本文详细介绍了编译器构造的基础知识，包括文法设计、词法分析器、语法分析、语法制导及中间代码生成等内容，并探讨了目标代码生成的具体实现。
<网页blog已经上线，一大波干货即将来袭：https://faiculty.com/>
编译器构造
一、设计文法
<func-body>::=<statement>
<statement>::="{"<statement>"}" /*blockstatement*/
|[<type>] <identi> ["="<expr>]";" /*assignment*/
|"return"<expr>";"
|"if""("<expr>")"<statement>["else"<statement>]
|"while""("<expr>")"<statement> |<expr>";"
<expr>::=<bitwise-expr>
|<bitwise-expr>=<expr>
<bitwise-expr>::=<eq-expr>
|<bitwise-expr>&<eq-expr>
|<bitwise-expr>|<eq-expr>
<eq-expr>::=<rel-expr>
|<eq-expr>==<rel-expr>
|<eq-expr>!=<rel-expr>
<rel-expr>::=<shift-expr>
|<rel-expr><<shift-expr>
|<rel-expr>><shift-expr>
<shift-expr>::=<add-expr>
|<shift-expr><<<add-expr>
|<shift-expr>>><add-expr>
<add-expr>::=<mul-expr>
|<add-expr>+<mul-expr>
|<add-expr>-<mul-expr>
<mul-expr>::=<postfix-expr>
|<mul-expr>*<postfix-expri>
|<mul-expr>/<postfix-expri>
<postfix-expr>::=<prim-expr>
|<postfix-expr>[<expr>]
|<postfix-expr>(<expr>{","<expr>})
<prim-expr>:=<number>|<ident>|<string>|"'"<char>"'"|"("<expr>")"
二、词法分析器
1.主要目标
这一个部分的主要内容是：
1. 根据输入的文件切割成一个个字符
2. 构造基本的符号表
3. 后期每次调用readToken函数得到一个token，然后给语法分析器。（这里不是一次性切割）
2.基本思想
利用文件指针一个个从源文件读一个字符，利用自动机判断， 切割出的单词放入 tok 字符数组中。这里我们将每个符号分为单独的一组，比如 标识符是一类、 ‘+’号、 ‘/’号等等一系列的符号都作为单独的一类，每种类别 都有一个 ID。调用该函数就能得到当前 token 的类别码 ID。
这里正规的分词是使用的自动机。
3.单词的分类
常见的分类是：
1. 标识符。用户给变量起的一些名字。
2. 常数。
3. 关键字。
4. 界符。包含单字界符（*，+….）和双字界符（:=, <=….）
本实验中，我们按如下分类：
1. 标识符。ID = 0，
2. 字符。ID = 1
3. 字符串。ID = 2
4. 数字（这里暂时只支持简单的整数）。ID = 3
5. 所有的关键字和界符进行排列。ID依次增加。
//关键词和界符
char *ch[31] ={"int", "char",
"main","void","if","else","while","return",
"+","-","*","/","|","&","||","&&",">","<",">=","<=",
"==","!=","=",",",";","(",")","{","}","[","]"};
/*
* scanner : words
* */
identi: ID is 00. // name of variable, can be characters, inter and _;
// const
characters: ID is 01.
string: ID is 02.
algrithem number: ID is 03.
keyWord: ID is 04 to 11:
all the keyworlds as followed: int char main void if else while return
//partion:
algrithem operator: + - * / 12 to 15
logical operator: | & || && > < >= <= == != 16 to 25
others: = , ; ( ) { } [ ] 26 to 34
4.关键点
- 读单个字符用fgetc。
- 其中涉及到很多C的函数，isspace、isnumber等等。
其中可能涉及到小数的识别。
1. n：拼尾数值变量；每当读入尾数数字d时： n:=10*n+val(d);
2. m：小数位数变量;每当读入小数数字d时： m:=m+1;
3. num = n * 10 ^ (-m)
5.数据结构
/**
*相应数据结构：
* 符号表： struct SYNBL{
* char name[100];
* TYPE* type; //只有当为数组时才有指向，如果只是Internet char类型那么直接为NULL
* char cat; // 种类编码：a代表数组，i代表整型，c代表字符型
* int offset; //该变量起始偏移量
* int memory; //变量长度
* }
*
* 类型表: struct TYPE{
* char cat; // 种类编码：a代表数组，i代表整型，c代表字符 型..暂时不支持多维数组
* ARRAY* array; //数组表指针
* }
*
* 数组表： struct ARRAY{
* int num; //元素个数；
* char cat; //元素类型，i代表整型，c代表字符型；
* int ArrayTM; //占用总内存；
* }
*
* */
三、语法分析
1. 目标
其任务是识别和处理比单词更大的语法单位，如：程序设计语言中的表达式、各种说明和语句乃至全部源程序，指出其中的语法错误；必要时，可生成内部形式，便于下一阶段处理。
2.常见使用方法
2.1 递归子程序
算法：
对每一个非终结符，构造一个子程序，用以识别该非终结符所定义的符号串。每个子程序以产生式左部非终结符命名，以产生式右部构造子程序内容。
文法要求：
LL（1）文法
- 具有相同左部的产生式，首符号不同。 A -> a|a (首符号相同，×)；
- 文法不能有左递归。 A -> A| (直接左递归，×)。
2.2 LL（1）分析法
LL（1）分析法的要求：
1. 利用一个分析表，登记如何选择产生式的知识；
2. 利用一个分析栈，记录分析过程；
3. 此分析法要求文法必须是 LL(1)文法。
算法：
- 先根据文法建立一个分析表。因为具有相同左部的产生式首符号不同，所以建立的表示唯一的。如上图。
- 然后利用栈对符号串进行语法分析。首先先把Z压入栈，再弹栈，读第一个单词，查找分析表，把相应的产生式逆序压栈。如果没有相应产生式，那么证明这句话有语法错误。如图：
LL（1）文法判定：
2.3 LR分析法
3.本实验
本实验中采用递归子程序法。如下图：
4.语义分析
语义分析主要包含语法制导和中间代码的生成。
5.语法制导
语法制导就是在原文法中加入语义动作符号，方便后续的中间代码生成。这里加入语义动作符号后，可以很方便的生成 逆波兰式。
6.中间代码生成
逆波兰式运算符进栈之日就是四元式生成之时。
7.设计方法
/**
* 中间代码数据结构：
* struct GEN_CODE{
* char op[10]; // operation, it's maybe a '*' or '<' or 'if' and so on, "_" means nothing
* char R1[20]; // operate object 1
* char R2[20]; // operate object 2
* char des[20]; // destination or answer of this operation
* };
*
* 中间代码生成方式:
* 1. a = b + c:
* 结果：(+, b, c, t)
* (=, a, _, t)
*
* 2. a == b:
* 结果: (==, a, b, t) // 这里t就是表达式的值
*
* 3. if(exp):
* 结果：(if, exp, _, _)
*
* 4. else{}:
* 结果：(else, _, _, _)
*
* 5. while(exp){}
* 结果：(while, _ , _, _)
* ......
* (do, exp, _, _)
* ......
* (whend, _, _, _)
*
* 6. return i;
* 结果：(RET, i, _, _)
*
* 7. char a = 'c':
* 结果：(=, 'c', _, a)
*
* 8. int main(){} //函数定义
* 结果：(main, _, _, _)
*
* 9. if or while语句块结束标签：
* 结果：(ifend, _, _, _)
* 结果：(whend, _, _, _)
* 结果：(elend, _, _, _)
*
**/
四、符号表
1. 作用
本实验中符号表主要用来预分配内存。也就是根据语义分析的结果，预先知道整个程序有多少个变量，给一个虚拟空间来分配内存。（这里只需要存贮用户定义的变量）
2.数据结构
/**
*相应数据结构：
* 符号表： struct SYNBL{
* char name[100];
* TYPE* type; //只有当为数组时才有指向，如果只是 Internet char类型那么直接为NULL
* char cat; // 种类编码：a代表数组，i代表整型，c代 表字符型
* int offset; //该变量起始偏移量
* int memory; //变量长度
* }
*
* 类型表: struct TYPE{
* char cat; // 种类编码：a代表数组，i代表整型，c代表 字符 型..暂时不支持多维数组
* ARRAY* array; //数组表指针
* }
*
* 数组表： struct ARRAY{
* int num; //元素个数；
* char cat; //元素类型，i代表整型，c代表字符型；
* int ArrayTM; //占用总内存；
* }
*
* */
五、目标代码生成
这一部分主要功能是由语义生成的四元式生成可编译、可执行的汇编语言。主要 依据和处理事情是：
1. 根据符号表开辟运行空间，生成汇编语言头部
2. 扫描中间代码，生成相应的汇编语言段
1. 汇编语言生成规则
A. 环境：在本次课程设计中，我们采用的是 8086 汇编语言，主要使用到的 指令有：LEA、MOV、ADD、MUL、JMP、JE、SUB、CMP 等等。
B. 原则：每条四元式都会对应一段汇编语言，每次运算结束后都将变量存入 开辟的相应的地址中。所以没有相应的活跃信息表，不需要寄存器的调度算法。
2. 设计思路：
按照上述给出的四元式进行分类，每种类型的四元式对应一段具体的汇编代 码，具体请见四元式到汇编语言的翻译。其中需要解决的是回填问题，有以下几 类回填：
A. 在逻辑表达式中，如 a>b 中。我们将得到的四元式是： （>,a,b,t1）,这里需要对 t1 进行赋值，当为真时赋值为 1，否 则为 0。 这里的不需要反填，按照具体汇编代码可以直接写出。
B. 在 if 语句中，如果不成立那么直接要跳转到 else 语句块或者 if 语句块结束 的下一条语句。处理如下：
1.遇见 if 保存当前汇编语言的标签，或者是当条四元式编号。
2.遇见 ifend 表示 if 语句块已经结束，此时添加一条空白汇编语言，待反 填。再加一条跳转汇编语句，如果执行到这，那么表示 if 条件成立，这里需要跳 转到 else 语句块的结束标签
3.遇见 else 反填 if 中的 JMP 4.遇见 elend 反填 ifend 中的 JMP
C. 在 while 语句块中，如果 do 成立则循环，否则跳出循环。处理如下： 1. 在 do 语句块结束处加上 JMP 跳转到 while 语句开始 2. 遇见 we，回填 do 中不成立时预留的 JMP
2.规则
/** 中间代码生成规则：
* [a]: [0004H],其中4是指a的偏移量
* //注意这里都是 16位的寄存器，对于int型，还有缺陷。可以改用32位
*
* 0. 查询符号表，编写汇编头部：
* DSEG SEGMENT
* ....
* .... //为每个变量分配空 间，根据size
* DSEG ENDS
* CSEG SEGMENT
* ASSUME: CS:CSEG, DS:DSEG
* START: MOV AX,DSEG
* MOV DS,AX
*
* 1. (=, 8, _, a) --->
* MOV AX, 8
* MOV SI, a
* MOV [SI], AX
*
* (=, t, _, b) --->
* MOV AX, [t]
* MOV SI, b
* MOV [SI],AX
* 2. (+, a, b, t0) --->
* MOV AX, [a] //可以换成： MOV AX,[a] MOV BX, [b] ADD AX,BX 注意乘法和除法
* ADD AX, [b]
* MOV SI, t0 //t0 指偏移地址
* MOV [SI],AX
* 3. (=, 'c', _, a) --->
* MOV AL, 'c';
* MOV SI, a
* MOV [SI],AL
* 4. (==, a, b, t1) --->
* LEA SI, a
* MOV AX, [SI]
* LEA SI,b
* MOV BX, [SI]
* CMP AX, BX
* MOV SI,t1
* JE Label_4_10
* MOV AX,0
* JMP Label_4_11
* Label_4_10: MOV AX,1
* Label_4_11: MOV [SI],AX
* MOV SI, t1
* MOV [SI], AX
* 5. (>, a, b, t2) ---> //这里暂时只 允许变量和 立即数
* LEA SI, a
* MOV AX, [SI]
* LEA SI,b
* MOV BX, [SI]
* CMP AX, BX
* JG Label_5_11
* MOV SI, t2
* MOV AX,0
* MOV [SI], AX
* JMP Label_5_14 // 遇到这条语句 不用反填，直接就是当前语句编号+3就是他应该跳转的地方
* Label_5_11: MOV SI, t2
* MOV AX,1
* MOV [SI],AX
* Label_5_14: MOV AX,0
*
* 6. (if,t2, _, _) ---> // 必须在中间代 码中设计一个语句块结束标签
* Label_6_1: MOV AX, [t2]
* CMP AX, 0
* JE //else 的标签，
*
* 7. (ifend, _, _, _) --->
* Label_7_1: MOV AX, 0 //读到ifend或者 whend后就回填
* JMP //else语句块结束 后的标签
*
* 8. (else, _, _, _) --->
* Label_8_1: MOV AX, 0
*
* 9. (elend,_,_,_) --->
* Label_9_1: MOV AX,0
*
* 10. (while, ,_,_) --->
* Label_10_1: MOV AX,0
*
* 11. (do, exp, _, _) --->
* Label_11_1: MOV AX, [t3]
* CMP AX, 0
* JE // while 语句块 结束标签
* 12. (whend, _, _, _) --->
* Label_12_1: JMP // while 语句
* Label_12_2: MOV AX,0
*
* 13. (RET, _, _, _) --->
* Label_13_1: INT 21H
* CSEG ENDS
* END START
3.数据结构
/**
* 汇编语言生成数据结构：
* 1. 汇编代码栈：
* struct ASSEM{
* char lab[20]; //label of this instruction
* char instr[10]; //instruction name
* char op1[20]; // op1 of this instruction
* char op2[20]; // op2 of this instrcution
* };
*
* 2. 转移指令反填栈：
* int INST // 存的是待反填转移指 令的汇编语句编号，这里只有简单的反填。反填的是当前汇编语句的lab
*
* 反填规则：
* 遇到：(ifend, _, _, _)
* (else, _, _, _)
* (whend, _, _, _)
* */
扫一扫
2232
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
