静态分析：Intermediate Representation

Intermediate Representation

类似编译器会把 source code 转化成中间语言，静态程序分析器也需要一种表示形式，使得这种表示形式利于静态分析的进行。
IR有多种，并没有统一的标准。这里记录的是比较广泛的一种IR。

1. 编译器和静态分析器

编译器：source code 转换为机器码。

整体框架：

• 首先在 Scanner 利用 Regular Expression 进行词法分析。
  • 比如图中 Youxxx 部分，由于有特殊符号，所以无法通过词法分析
• 词法分析通过后会生成一堆token，然后转交给Parser。
  • parser 利用 Context-Free Grammar 进行语法分析
  • 图中 Like your hair I 虽然每个单词都正确，但是不满足语法要求
  • 这一步会生成AST
• 语义分析
  • 图中 Apples eat you 虽然语法正确，但是语义却不对
  • 对于编译器来说，这一步实际是进行一些类型检查。比如把 float 赋值给 int 等。之后生成 Decorated AST。
• 转换器转化为IR
  • 一般是变成三地址码IR
  • 静态分析，如代码优化，空指针分析，都是在IR阶段进行的。
• 生成机器码。

为什么使用上下文不敏感(Context-Free)
对于编程语言来说，上下文不敏感已经足够。上下文敏感分析主要用来分析自然语言，用来分析编程语言有些“杀鸡用牛刀”。

2. AST vs. IR

可以看到：

可以看到：

AST

• 是更高层次的抽象，更接近语法结构
• 通常依赖于编程语言
• 适用于快速的类型分析
• 缺少控制流信息
  • 图中很难看出这是一个循环

3AC IR

• 通常是更底层的，更接近机器语言
• 通常不依赖于编程语言
  • 可以将不同语言翻译成同一种表示格式
• 很统一和简洁
  • do-while， assign 都没有了
• 包含循环信息
• 通常作为静态分析的基础

因为这些特性，所以三地址码形式的