编译器是怎么工作的

短命女 2022-08-20 13:18 212阅读 0赞

编译器一直是我比较喜欢的话题。编译器是个比较神奇的工具，它可以把原来毫无意义的字符数据转变成一行一行可以执行的代码。作为每一个科班出身的同学来说，编译原理都是专业学习中必须经历的一个部分。只是在后来的工作中，真正从事编译器开发的同学少之又少，但是如果你懂得了编译原理的相关机理，会给你的工作带来很大的帮助。关于编译原理的书很多，网上可以搜一下有阿霍版本的《编译原理》，有陈火旺院士的《编译原理》，张素琴版本的《编译原理》，三本书我都觉得不错。另外，现在关于编译原理也有很多的开发工具，比如说lex&yacc，只要你会编写基本的语法范式，设计自己的编译器也不是什么难事。

其实，现在的编译器早已经突破了原来的概念。比如说，编译器最终的代码不一定在实际机器上运行，可能是虚拟机；编译器编译语言时不一定需要生成可执行文件，能解释就行；编译器最好并行编译；编译器不一定很大，可能十几个文件就可以，比如说lua等等。不过，我们今天说的编译器还是比较传统的c编译器，有兴趣的同学可以看看编译器是怎么帮助我们生成可执行文件的。我们按照词法、语法、语义、优化的顺序逐一展开。现在假设有这样一段代码，

**\[cpp\]**  [view plain][]  [copy][view plain]

1.  \#include <stdio.h>  
2.    
3.  \#define MAX\_VALUE 7  
4.  **int** test(**int** value)  
5.  \{  
6.      **return** MAX\_VALUE + 1 + value \* 4;  
7.  \}  
8.    
9.  **int** main(**int** argc, **char**\* argv)  
10. \{  
11.     **int** p;  
12.     p = test(3);  
13.     printf("p = %d", p);  
14.     **return** 1;  
15. \}

**（1）词法分析**

词法分析是整个文件编译最基本的环节。上面的文件中就存在很多的字符，那我们就需要分别对它们进行处理。比如说，通常的分类很可能是这样的，

a）字符是否是数字，例如7，1，4

b）字符是否是string类型，例如“p = %d”

c）字符是否是关键字，例如define

d）字符是否是变量，例如value，argc， argv， p

e）字符是否是运算符， 例如 +

f）字符是否是圆括号、方括号、花括号等等

**（2）语法分析**

语法分析的目的就是构建一个语法树，分析当前的文件是否符合编程语言的文法结构，比如说，

a）整个字符串是否符合表达式要求

b）字符串是否符合判断语句要求

c）字符串是否符合循环语句要求

d）字符串是否符合函数要求

e）字符串是否符合include语法要求

f） 有没有没有未声明就是用的变量等等；

**（3）语义分析**

语义分析有的时候和语法分析是联系在一起的。但是，这里我们把它拆开来单独成了一部分。所谓的语义分析，其实就是把前面生成的语法树拆解下来，生成原子语句操作的过程。比如说，上面的文件很可能是这样的形式，

**\[cpp\]**  [view plain][]  [copy][view plain]

1.  SET value  
2.  mov temp1\[inner\], 7  
3.  add temp1\[inner\], 1  
4.  mul temp2，value\[param\], 4  
5.  add temp1, temp2  
6.  mov result, temp1  
7.  pop  
8.    
9.    
10. SET argc\[param\]  
11. SET argv\[param\]  
12. SET 3  
13. call test  
14. pop   
15. get result  
16. mov p\[inner\], result  
17. SET p  
18. SET string "p = %d"  
19. pop  
20. pop  
21. mov result, 1  
22. pop  
23. pop

这里需要解释一下，语义转换的结构和形式其实是各个编译器自己定义的，未必有通用的结构。这里的语句只是我自己想出来的，可能和实际的形式有很大的出入，但是基本方法应该是一样的。主要解释如下，

a）SET值为函数参数

b）call为函数调用

c）pop为堆栈平衡使用

d）数据\[inner\]，表示当前变量是函数中的临时变量

e）数据\[param\]，表示当前变量是入参参数

f）temp表示编译器为了自身计算方便，临时添加的局部变量

g）result表示返回值

**（4）代码优化**

代码优化是编译器处理的一个重要环节，代码优化的目的主要是减少不必要的计算和处理，比如

a）计算没有使用价值的临时变量

b）除去没有判断价值的if语句

c）对于某些const变量，编译器提前计算，这里就可以对temp1提前计算

d）其他优化措施等等

** （5）生成汇编代码**

在（3）中生成的代码只是中间代码，并不是完全意义上的汇编语言。所以，编译器还需要把它翻译成对应的二进制代码，比如说arm语言、x86语言或者是powerpc语言等等。当然这中间还是存在一些技巧的，比如

a）对于多参数的函数，某些cpu可以用寄存器代替，有些cpu用堆栈表示

b）某些cpu需要对字节对齐，某些cpu则不需要

c）某些cpu有字节序的要求，某些cpu则无所谓，而有的cpu则可选

d）对于临时变量，有的cpu可以寄存器表示，而有的cpu只能自己生成一个temp变量等等，

说到这里，我们也可以自己小试一下身手，看看代码怎么生成，熟悉x86代码的同学也可以自己试试，

**\[cpp\]**  [view plain][]  [copy][view plain]

1.  push ebp  
2.  mov ebp, esp  
3.  push ebx  
4.  push ecx  
5.  mov ebx, 8  
6.  mov ecx, ebp\[8\]  
7.  mul ecx, 4  
8.  add ebx, ecx  
9.  mov eax, ebx  
10. pop ecx  
11. pop ebx  
12. mov esp, ebp  
13. pop ebp  
14.   
15.   
16. push ebp  
17. mov ebp, esp  
18. sub esp, 0x4  
19. push 3  
20. call test  
21. add esp 4  
22. mov ebp\[-4\], eax  
23. push ebp\[-4\]  
24. push string "p = %d"  
25. call printf  
26. add esp, 8  
27. mov eax, 1  
28. sub esp, 0x4  
29. mov esp, ebp  
30. pop ebp

** （6）汇编级代码优化**

这里的优化其实还挺多的，但是功能基本有限，无外乎就是，

a）乘法转变成移位

b）除法转变成移位

c）寄存器优化使用

d）删除寄存器的重复操作过程

e）部分函数参数用寄存器代替等等

**（7）链接和生成可执行文件**

在编译过程中，我们常常看到有些代码编译通过了，但是链接失败了。这是很正常的事情，因为在最后生成的文件当中，每一个变量和函数都应该有出处，否则就会链接失败。不管是什么系统平台，链接都是个大学问。这个时候，做的事情其实还是比较多的，比如

a）生成执行文件，确定是否带调试信息

b）链接所有的变量和代码

c）生成map文件