读程序员的自我修养之编译

     编译器的主要作用就是将高级语言编译成机器语言的一个工具；在编译器出现之前，程序员都忙碌于使用机器语言或者汇编语言编程，这是一个复杂而又繁琐的工作。同时，编写的程序只能在特定的CPU环境下运行，如果换一种CPU环境，又需要重新开发，这几乎是让人不能接受的。到了上个世纪六七十年代，出现了很多高级编程语言，比如C++和Fortran,这些高级语言的出现，使得程序员能够根据专注于程序逻辑的本身，而尽量减少对计算机本身的考虑，高级语言虽然出现了，但是它不能够直接在计算机上运行，它需要转换成机器语言后，才能够被计算机所识别运行，这个时候就需要编译器了；编译器的主要功能就是将高级语言转成对应的机器代码。

        编译器的编译过程主要可以分为扫描、语法分析、语义分析、源代码优化、代码生成、目标代码优化这6大步。现在我们就这6步进行逐个介绍。

1、扫描（也叫词法分析）

       首先编译器调用扫描器，扫描源代码，并进行词法分析，将源代码的字符序列分隔成一堆记号。举个例子：

     array[index] =  (index+4)*(2+6);

     CompilerExpression.c

 上面的那行代码中包含了28个非空字符，经过扫描以后产生16个符号

   词法分析产生的记号一般分为如下几类：关键字、标识符、字面量（包含数字、字符串等）和特殊符号（比如加号、减号等）；在表示记号的同时，扫描器也完成了其他的工作，比如将标识符存放到符号表，将数字存放到文字表等。常见的词法分析程序包括lex程序等。当然，对于一些有预处理的语言，比如C/C++,不能一上来就直接对文件进行这样分析，还需要进行一个预处理过程，包括消除注释、宏展开等等。

2、语法分析

      在扫描器完成词法分析过程后，接下来就轮到语法分析器工作了；语法分析器对产生的记号进行语法分析，生成对应的语法树，整个语法分析过程，采用了上下文无关语法的分析手段。通过语法分析器生成以表达式为节点的树，即语法树；

如上图，符号和数字是最小的表达式，他们不是由其他的表达式组合而成的，所以他们通常为整个语法树的叶节点；在语法分析的同事，很多运算符号的优先级和含义也都被确定下来了。另外，有些符号具有多重含义，比如*可以为取指针内容，也可以是乘号，在这个时候也要确定下来他们的具体含义。如同前面词法分析器有lex，语法分析器也有一种专门的工具，叫做yacc( Yet another complier complier )， 简称“编译器编译器”。

3、语义分析

     语义分析由语义分析器完成。语法分析仅仅是对表达式层面的语法分析，但它不是真的了解这个语法是否真正有意义。比如C语言里面，两个指针做乘法运算是没有意义的，但是在语法层面却是合法的。编译器所能分析的是静态语义；所谓静态语义是指在编译期可以确定的语义，与之对应的是动态语义。 静态语义通常包含申明和类型匹配、类型转换、比如类型的隐示转换。

     经过语义转换以后，整个语法树的表达式都被标上了类型，如果有需要做隐式转换的，语义分析器会在语法树中插入相应的节点。上面的2.3图在经过语法分析器分析后，变成如下图所示：

4、源代码优化

     源代码优化，也称作为中间语言生成，现代的编译器有着很多层次的优化，往往在源代码级别就开始进行了优化。在不同的编译器中，源代码优化器有着不同的定义。源代码优化器会在源代码级别进行优化，比如上面例子中的（2+6）表达式会被直接优化掉，因为它的赋值直接在编译器就可以确定，不需要等到运行期。类似的还有很多其他的复杂的优化过程，这里就不一一陈述了。

     其实，在真实的源代码优化器中，直接在语法树上进行优化比较困难，所以源代码优化器往往将整个语法树转换成中间代码；中间代码，即语法树的顺序表达，其实已经非常接近目标代码了，但它跟运行的目标机器已经运行环境无关，比如它不包含数据的地址，数据的尺寸等等。中间代码在不同的编译器中可能有着不同的类型，常见的类型有三地址码和P—代码；

     以三地址码为例，最基本的三地址码是这样的：x = y op z，这个三地址码表示将 y 和 z 进行 op操作，然后赋值给x；上面的例子中的语法树可以被翻译成三地址码后是这样的。t1 = 2+6

      t2 = index + 4

       t3 = t2 * t1

      array[index] = t3

可以看到，这里为了使所有的代码都符合三地址码，我们加入了一些临时变量t1、t2 等，在三地址码的基础上进行优化，将2 + 6 的结果计算出来，得到t1 = 8，然后在后面的代码中t1用数字8替换，省去了一个临时变量。同时，t3也是可以替换的，通过重复利用t2变量，进行优化得到下面的代码

      t2 = index + 4

      t2 = t2 * 8

      中间代码使得编译器可以被分为前端和后端，编译器前端负责产生机器无关的中间代码，编译器后端负责将中间代码转换成目标机器代码。

5、目标代码生成及优化

      这里直接将后面两步目标带生成、目标代码优化归到一块讲，他们都可以归属到编译器后端。编译器后端主要包括代码生成器和目标代码优化器。代码生成器主要负责将中间代码转换成目标机器代码，这个过程比较依赖于目标机器，因为不同的机器有着不同的字长，寄存器、整数数据类型等等，

      最后目标代码优化器对上面生成的目标代码进行优化，比如选择合适的寻址方式，使用移位操作来代替乘法、删除多余的指令等。

     现代的编译器有着非常复杂的结构，这是因为高级编程语言本身非常复杂，比如C++语言本身定义就非常复杂，现在仍然没有一个编译器能够完整支持C++标准语言所规定的所有语言特性。同时，现代的计算机CPU也是非常的复杂，CPU本身采用了诸如流水线、多发射、超标量等复杂特性。为了支持这些特性，编译器的机器指令优化过程也变得复杂。使得编译更为复杂的是，有些编译器可以同时支持多种不同的硬件环境，比如著名的GCC就几乎能够支持所有的CPU平台。