第一个C语言编译器是怎样编写的？

　　首先向C语言之父Dennis MacAlistair Ritchie致敬！

　　当今几乎全部的实用的编译器/解释器（如下统称编译器）都是用C语言编写的，有一些语言好比Clojure,Jython等是基于JVM或者说是用Java实现的，IronPython等是基于.NET实现的，可是Java和C#等自己也要依靠C/C++来实现，等因而间接调用了调用了C。因此衡量某种高级语言的可移植性其实就是在讨论ANSI/ISO C的移植性。

　　C语言是很低级的语言，不少方面都近似于汇编语言，在《Intel32位汇编语言程序设计》一书中，甚至介绍了手工把简单的C语言翻译成汇编的方法。对于编译器这种系统软件，用C语言来编写是很天然不过的，即便是像Python这样的高级语言依然在底层依赖于C语言（举Python的例子是由于因特尔的黑客正在尝试让Python不须要操做系统就能运行——其实是免去了BIOS上的一次性C代码）。如今的学生，学过编译原理后，只要有点编程能力的均可以实现一个功能简单的类C语言编译器。

　　但是问题来了，不知道你有没有想过，你们都用C语言或基于C语言的语言来写编译器，那么世界上第一个C语言编译器又是怎么编写的呢？这不是一个“鸡和蛋”的问题……

　　仍是让咱们回顾一下C语言历史：1970年Tomphson和Ritchie在BCPL（一种解释型语言）的基础上开发了B语言，1973年又在B语言的基础上成功开发出了如今的C语言。在C语言被用做系统编程语言以前，Tomphson也用过B语言编写操做系统。可见在C语言实现之前，B语言已经能够投入实用了。所以第一个C语言编译器的原型彻底多是用B语言或者混合B语言与PDP汇编语言编写的。咱们如今都知道，B语言的效率比较低，可是若是所有用汇编语言来编写，不只开发周期长、维护难度大，更可怕的是失去了高级程序设计语言必需的移植性。因此早期的C语言编译器就采起了一个取巧的办法：先用汇编语言编写一个C语言的一个子集的编译器，再经过这个子集去递推完成完整的C语言编译器。详细的过程以下：

　　先创造一个只有C语言最基本功能的子集，记做C0语言，C0语言已经足够简单了，能够直接用汇编语言编写出C0的编译器。依靠C0已有的功能，设计比C0复杂，但仍然不完整的C语言的又一个子集C1语言，其中C0属于C1，C1属于C，用C0开发出C1语言的编译器。在C1的基础上设计C语言的又一个子集C2语言，C2语言比C1复杂，可是仍然不是完整的C语言，开发出C2语言的编译器……如此直到CN，CN已经足够强大了，这时候就足够开发出完整的C语言编译器的实现了。至于这里的N是多少，这取决于你的目标语言（这里是C语言）的复杂程度和程序员的编程能力——简单地说，若是到了某个子集阶段，能够很方便地利用现有功能实现C语言时，那么你就找到N了。下面的图说明了这个抽象过程：

　　

C语言

CN语言

……

C0语言

汇编语言

机器语言

　　这张图是否是有点熟悉？对了就是在将虚拟机的时候见到过，不过这里是CVM（C Language Virtual Machine），每种语言都是在每一个虚拟层上能够独立实现编译的，而且除了C语言外，每一层的输出都将做为下一层的输入（最后一层的输出就是应用程序了），这和滚雪球是一个道理。用手（汇编语言）把一小把雪结合在一块儿，一点点地滚下去就造成了一个大雪球，这大概就是所谓的0生1，1生C，C生万物吧？

　　那么这种大胆的子集简化的方法，是怎么实现的，又有什么理论依据呢？先介绍一个概念，“自编译”（Self-Compile），也就是对于某些具备明显自举性质的强类型（所谓强类型就是程序中的每一个变量必学声明类型后才能使用，好比C语言，相反有些脚本语言则根本没有类型这一说法）编程语言，能够借助它们的一个有限小子集，经过有限次数的递推来实现对它们自身的表述，这样的语言有C、Pascal、Ada等等，至于为何能够自编译，能够参见清华大学出版社的《编译原理》，书中实现了一个Pascal的子集的编译器。总之，已经有CS科学家证实了，C语言理论上是能够经过上面说的CVM的方法实现完整的编译器的，那么其实是怎样作到简化的呢？

　　下面是C99的关键字：

auto        enum        restrict        unsigned
break       extern      return          void
case        float       short           volatile
char        for         signed          while
const       goto        sizeof          _Bool
continue    if          static          _Complex
default     inline      struct          _Imaginary
do          int         switch        
double      long        typedef
else        register    union
//共37个

　　仔细看看，其实其中有不少关键字是为了帮助编译器进行优化的，还有一些是用来限定变量、函数的做用域、连接性或者生存周期（函数没有）的，这些在编译器实现的早期根本没必要加上，因而能够去掉auto,restrict,extern,volatile,const,sizeof,static,inline,register,typedef，这样就造成了C的子集，C3语言，C3语言的关键字以下：

enum       unsigned
break       return      void
case        float       short   
char        for         signed     while
goto        _Bool
continue    if          _Complex
default     struct      _Imaginary
do          int         switch        
double      long    
else        union
//共27个

　　再想想，发现C3中其实有不少类型和类型修饰符是没有必要一次性都加上去的，好比三种整型，只要实现int就好了，所以进一步去掉这些关键词，它们是：unsigned,float,short,char(char is int),signed,_Bool,_Complex,_Imaginary,long，这样就造成了咱们的C2语言，C2语言关键字以下：

enum
break      return      void
case 
for         while
goto        
continue    if         
default     struct    
do          int         switch        
double  
else        union
//共18个

　　继续思考，即便是只有18个关键字的C2语言，依然有不少，高级的地方，好比基于基本数据类型的复合数据结构，另外咱们的关键字表中是没有写运算符的，在C语言中的复合赋值运算符->运算符等的++，--等过于灵活的表达方式此时也能够彻底删除掉，所以能够去掉的关键字有：enum,struct,union，这样咱们能够获得C1语言的关键字：

break      return      void
case 
for         while
goto        
continue    if         
default  
do          int         switch        
double  
else 
//共15个

　　接近完美了，不过最后一步手笔天然要大一点。这个时候数组和指针也要去掉了，另外C1语言其实仍然有很大的冗杂度，好比控制循环和分支的都有多种表述方法，其实均可简化成一种，具体的来讲，循环语句有while循环，do...while循环和for循环，只须要保留while循环就够了；分支语句又有if...{},if...{}...else,if...{}...else if...,switch，这四种形式，它们均可以经过两个以上的if...{}来实现，所以只须要保留if,...{}就够了。但是再一想，所谓的分支和循环不过是条件跳转语句罢了，函数调用语句也不过是一个压栈和跳转语句罢了，所以只须要goto（未限制的goto）。所以大胆去掉全部结构化关键字，连函数也没有，获得的C0语言关键字以下：

break    void
goto        
int     
double  
//共5个

　　这已是简约的极致了。

　　只有5个关键字，已经彻底能够用汇编语言快速的实现了。经过逆向分析咱们还原了第一个C语言编译器的编写过程，也感觉到了前辈科学家们的智慧和勤劳！咱们都不过是巨人肩膀上的灰尘罢了！0生1，1生C，C生万物，实在巧妙！