编译原理入门篇|一篇文章理解编译全过程

编译过程

编译目标

目标：把源代码变成目标代码

1.若是源代码在操做系统上运行：目标代码就是“汇编代码”。再经过汇编和连接的过程造成可执行文件，而后经过加载器加载到操做系统执行。

2.若是源代码在虚拟机(解释器)上运行：目标代码就是“解释器能够理解的中间形式的代码”，好比字节码(中间代码)IR、AST语法树。

编译过程能够分为这几个阶段，每一个阶段作了必定的任务，层级的让下一个阶段进行。

词法分析

编译器读入源代码，通过词法分析器识别出Token，把字符串转换成一个个Token。
Token的类型包括：关键字、标识符、字面量、操做符、界符等

好比下面的C语言代码源文件，通过词法分析器识别出的token有：int、foo、a、b、=、+、return、(){}等token

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

为何要这样作呢，把代码里的单词进行分类，编译器后面的阶段不就更好处理理解代码了嘛！

语法分析

每个程序代码，实际上能够经过树这种结构表现出其语法规则。

语法分析阶段把Token串，转换成一个体现语法规则的、树状数据结构，即抽象语法树AST。
AST树反映了程序的语法结构。

好比下面对应的一段C语言代码，对应的AST抽象语法树以下所示：

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

AST抽象语法树

AST树长成什么样，由语法的结构有关。
好比 上面C语言代码中对函数的语法定义以下：语法分析器就按照语法定义进行解析，就是从上到下匹配的过程。
也就是先匹配function的规则，匹配函数类型type、函数名name、函数参数parameters、函数体
当匹配函数参数时，就去匹配parameters的规则
当匹配函数体时，函数体由一个个语句组成，就去匹配各个语句stmt的规则。

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

生成 AST 之后，程序的语法结构就很清晰了，但这棵树到底表明了什么意思，咱们目前仍然不能彻底肯定，要在语义分析阶段肯定。

为何要把程序转换成AST这么一颗树，由于编译器不像人能直接理解语句的含义，AST树更有结构性，后续阶段能够针对这颗树作各类分析！

语义分析

语义分析阶段的任务：理解语义，语句要作什么。
好比+号要执行加法、=号要执行赋值、for结构要去实现循环、if结构实现判断。
因此语义阶段要作的内容有：上下文分析（包括引用消解、类型分析与检查等）

引用消解：找到变量所在的做用域，一个变量做用范围属于全局仍是局部。
类型识别：好比执行a+3，须要识别出变量a的类型，由于浮点数和整型执行不同，要执行不一样的运算方式。
类型检查：好比int b = a + 3，是否能够进行定义赋值。等号右边的表达式必须返回一个整型的数据、或则可以自动转换成整型的数据，才可以对类型为整型的变量b进行复制。

好比以前的一段C语言代码，通过语义分析后得到的信息（引用消解信息、类型信息），能够在AST上进行标注，造成下面的“带有标注的语法树”，让编译器更好的理解程序的语义。

也会将这些上下文信息存入“符号表”结构中，便于各阶段查询上下文信息。
符号表是有层次的结构：咱们只须要逐级向上查找就能找到变量、函数等的信息(做用域、类型等)

接下来就能够 解释执行：实现一门解释型的语言

Tip:编译型语言须要生成目标代码，而解释性语言只须要解释器去执行语义就能够了。

实现AST的解释器：在语法分析后有了程序的抽象语法树，在语义分析后有了“带有标注的AST”和符号表后，就能够深度优先遍历AST，而且一边遍历一边执行结点的语义规则。整个遍历的过程就是执行代码的过程。

举一个解释执行的例子，好比执行下面的语义：

• 遇到语法树中的add “+”节点：把两个子节点的值进行相加，做为“+”节点的值。
• 遇到语法树中的变量节点(右值)：就取出变量的值。
• 遇到字面量好比数字2：返回这个字面量表明的数值2。

中间代码生成

在编译前端完成后(编译器已经理解了词法和语义)，编译器能够直接解释执行、或则直接生成目标代码。对于不一样架构的CPU，还须要生成不一样的汇编代码，若是对每一种汇编代码作优化就很繁琐了。因此咱们须要增长一个环节：生成中间代码IR，统一优化后中间代码，再去将中间代码生成目标代码。

中间代码IR的两个用途：解释执行 、代码优化

解释执行：解释型语言，好比Python和Java，生成IR后就能直接执行了，也就是前面举出的例子。

优化代码：好比LLVM等工具；在生成代码后须要作大量的优化工做，而不少优化工做不必使用汇编代码来作(由于不一样CPU体系的汇编语言不一样)，而能够基于IR用统一的算法来完成，下降编译器适配不一样CPU的复杂性。

代码优化

一种方案：基于基本块做代码优化

分类：本地优化、全局优化、过程间优化

本地优化：可用表达式分析、活跃性分析

全局优化：基于控制流图CFG做优化。

控制流图CFG ：是一种有向图，它体现了基本块以前的指令流转关系，若是从BLOCK1的最后一条指令是跳转到 BLOCK2， 就连一条边，若是经过分析 CFG，发现某个变量在其余地方没有被使用，就能够把这个变量所在代码行删除。

过程间优化：跨越函数的优化，多个函数间做优化

优化案例：

代数优化：
好比删除“x:=x+0 ”，乘法优化掉“x:=x乘以0” 能够简化成“x:=0”，乘法优化成移位运算：“x:=x*8”能够优化成“x:=x<<3”。

常数折叠：

对常数的运算能够在编译时计算，好比 “x:= 20 乘以 3 ”能够优化成“x:=60”
删除公共子表达式：做“可用表达式分析”

x := a + b
y := a + b //优化成y := x

拷贝传播：做“可用表达式分析”

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

常数传播：

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

死代码删除：做变量的“活跃性分析”
活跃性分析（优化删除死代码，没用到的变量） 数据流分析：使用“半格理论”解决多路径的V值计算集合问题，不在代码下面集合的变量就是死代码。

目标代码生成

目标代码生成，也就是生成虚拟机执行的字节码，或则操做系统执行的汇编代码
代码生成的过程，其实很简单，就是将中间代码IR逐个翻译成想要的汇编的代码

那么目标代码生成阶段的任务就有：

• 选择合适指令，生成性能最高的代码。
• 优化寄存器的分配，让频繁访问的变量，好比循环语句中的变量放到寄存器中，寄存器比内存快
• 在不改变运行结果下，对指令作重排序优化，从而充分运用CPU内部的多个功能部件的并行能力

本文参考：
编译原理实战课
编译原理之美