编译器设计概述

引言

你拥有十年使用高级 JavaScript Web 3.0 开发蒸汽朋克软件的经验，你是一位企业家、咨询明星和工程师……但你是否曾想过你的计算机是如何“读取”、“解释”和“执行”你的程序的？本文旨在帮助你轻松理解计算机科学中这一至关重要的部分。

我知道我在这里做了一些简化，也可能做了一些不恰当的比较，但我只是想给自己和其他人提供一个思维模型。现在免责声明完毕，我们可以开始深入探讨了，牵着我的手，让我们一起飞翔吧！

概要

那么，现在来对编译器做一个非常概括的概述：

高级语言——它可以是 JavaScript、Python、C++，或者你喜欢的任何语言等等。简而言之，它只是一个字符串。

编译器——基于上一步，您应该已经知道编译器的输入是字符串，输出是汇编语言。因此，我们可以把编译器看作一个简单的函数，它接收一个字符串并生成另一个字符串。

Assembly code string = compiler(high level language string)

最后一个问题是——什么是汇编代码？

汇编语言——就像不同操作系统的使用手册；换句话说，它是一套适用于具有特定架构（例如 x86 架构）的机器的指令集。

这是我们的最后一步：

机器代码——实际上就是 0 和 1。

但你可以提一下，我在最后一个模块中放置了两个部件——装载机/连接器。

仅供参考，我们来简单介绍一下。

链接器是一个程序，它将编译器/汇编器生成的目标文件和其他代码片段组合起来，生成一个带有特定.exe扩展名的可执行文件。在目标文件中，链接器会搜索并添加执行文件所需的所有库。它还会管理每个模块代码的内存空间。

加载器是一个特殊的程序，它从链接器接收可执行文件作为输入，将其加载到主内存中，并准备好供计算机执行的代码。加载器会为程序分配内存空间，甚至建立对象之间的符号引用。它负责在操作系统中加载程序和库。嵌入式计算机系统没有加载器。

（我从这个网站复制了这两个定义）

深入兔子洞

那么，让我们更进一步，深入研究编译器部分，这对我们来说现在更有趣。

还有一张图片值得欣赏：

词法分析——去除空格、无用符号，并返回词法单元流。例如：

输入字符串

SELECT * FROM "docs";

你可以把数据流看作一个迭代器，可以从中提取下一个标记。以下是一些伪代码：

Lexer.next() -> { kind: Keyword, type: "SELECT" }
Lexer.next() -> { kind: Asterisk  }
Lexer.next() -> { kind: Keyword, type: "FROM" }
Lexer.next() -> { kind: Char, value: "\"" }
Lexer.next() -> { kind: String, value: "docs" }
Lexer.next() -> { kind: Char, value: "\"" }

所以它lexer代表了我们语言或字母表中的有效字符。

为了更好地理解，我们先来解析一个简单的字符串：

x = a + b * c;

所以，作为人类，我们可以轻松解析和理解这类语句，但对计算机来说却并非易事。我们已经讨论了解析器的用途，现在让我们来解析上面的语句。我们尝试简化一下：

id = id + id * id

其中 id 是一个标识符，如果我们尝试将其表示为数组，它可能看起来像这样：

[
  { type: 'id', value: x },
  { type: 'symbol', value: '=' },
  { type: 'id', value: 'a' },
  { type: 'symbol', value: '+' }, 
  { type: 'id', value: 'b' },
  { type: 'symbol', value: '*' },
  { type: 'id', value: 'c' },
  { type: 'symbol', value: ';' },
]

解析器——使用上下文无关文法（我们将在下一部分介绍这个定义）来创建解析树。

别紧张，我们会介绍很多复杂的定义和术语，如果你觉得有点迷糊，没关系。接下来的章节会涵盖所有与解析相关的内容。

因此，基于语言语法，解析器会创建解析树，这有助于我们找到语句的正确执行顺序。

让我们来看一个BNF 表示法的语法示例。

S ⭢ id = E
E ⭢ E + T
  |  T
T ⭢ T * F
  | F
F ⭢ id

基于此语法，我们可以构建一个分析树：

语义分析器——验证解析树以查找语法错误。

中间码生成器——生成三地址码

例如，它可能看起来像这样：

t1 = b * c;
t2 = a + t1;
x = t2;

代码优化器（CO） ——优化三地址代码。

t1 = b * c;
x = a + t1;

目标代码生成器——生成汇编器可以理解的代码。

一些随机的伪架构：

mul R1, R2
add R0, R2
mov R2, x

其中 a = R0，b = R1，c = R2

欢迎提问、表达意见或疑虑，也欢迎讨论你的观点。分享、订阅，一起编写代码，而不是挑起战争。❤️

如果你发现错误，我很乐意改正或者向你学习——请告诉我。

你可以通过推特私信我，或者在领英上联系我。我一直都乐于结识新朋友，拓展人脉，把握新机遇。