玩具语言LLL之Hash

在所有事情之前，必须要搞点铺垫，hash表显然是必须的。所有的编译还是解释语言，都是把各种自然文本剁碎成token，然后进行链接处理。文本和文本的检索是所有事情的核心。在这个领域里hash表是最高效且简单的，至少在编程上是这样。不过，hash表对于c程序员来说，确实非常不友好的。c程序员往往面临双重角色，第一追求纯粹的高效，第二追求工程管理上的简单。对于任何人来说，这两方面都是一个非常纠结的话题。好在，对于编译系统来说这相对不复杂。

 

在这个hash表里，我使用2^N次方作为长度。与（&）的计算效率要比或（%）高一些，这也适合基于块的语法解析。hash的计算方式是字符串，这个算法来自linux kernel，不一定很好，暂时用一下。它对长字符串的处理效率不好，暂时用一下，便于代码迭代。hash表使用传统的get和probe原语，都是基于字符串的hash。当hash容量超出，会自扩展，在这个过程中会重构hash表。我总是把hash表比喻成一个绳子上挂一串串的香肠，绳子是数组，香肠是链表。一般，链表使用单纯的单向链表，只是指向next节点。在这里，使用了一个“复合”单向链表。这是一套BSD下的宏，Linux也有。这个链表其实是在单头桩下，能够在不考虑头桩下直接删除节点，当作一种单头桩双向链表也可。之所以使用这个数据结构，是项目还不太明确，不清楚是否要直接删除hash表的某个节点。不过，这是以后的事情，这里说这点主要是在讨论hash表的灵活运用问题。

 

在这里涉及到内存分配问题，mem.c和mem.h负责这方面。我还不确定这个玩具语言到底是编译还是解释还是嵌入解释，这个负责内存的分配。realloc和free，都提出内存释放或旧内存的size，这有利于内存优化。

 

在hash里有个结构是obstack。这玩意最早我发现在gcc里，不知道什么时候出现在glibc的标准中，非常好用的堆栈式内存池。语言分析基本都是堆栈式的，我选择它作为基础内存池。

 

总之，一个简单的hash表，没太多可说的。