编译器相关

编译器基本原理

1.是什么（编译器是什么） 2.为何 (为何须要编译器） 3.怎么作 (编译器如何工做)

编译器是什么

在编译器工做以前须要进行预处理,包括宏的替换，头文件的导入，以及相似#if的处理 编译器是一种把源程序语音翻译成目标程序语言的计算机程序。通常来讲，源程序是高级语言好比Java，Objective-C等。 目标程序语言通常就是汇编语言或者二进制码。

编译器通常由前端和后端组成。

前端主要进行和源语言相关，和目标语言无关的工做，包括词法分析，语法分析，语义分析，中间码生成。 后端主要进行和源语言无关，可是和目标语言有关的工做，好比中间码优化，将中间码转化成目标码，对目标代码优化生成目标程序。

端	编译器阶段	生成产物	功能	用途
前端	词法分析	单词流	语法高亮	语法高亮
前端	语法分析	AST（抽象语法树）	语法高亮，代码格式化，语法检查	OCLint
前端	中间码生成	中间码

为何须要编译器

天然语言最容易表述人们的要求，当用户用天然语言表述了须要的功能后，编译器将高级编程语言转换成汇编、由汇编到机器码,提升软件开发的效率

编译器如何工做

在命令行输入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
复制代码

1.词法分析

将源文件的字符串，进行过滤，去除空格，注释等，而后将其分割成一个个的词（记号、token） 好比 int a = b + sum(1,2); 会拆分红12个token

int     类型标识符
a       标识符
=       赋值运算符
b       标识符
+       加号
sum     标识符
(       左括号
1       整数
,       逗号
2       整数
)       右括号
;       分号
复制代码

2.语法分析

词法分析以后，字符流已经被转化为token流了 int<int> ID<a> '=' ID<value> '+' ID<sum> '(' Num<1> ',' Num<2> ')' ';' 上面的int表示一个标识符类型的token。内容为'int'

接下来，解析这个token流，首先这是一个语句，咱们主要有用到4种语句，赋值语句，函数调用语句，if和while语句。很明显，这是一个赋值语句。

赋值表达式用变量名、赋值符号= 和表达式构成。

将语法结构应用到token流上，把等号两边的内容放到对应的节点上，生成语法树以下：

接下来对expression<b+sum(1,2)>进行解析 表达式有不少种，变量表达式，数字表达式，加减法表达式，通过对比，只有加法表达式结构才能匹配，因而将加法表达式的语法结构应用到其中。如图

进一步解析语法树的<b>和<sum(1,2)>，发现只有变量表达式和函数调用表示式才能匹配成功，获得

接下来进行语法优化，有些节点是多余的，好比在复制表达式中 '='和';',对语法树进行浓缩获得最终的抽象语法树(AST)

由此看出，语法分析就是不断将语法规则用于源程序，将源程序解析成一颗抽象语法树。以后的语义分析，中间码生成和代码优化都是基于对这棵树进行遍历，检查，修改进行的。

3.语义分析

语义分析阶段，会对语法进行屡次的遍历，进行语法检查，包括类型和声明的检查，OClint就是基于语义分析进行静态代码分析的。 仍是以上面的赋值语句做为例子， 须要检查 1.b, sum是否已经声明过 2.sum函数的参数数量和类型是否和传入的参数数量和类型匹配。 3.加法运算的两个操做数的类型是否匹配，这里也就是检查函数的返回值类型了 4.赋值运算的两个操做数类型是否匹配

通常在遍历语法树过程当中，遇到的变量声明和函数声明时，会将变量名-类型，函数名-返回类型-参数数量-参数类型保存到符号表里，当遇到使用变量和函数调用时，根据名称在符号表猴子那个查找，检查是否声明过，类型是否匹配。所以，对于java这种函数声明能够放在使用位置后面的语言，至少须要遍历两遍语法树。

语义检查时，也会对语法树进行优化，好比将常量的表达式先计算如： a = 1 + 2 * 3; 会被优化成 a = 7;

语义分析完成后，编译期错误被排除，全部使用过的变量名和函数名被绑定到声明的地址，就能够进行代码生成和优化了。

中间码生成

通常的编译器都不会直接生成目标代码，而是先生成中间码再生成目标代码。 中间码的做用： 计算机直接生成的代码比人手写的汇编要庞大、重复不少，计算机科学家们对一些具备固定格式的中间代码（最典型的是三地址中间码）的进行大量的研究工做，提出了不少普遍应用的、效率很是高的优化算法，能够对中间代码进行优化，比直接对目标代码进行优化的效果要好不少。 经过中间代码实现先后级分离，在多系统、多语言开发时，可大幅提升总体开发效率，减小开发成本缩短开发周期。 为了增长编译器的模块化和可移植化、可扩展性。中间代码既独立于任何高级语言，又独立于机器架构，所以能够经过编写m+n个编译模块二得到m *n种编译器。