# The Super Tiny Complier
github 地址
翻译:有道词典
今天我们将一起来写一个编译器,但不是什么普通的编译器… 而是一个超级小的编译器!
如果你删掉所有注释,该文件将只剩下大约 200 行实际代码
我们将把一些类似含糊不清 的函数调用编译成一些 C 语言风格的函数调用
如果你对其中一个不熟悉,我来简单介绍一下
如果我们有两个函数 “加” 和 “减”,它们可以写成这样:
LISP
C
2 + 2
(add 2 2)
add(2, 2)
4 - 2
(subtract 4 2)
subtract(4, 2)
2 + (4 - 2)
(add 2 (subtract 4 2))
add(2, subtract(4, 2))
小菜一碟,对吧?
很好,因为这正是我们要编译的,虽然这不是一个完整的 LISP 或者 C 语法,但它的语法足以演示现代编译器的许多主要部分
大多数编译器分为三个主要阶段:解析、转换和代码生成
Parsing is taking raw code and turning it into a more abstract representation of the code.
Transformation takes this abstract representation and manipulates to do whatever the compiler wants it to.
Code Generation takes the transformed representation of the code and turns it into new code.
解析 是获取原始代码并将其转换为更抽象的代码表示。
转化 拿到抽象的表示和操作来执行编译器希望它执行的任何操作。
代码生成 获取转化后的代码,将其转换为新的代码。
# Parsing 解析
解析通常被划分为两个阶段: 词法分析
和 语法分析
词法分析 lexical analysis
获取原始代码,并通过一个称为标记器 (或词法分析器) 的东西将其拆分为 tokens
。
token
是一组微小的对象,用来描述语法中一个孤立的片段,它可以是数字、标签、标点、运算符等等。
语法分析 获取到 ``token 并将它们重新格式化为 描述语法的每个部分极其相互关系 的表示。这被称为中间表示或抽象语法树。(Abstract Syntax Tree)
AST` 是一个嵌套很深的对象,它以一种既易于使用又能告诉我们大量信息的方式表示代码。
对于以下的语法:
( add 2 (subtract 4 2 ) )
tokens
可能看起来像这样:
1 2 3 4 5 6 7 8 9 10 11 [ { type : 'paren' , value : '(' }, { type : 'name' , value : 'add' }, { type : 'number' , value : '2' }, { type : 'paren' , value : '(' }, { type : 'name' , value : 'subtract' }, { type : 'number' , value : '4' }, { type : 'number' , value : '2' }, { type : 'paren' , value : ')' }, { type : 'paren' , value : ')' }, ]
AST
可能看起来像这样
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 { type : 'Program' , body : [{ type : 'CallExpression' , name : 'add' , params : [{ type : 'NumberLiteral' , value : '2' , }, { type : 'CallExpression' , name : 'subtract' , params : [{ type : 'NumberLiteral' , value : '4' , }, { type : 'NumberLiteral' , value : '2' , }] }] }] }
编译的下一个阶段就是转化,它从上一步获取到 AST 并对其进行更改,它可以用同一种语言操作 AST, 也可以将其翻译成一种全新的语言。
让我们来看看如何转化 AST
您可能会注意到,AST 中的元素看起来非常相似。都是带着 type 属性的对象。每一个都被称为 AST 节点。这些节点上定义了描述树的一个独立部分的属性。
我们可以为 "NumberLiteral" 创建一个节点
1 2 3 4 { type : 'NumberLiteral' , value : '2' , }
或者为 “CallExpression” 创建
1 2 3 4 5 { type : 'CallExpression' , name : 'subtract' , params : [...nested nodes go here...], }
在转换 AST 时,我们可以通过添加 / 删除 / 替换属性来操作节点,我们可以添加新节点,删除节点,或者我们可以不影响现有 AST,并在其基础上创建一个全新的 AST。
因为我们的目标是一个新语言,所以我们将要专注于创建一个全新的,特定于目标语言的 AST.
# Traversal 遍历
为了能够浏览到所有的节点,我们需要遍历他们,这个遍历到达每个节点的过程采用深度优先 ,
例如:
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 { type : 'Program' , body : [{ type : 'CallExpression' , name : 'add' , params : [{ type : 'NumberLiteral' , value : '2' }, { type : 'CallExpression' , name : 'subtract' , params : [{ type : 'NumberLiteral' , value : '4' }, { type : 'NumberLiteral' , value : '2' }] }] }] }
对于以上 AST, 我们这样执行:
Program
- 从 AST 顶级节点开始
CallEXpression (add)
- 访问到 Program 节点的第一个 body 节点
NumberLiteral (2)
- 移动到 CallExpression 节点的第一个 params 节点
CallExpression (subtract)
- 移动到 CallExpression 的第二个 params 节点
NumberLiteral (4)
- 移动到 CallExpression 的第一个 params 节点
NumberLiteral (2)
- 移动到 CallExpression 的第二个 params 节点
如果我们直接操作这个 AST,而不是创建一个单独的 AST,我们可能会在这里引入各种抽象。但对于我们需要做的而言,只要 访问
树中的每个节点就足够了。
这里用到 visite(访问)
一词是因为存在这样一种设计模式来表示对对象结构元素的操作。
** 访问器模式(Visitor Pattern)** 又称为访问者模式或访问者设计模式,是一种行为型设计模式,它允许你将算法插入到现有对象结构中的各个对象中,从而改变它们的行为。访问器模式使得你可以在不改变各个对象的类的前提下定义作用于这些对象的新操作。
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 class Person { constructor (name, age, height ) { this .name = name; this .age = age; this .height = height; } accept (visitor ) { visitor.visit (this ); } } class OutputVisitor { visit (person ) { console .log (`Name: ${person.name} , Age: ${person.age} , Height: ${person.height} ` ); } } const person = new Person ('Tom' , 25 , 180 );const outputVisitor = new OutputVisitor ();person.accept (outputVisitor);
在上面的例子中,我们定义了一个 Person
类和一个 OutputVisitor
类。 Person
类中有 accept
方法,它接受一个 visitor
作为参数,并调用 visitor.visit(this)
方法来对当前对象进行访问。 OutputVisitor
类中定义了 visit
方法,用来操作 Person
对象的属性,并输出结果。
最后,我们创建了一个 Person
对象,并创建了一个 OutputVisitor
对象。我们调用 person.accept(outputVisitor)
方法来访问 Person
对象,并输出结果。
# Visitors 访问器
这里的基本思想是:我们将要创建一个 visitor
对象,它有一个可以访问所有不同类型节点的方法。
1 2 3 4 var visitor = { NumberLiteral () {}, CallExpression () {}, };
当遍历 AST 时,只要 “输入” 匹配类型的节点,就会调用该访问器上的方法。
为了使这起作用,我们还将传递节点 node
和父节点的引用 parent
。
1 2 3 4 var visitor = { NumberLiteral (node,parent) {}, CallExpression (node,parent) {}, }
然而,我们也需要考虑到事务 "退出" 的可能,想象一下我们之前列出的树结构
1 2 3 4 5 6 - Program - CallExpression - NumberLiteral - CallExpression - NumberLiteral - NumberLiteral
当我们向下遍历的时候,我们会达到一些分支尽头。当我们完成遍历一个分支我们需要 "退出" 该分支。因此,沿着树向下走,我们 “进入” 每个节点,然后向上走,我们 “退出” 分支。
1 2 3 4 5 6 7 8 9 10 11 12 -> Program (enter) -> CallExpression (enter) -> Number Literal (enter) <- Number Literal (exit) -> Call Expression (enter) -> Number Literal (enter) <- Number Literal (exit) -> Number Literal (enter) <- Number Literal (exit) <- CallExpression (exit) <- CallExpression (exit) <- Program (exit)
为了支持这一点,我们最终的访问器应该是这样的
1 2 3 4 5 6 var visitor = { NumberLiteral : { enter (node, parent ){}, exit (node, parent ){}, } }
# Code Generation 代码生成
编译器的最后一个阶段就是代码生成,有时编译器会做一些与转换重叠的事情,但在大多数情况下,代码生成只是意味着取出我们的 AST 和字符串化代码。
代码生成器以几种不同的方式工作,一些编译器将重用之前的标记,其他编译器将创建一个单独的代码表示,以便它们可以线性打印节点,但据我所见,大多数编译器将使用我们刚刚创建的相同的 AST,这是我们将重点关注的内容。
实际上,我们的代码生成器知道如何 " 打印” AST 的所有不同节点类型,并且它将递归地调用自身来打印嵌套的节点,直到所有内容都打印成一长串代码。
总之,以上就是编译器的所有部分
这并不是说所有编译器都看起来与我描述的完全一致,编译器有着许多不同的用途,它们需要的步骤可能比我所详细描述的要多.
但是现在你应该对大多数编译器长什么样子有一个通用的高级概念.
现在我已经解释了所有这些,您都可以编写自己的编译器了,对吗?
开个玩笑… 帮助你们实现一个编译器正是我的目的;🚩
# Tiny Complier
# 前方高能!!
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98 99 100 101 102 103 104 105 106 107 108 109 110 111 112 113 114 115 116 117 118 119 120 121 122 123 124 125 126 127 128 129 130 131 132 133 134 135 136 137 138 139 140 141 142 143 144 145 146 147 148 149 150 151 152 153 154 155 156 157 158 159 160 161 162 163 164 165 166 167 168 169 170 171 172 173 174 175 176 177 178 179 180 181 182 183 184 185 186 187 188 189 190 191 192 193 194 195 196 197 198 199 200 201 202 203 204 205 206 207 208 209 210 211 212 213 214 215 216 217 218 219 220 221 222 223 224 225 226 227 228 229 230 231 232 233 234 235 236 237 238 239 240 241 242 243 244 245 246 247 248 249 250 251 252 253 254 255 256 257 258 259 260 261 262 263 264 265 266 267 268 269 270 271 272 273 274 275 276 277 278 279 280 281 282 283 284 285 286 287 288 289 290 291 292 293 294 295 296 297 298 299 300 301 302 303 304 305 306 307 308 309 310 311 312 313 314 315 316 317 318 319 320 321 322 323 324 325 326 327 328 329 330 331 332 333 334 335 336 337 338 339 340 341 342 343 344 345 346 347 348 349 350 351 352 353 354 355 356 357 358 359 360 361 362 363 364 365 366 367 368 369 370 371 372 373 374 375 376 377 378 379 380 381 382 383 384 385 386 387 388 389 390 391 392 393 394 395 396 397 398 399 400 401 402 403 404 405 406 407 408 409 410 411 412 413 414 415 416 417 418 419 420 421 422 423 424 425 426 427 428 429 430 431 432 433 434 435 436 437 438 439 440 441 442 443 444 445 446 447 448 449 450 451 452 453 454 455 456 457 458 459 460 461 462 463 464 465 466 467 468 469 470 471 472 473 474 475 476 477 478 479 480 481 482 483 484 485 486 487 488 489 490 491 492 493 494 495 496 497 498 499 500 501 502 503 504 505 506 507 508 509 510 511 512 513 514 515 516 517 518 519 520 521 522 523 524 525 526 527 528 529 530 531 532 533 534 535 536 537 538 539 540 541 542 543 544 545 546 547 548 549 550 551 552 553 554 555 556 557 558 559 560 561 562 563 564 565 566 567 568 569 570 571 572 573 574 575 576 577 578 579 580 581 582 583 584 585 586 587 588 589 590 591 592 593 594 595 596 597 598 599 600 601 602 603 604 605 606 607 608 609 610 611 612 613 614 615 616 617 618 619 620 621 622 623 624 625 626 627 628 function tokenizer (input ){ let current = 0 ; let tokens = []; while (current < input.length ){ let char = input[current] if ( char === '(' ){ tokens.push ({ type : 'paren' , value : '(' , }); current++; continue ; } if ( char ===')' ){ tokens.push ({ type : 'paren' , value : ')' , }) current++; continue ; } let WHITESPACE = /\s/ ; if (WHITESPACE .test (char)){ current ++; continue ; } let NUMBERS = /[0-9]/ ; if (NUMBERS .test (char)){ let value = '' ; while (NUMBERS .test (char)){ value += char; current++; char = input[current] } tokens.push ({ type : 'number' , value }) continue ; } if (char ==='"' ){ let value = '' ; char = input[++current]; while (char != '"' ){ value += char; char = input[++current]; } char = input[++current]; tokens.push ({ type : 'string' , value }) continue ; } let LETTERS = /[a-z]/i ; if (LETTERS .test (char)){ let value = '' ; while (LETTERS .test (char)){ value += char; char = input[++current]; } tokens.push ({ type : 'name' , value }); continue ; } throw new TypeError ('I dont know what this character is:' + char) } return tokens } function parser (tokens ){ let current = 0 ; function walk ( ) { let token = tokens[current]; if (token.type === 'number' ){ current++; return { type : 'NumberLiteral' , value : token.value , }; } if (token.type === 'string' ){ current++; return { type : 'StringLiteral' , value : token.value , } } if ( token.type === 'paren' && token.value === '(' ){ token = tokens[++current]; let node = { type : 'CallExpression' , name : token.value , params : [], }; token = tokens[++current]; while ( (token.type !== 'paren' ) || (token.type === 'paren' && token.value !== ')' ) ){ node.params .push (walk ()) token = tokens[current]; } current++; return node; } throw new TypeError (token.type ) } let ast = { type : "Program" , body : [], }; while (current < tokens.length ){ ast.body .push (walk ()) } return ast; } function traverser (ast, visitor ) { function traverseArray (array, parent ) { array.forEach (child => { traverserNode (child, parent); }) } function traverseNode (node, parent ){ let mothods = visitor[node.type ]; if (methods && methods.enter ){ methods.enter (node, parent); } switch (node.type ){ case 'Program' : traverseArray (node.body , node); break ; case 'CallExpression' : traverseArray (node.params , node); break ; case 'NumberLiteral' : case 'StringLiteral' : break ; default : throw new TypeError (node.type ) } if (methods && methods.exit ){ methods.exit (node, parent) } } traverseNode (ast, null ) } function transformer (ast ){ let newAst = { type : 'Program' , body : [], }; ast._context = newAst.body ; traverser (ast, { NumberLiteral : { enter (node, parent ){ parent._context .push ({ type : 'NumberLiteral' , value : node.value }) } } StringLiteral : { enter (node, parent ){ parent._context .push ({ type : 'StringLiteral' , value : node.value , }); } } CallExpression : { enter (node, parent ){ let expression = { type : 'CallExpression' , callee : { type : 'Identifier' , name : node.name , }, arguments : [], } node._context = expression.arguments ; if (parent.type !== 'CallExpression' ){ expression = { type : 'ExpressionStatement' , expression : expression, } } parent._context .push (expression); } } }) return newAst; } function codeGenerator (node ){ switch (node.type ){ case 'Program' : return node.body .map (codeGenerator) .join ('\n' ); case 'ExpressionStatement' : return ( codeGenerator (node.expression ) + ';' ); case 'CallExpression' : return ( codeGenerator (node.callee ) + '(' + node.arguments .map (codeGenerator) .join (', ' ) + ')' ) case 'Indentifier' : return node.name ; case 'NumberLiteral' : return node.value ; case 'StringLiteral' : return '"' + node.value + '"' ; default : throw new TypeError (node.type ); } } function compiler (input ){ let tokens = tokenizer (input); let ast = parser (tokens); let newAst = transformer (ast); let output = codeGenerator (newAst); return output; } module .exports = { tokenizer, parser, traverser, transformer, codeGenerator, compiler, };
# 总结一下
代码编译器的工作可以分为三个阶段:Parse、Transformation 和 Code Generation。
Parse 阶段:代码编译器首先会将源代码转换成抽象语法树(AST),这个过程称为 Parse。Parse 的过程可以分为词法分析和语法分析两个阶段。在词法分析阶段,编译器会将源代码分解成一个个的 Token,然后将这些 Token 组成 Token 流;在语法分析阶段,编译器会将 Token 流转换成 AST。
Transformation 阶段:在 Transformation 阶段,编译器会对 AST 进行一系列的变换,例如删除无用代码、优化代码结构等。这个过程也被称为 “中间代码生成”。
Code Generation 阶段:在 Code Generation 阶段,编译器会将 AST 转换成目标代码,这个过程也被称为 “后端代码生成”。Code Generation 过程中涉及到的技术包括指令选择、寄存器分配等。
总之,代码编译器的工作是将源代码转换成目标代码的过程,它包括 Parse、Transformation 和 Code Generation 三个阶段。每个阶段都会对代码进行一些特定的操作,最终生成可执行的目标代码。