探讨了C语言编译器的起源，解释了如何使用汇编语言编写第一个C语言编译器，以及通过自举过程逐步完善C语言的过程。
这是来自我的星球的一个提问：“C语言本身用什么语言写的？”
换个角度来问，其实是：C语言在运行之前，得编译才行，那C语言的编译器从哪里来？ 用什么语言来写的？如果是用C语言本身来写的，到底是先有蛋还是先有鸡？
我们假设世界上不存在任何编译器，先从机器语言说起，看看怎么办。
机器语言可以直接被CPU执行，不需要编译器。
然后是汇编语言， 汇编语言虽然只是机器语言的助记符，但是也需要编译成机器语言才能执行，没办法只能用机器语言来写这第一个编译器了（以后就不用了）。
汇编语言的问题解决了，就往前迈进了一大步，这时候就可以用汇编语言去写C语言的编译器，我们说这是C编译器的老祖宗。
有了这个老祖宗，就可以编译任意的C语言程序了，那是不是可以用C语言本身写一个编译器？只要用老祖宗编译一下就可以了。
OK， 这么一层层上来，终于得到了一个用C语言写的编译器， 真是够麻烦的。
到这个时候，之前那个汇编写的C语言编译器就可以抛弃了。
当然，如果在C语言之前，已经出现了别的高级语言，例如Pascal，那就可以用Pascal来写一个C语言的编译器。
第一个Pascal的编译器据说使用Fortran写的。而做为第一个高级语言的Fortran，它的编译器应该是汇编语言写的。
关于编译器，这里边有个有趣的传说：
传说Unix 发明人之一的 Ken Thompson在贝尔实验室，大摇大摆的走到任何一台Unix机器前，输入自己的用户名和密码，就能以root的方式登录！
贝尔实验室人才济济，另外一些大牛发誓要把这个漏洞找出来，他们通读了Unix的C源码，终于找到了登录的后门，清理后门以后编译Unix , 运行，可是Thompson 还是能够登录进去。
有人觉得可能是编译器中有问题，在编译Unix的时候植入了后门，于是他们又用C语言重新写了一个编译器，用新的编译器再次编译了Unix，这下总算天下太平了吧。
可是仍然不管用，Thompson 依然可以用root登录，真是让人崩溃 ！
后来Thompson 本人解开了秘密，是第一个C 语言编译器有问题，这个编译器在编译Unix源码的时候，当然会植入后门，这还不够，更牛的是，如果你用C 语言写了一个新编译器，肯定也需要编译成二进制代码啊，用什么来编译，只有用Thompson写的那第一个编译器来编译，好了，你写的这个编译器就会被污染了，你的编译器再去编译Unix , 也会植入后门 :-)
说到这里我就想起了几年前的XcodeGhost 事件，简单来说就是在Xcode（非官方渠道下载的）中植入了木马，这样XCode编译出的iOS App都被污染了，这些App就可以被黑客利用做非法之事。
虽然这个XCodeGhost和Thompson的后面相比差得远，但是提醒我们，下载软件的时候要走正规渠道，从官方网站下载，认准网站的HTTPS标准，甚至可以验证一下checksum。
可能有人问：我用汇编写一段Hello World都很麻烦，居然有人可以用它写复杂的编译器？这可能吗？
当然可能，在开发第一代Unix的时候，连C语言都没有，Ken Thompson 和 Dennis Ritchie 可是用汇编一行行把Unix敲出来的。WPS第一版是求伯君用汇编写出来的，Turbo Pascal 的编译器也是Anders 用汇编写出来的，大神们的能力不是普通人能想象得到的。
对于编译器来说，还可以采用“滚雪球”的方式来开发：
还是以C语言为例，第一个版本可以先选择C语言的一个子集，例如只支持基本的数据类型，流程控制语句，函数调用...... 我们把这个子集称为C0。
然后用汇编语言写个编译器，只搞定这个语言的子集C0，这样写起来就容易不少。
C0这个语言可以工作了，然后我们扩展这个子集，例如添加struct，指针.....把新的语言称为C1。
那C1这个语言的编译器由谁来写？自然是C0。
等到C1可以工作了，再次扩展语言特性，用C1写编译器，得到C2。
然后是C3、C4......最后得到完整的C语言。
这个过程被称为bootstraping ， 中文叫做自举。
作者简介：刘欣，畅销书《码农翻身》作者，15年以上开发经验，前 IBM 架构师，领导过多个企业应用架构设计和开发工作；洞察技术本质，擅长用故事去讲解复杂技术。
☞
☞
☞
扫一扫
4万+
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
