也就是語法分析。
? ? ? ? 那前面分析手段辦不到的狐榔，自然就留給語義分析去做了：進行變量的聲明檢查坛增。
0.2.2.1 詞法分析
? ? ? ? 詞法分析是一個化整為零的過程。它從頭到尾將源代碼拆分成一個個的單元薄腻，稱之為token收捣。這些token按照空格、換行符和引號等進行拆分庵楷，可以是變量名罢艾、關(guān)鍵字、運算符號和其它字符尽纽。由于C語言并沒有定義<>這樣的二元比較操作符咐蚯，此處就會產(chǎn)生錯誤提示信息。
0.2.2.2 語法分析
? ? ? ? 語法分析則是一個化零為整的相反過程弄贿。它將token按照定義的語法要求組成表達式春锋，語句和程序段。由于C語言要求結(jié)構(gòu)體定義必須以;結(jié)尾差凹，此處就會產(chǎn)生語法錯誤期奔。這是很多人開始學(xué)C語言容易忘記的地方。
? ? ? ? 一些時候直奋，我們可能會遇到IDE提示一大堆錯誤能庆，然后去出錯的地方看，覺得也沒有錯誤脚线。其實這個時候，就是在最開始出錯的地方前面弥搞，缺少;所致邮绿。不過，現(xiàn)在編譯器功能越來越強大攀例，很多時候能夠直接準(zhǔn)確定位錯誤船逮。
0.2.2.3 語義分析
? ? ? ? 詞法分析只是將token組成了符合語法邏輯結(jié)構(gòu)的片段，還需要語義分析進行上下文檢查粤铭，即判斷變量挖胃、函數(shù)是否已經(jīng)定義或者類型是否匹配。顯然，變量b開始使用的時候并沒有定義酱鸭，此處便是第三種語法錯誤吗垮。
0.2.2.4 匯編語言生成
? ? ? ? 當(dāng)然，經(jīng)過了上面三個過程的仔細檢查凹髓，我們可以放心地為源代碼生成匯編語言代碼了烁登。目前，主流的匯編語言格式有Intel和AT&T兩種蔚舀，雖然格式還是有一定的差別饵沧，但是萬變不離其中，本質(zhì)上是相通的赌躺。
? ? ? ? 這一步狼牺，也是最終影響程序運行性能的關(guān)鍵。我們將在后面詳細討論礼患。
0.2.3 匯編
? ? ? ? 匯編語言代碼還需要經(jīng)過匯編過程生成二進制代碼锁右，每條匯編指令都會生成一個相對于某個基地址的偏移地址⊙忍基地址大多數(shù)情況下都不是實際的物理地址咏瑟。因此，并不能直接運行痪署。
0.2.4 鏈接
? ? ? ? 直到通過鏈接器對多個二進制代碼的地址偏移重新編排码泞，得到具有正確物理地址的二進制代碼，這個時候狼犯，才能直接運行余寥。
0.3 編譯器命令行
? ? ? ? 考慮hello.c文件下的代碼：
#include "stdio.h"
int main(int argc, char* argv[])
{
printf("hello world!");
return 0;
}
接下來我們將使用成熟的C語言編譯器對每一個過程進行命令行操作，從而與后面我們實際編寫的代碼生成的結(jié)果相比較悯森。
- 前處理過程
clang -E hello.c -o hello.e - 語法分析和語義分析
clang -fsyntax-only hello.c - 匯編語言生成
clang -S hello.c -o hello.s - 匯編
clang -o hello.o hello.s - 鏈接
clang -o hello hello.o
更多的內(nèi)容可以詳見LLVM的官方文檔宋舷。
? ? ? ? 這樣一看，編譯器其實承擔(dān)了非常繁雜的工作瓢姻。在接下來的部分祝蝠，這些內(nèi)容都會一一呈現(xiàn)。
實現(xiàn)簡易的C語言編譯器（part 1）
實現(xiàn)簡易的C語言編譯器（part 2）
實現(xiàn)簡易的C語言編譯器（part 3）
實現(xiàn)簡易的C語言編譯器（part 4）
實現(xiàn)簡易的C語言編譯器（part 5）
實現(xiàn)簡易的C語言編譯器（part 6）
實現(xiàn)簡易的C語言編譯器（part 7）
實現(xiàn)簡易的C語言編譯器（part 8）
實現(xiàn)簡易的C語言編譯器（part 9）
實現(xiàn)簡易的C語言編譯器（part 10）
實現(xiàn)簡易的C語言編譯器（part 11）
實現(xiàn)簡易的C語言編譯器（part 12）
