picoc编译器初始化过程分析

前面提过了最近在 分析picoc的源代码，这篇文章先对picoc的初始化流程做一个简要的分析，其中涉及到的知识点做一些简要的解释。

一、关键数据结构Picoc_Struct

Picoc是通过Picoc_Struct数据结构将整个编译过程组织起来的，其定义位于文件“interpreter.h”中。

这个结构比较大，内容也比较多，这里只挑重要的截了两张图。主要需要注意的就是上面图中红框圈出的结构，整个picoc编译器就是依靠这些结构组织起来的，大部分的操作也是围绕着这些结构展开的。初始化流程中会这些结果的功能做介绍，这里先不介绍了。

二、初始化流程

Picoc启动后会对编译器进行初始化，由PicocInitialize()函数实现。由于过程比较清晰，这里就不画流程图了。初始化主要包括以下内容：

（1）平台初始化PlatformInit()

Picoc的平台初始化中只是将断点处理BreakHandler()与系统的程序终止信号SIGINT连接起来，以便使用断点调试功能。

（2）输入输出初始化BasicIOInit()

这个是将编译器的输入、输出和报错与系统的标准输入、输出和报错连接起来。

（3）栈初始化HeapInit()

为编译器使用的栈分配空间，将栈内存对齐，并进行初始化。

栈大小（StackSize）：通过getenv获得系统环境变量“STACKSIZE”大小，系统未定义或设置为0则取编译器自定义的值PICOC_STACK_SIZE，大小为512KB，定义如下图。

注意：在C语言中栈（Stack）可以存放函数参数、局部变量、局部数组等作用范围在函数内部的数据，它的用途就是完成函数的调用。因此栈的大小决定了程序中能使用的变量的多少。对每个程序来说，栈能使用的内存是有限的，这个在这里由StackSize决定，程序运行期间不能再改变。如果程序使用的栈内存超出最大值，就会发生栈溢出（Stack Overflow）错误。如果没有改过的话，在 Windows下VS默认是 1MB，在 Linux下GCC默认是 8MB。

栈内存对齐：为什么要对齐？这个一是内存访问的性能原因，一是平台硬件限制原因。在Windows或Linux平台上，编译器默认程序访问的地址必须向8或16字节对齐，即能够被8或16整除，以便提高内存访问效率。当然这个是可以通过预编译命令来修改的。如果你是往非x86的其它平台上移植，需要关注一下这个问题。

从程序上看其实就是把栈帧指针、栈顶指针和栈底指针移到能够被8整除的位置。根据我在Ubuntu18.04上的测试，Picoc默认要是向8字节对齐的。

（4）共享字符串表初始化TableInit()

初始化用于存储共享字符串的表。

原理：需要注册的字符如果不在表中，则计算其哈希值，为其分配空间并将其存入表中；字符串在表中则返回该字符串对应的入口地址。

在table.c的TableSetIdentifier()函数中，当找不到对应的字符串时，重新分配空间。这个位置的分配空间操作有点技巧。先看一下结构定义：

再看下新字符串的空间分配：

新字符串的内存分配是从结构TableEntry的TableEntryPayload处开始，然后长度为IdentLen + 1，其中IdentLen为字符串长度，不含'\0'。然后将字符串值拷贝到该位置：

由于在TableEntry表中定义了一个TableEntryPayload的union，因此NewEntry中具体存储什么内容要看加入数据的时候用的是什么。这里使用的地址是“&NewEntry->p.Key[0]”，后续的代码中也有使用“&NewEntry->p.v.Key[0]”的情况。所以需要去看加入链表的时候给的是什么内容，注意不要搞混了。

这里简单解释一下：共用体union的所有成员占用同一段内存，修改一个成员会影响其余所有成员。结构体占用的内存大于等于所有成员占用的内存的总和（成员之间可能会存在缝隙），共用体占用的内存等于最长的成员占用的内存。共用体使用了内存覆盖技术，同一时刻只能保存一个成员的值，如果对新的成员赋值，就会把原来成员的值覆盖掉。

不清楚union结构的特点的朋友，可以看下这篇文章。

字符串的哈希值计算在函数TableHash()中。这个就是采用固定的计算规则获得字符串的Hash值，这里就不具体分析了，感兴趣的可以自己去看代码。

（5）变量初始化VariableInit()

初始化全局变量名表pc->GlobalTable和字符串名表pc->StringLiteralTable，以及对应的变量值表pc->GlobalHashTable和pc->StringLiteralHashTable。

Picoc这里为了节约空间，将变量的名字和值分开存储，即Table存储所有变量的名称，HashTable存储对应变量的值。

（6）词法分析初始化LexInit()

初始化词法分析相关的关键字表pc->ReservedWordTable和pc->ReservedWordHashTable，并将关键字与Token对应起来。

关键字在注册时会先检查其是否在共享字符串表中，有则直接使用。没找到则重新为其分配内存并存入pc->ReservedWordTable表中。

（7）类型初始化TypeInit()

初始化编译器支持的变量类型数据结构，将各种变量类型的信息存储到pc中对应的结构里。当前支持类型包括：int、short、char、long、unsigned int、unsigned short、unsigned long、unsigned char、void、function、macro、goto、label、double、pointer、array、struct、union、enum、type等。

（8）包含文件初始化IncludeInit()

初始化系统变量和库函数调用，即在编译器的列表pc->IncludeLibList中注册对应的头文件中提供的定义和系统函数，从而将编译器与系统提供的原型定义和函数库连接起来，编程时可以直接使用C语言的底层函数。主要头文件包括：ctype.h、errno.h、math.h、stdbool.h、stdio.h、stdlib.h、string.h、time.h、unistd.h（linux系统）。

（9）库初始化LibraryInit()

这个里面主要是定义了编译器的版本以及大小端的宏。

（10）平台库初始化PlatformLibraryInit()

初始化编译器本身提供的测试函数和打印行号的函数。

（11）调试初始化DebugInit()

初始化调试用断点的数据结构。

三、结论

总结一下，picoc的初始化过程主要是建立编译器运行所需的环境，初始化数据结构和变量定义，并将编译器与系统连接起来。重点需要关注的就是第一部分中提到的那些数据表和堆栈结构，后续会对相关的结构和操作进行详细分析。

这段时间其实一直在研究picoc，但是没有写文章，主要是觉得目前理解的比较浅，怕写错了误导大家^-^。目前基本上是当做学习笔记来写的，发出来是想给初学者理一理思路，有什么问题请大家批评指正~~~

-----------------------------------

原创不易，请多支持！