一个编译器的实现0
已重写的文章在(编译原理(前端)的算法和实现)(2023年6月24日)
我在准备重写本文的内容,本文不必再看。(2023年3月25日)
前一阵做了个编译器(仅词法分析、语法分析、部分语义分析,所以说是前端),拿来分享一下,如有错误,欢迎批评指教!
整个代码库具有如下功能:
提供编译器所需基础数据结构、计算流程框架类,可供继承使用;
提供基础数据结构的可视化控件;
提供类似YACC的词法分析器、语法分析器自动生成功能;
提供Winform程序,集成和扩展上述功能,方便研究和应用。
本文及其后续系列将逐步给出所有工程源代码(visual studio 2010版本)。
上图展示一下先。
图1 词法、语法分析和结点匹配
图2 自动生成词法分析器、语法分析器
图3 自动生成词法分析器、语法分析器
图4 自动打印语法树
为了说清楚编译器这种东西,我想最好还是举例。
比如我们要为数学计算的表达式(Expression)设计一个编译器。(当然有很多方法可以实现读取数学表达式并计算结果的算法,未必使用编译原理)
来看一些数学表达式的例子:
37
19 * 19 - 18 * 18
(19 + 18) * (19 - 18)
18 +19 / (18 / 18)
a + (a + 1) + (a + 2) + (a + 3)
好了够了,大家能够了解本文所讨论的Expression的范围了。那么我们引入“文法”(Grammar)的概念。Expression的文法就是这样的:
<Expression> ::= <Multiply> <PlusOpt>;
<PlusOpt> ::= "+" <Multiply> | "-" <Multiply> | null;
<Multiply> ::= <Unit> <MultiplyOpt>;
<MultiplyOpt> ::= "*" <Unit> | "/" <Unit> | null;
<Unit> ::= identifier | "(" <Expression> ")" | number;
我们分别展示出上述几个例子用文法展开的过程。
37: <Expression>
=> <Multiply> <PlusOpt>
=> <Unit> <MultiplyOpt>
=> number
19 * 19 - 18 * 18: <Expression>
=> <Multiply> <PlusOpt>
=> <Unit> <MultiplyOPt> "-" <Multiply>
=> number "*" <Unit> "-" <Unit> <MultiplyOpt>
=> number "*" number "-" number "*" <Unit>
=> number "*" number "-" number "*" number
(19 + 18) * (19 - 18): <Expression>
=> <Multiply> <PlusOpt>
=> <Unit> <MultiplyOpt>
=> "(" <Expression> ")" "*" <Unit>
=> "(" <Multiply> <PlusOpt> ")" "*" "(" <Expression> ")"
=> "(" <Unit> <MultiplyOpt> "+" <Multiply> ")" "*" "(" <Multiply> <PlusOpt> ")"
=> "(" number "+" <Unit> <MultiplyOpt> ")" "*" "(" <Unit> <MultiplyOpt> "-" <Multiply> ")"
=> "(" number "+" number ")" "*" "(" number "-" number <MultiplyOpt> ")"
=> "(" number "+" number ")" "*" "(" number "-" number ")"
写到这里就,其余例子大家自己试试~如果写不出来,后面的部分可能就不太容易看了。(试试写写,很快就写的比较熟练了)
总结一下“文法”(Grammar)。文法就是描述Expression的构成的,和英语的语法类似吧。 有了文法,我们就可以写编译器了。
Expression的文法有5个式子,这5个式子就叫做“产生式”(Production),因为他们能从左边的结构产生(推导)出右边的结构来。一个文法至少有一个产生式,第一个产生式的左边的结点是初始结点,所有的推导都必须从初始结点(即第一个产生式)开始。
产生式(Production)左边叫做左部(左部只有始终一个结点),右边叫做右部(废话),中间用【::=】这个符号隔开。
右部由符号【|】分为若干部分,每一部分都是产生式可能推导出的一个结果,且每次只能选择其中一个进行推导。【null】表示什么也不推导出来。(这是个霸气的符号,不要觉得什么都不推导出来就不重要,恰恰相反,这个符号很重要)
为简化后文的说明,继续举例:<PlusOpt> ::= "+" <Multiply> | "-" <Multiply> | null;
对于这个产生式,其实是由三部分<PlusOpt> ::= "+" <Multiply>;和<PlusOpt> ::= "-" <Multiply>和<PlusOpt> ::= null;组成的,每一部分都称为一个“推导式”(Derivation)。
像【(19 + 18) * (19 - 18)】这样一个具体的“东西”,我们称之为一个“句子”(Sentence)。
明了了上述关于文法的东西,就可以进行编译器的设计了。
我们先搞搞清楚,编译器能做什么?以Expression的【19 * 19 - 18 * 18】为例,Expression的编译器首先要读取字符串格式的源代码,即:
1 var sentence = “19 * 19 - 18 * 18”;
2 var expLexicalAnalyzer = new LexicalAnalyzerExpression();
3 expLexicalAnalyzer.SetSourceCode(sentence);
然后,编译器进行词法分析,得到单词流(TokenList)。“流”这个东西,其实就是数组。
1 var tokens = expLexicalAnalyzer.Analyze();
在此例中,得到的单词流是这样的:
[19]$[Number]$[0,0]$[False]$[]
[*]$[Multiply]$[0,3]$[False]$[]
[19]$[Number]$[0,5]$[False]$[]
[-]$[Minus_]$[0,8]$[False]$[]
[18]$[Number]$[0,10]$[False]$[]
[*]$[Multiply_]$[0,13]$[False]$[]
[18]$[Number]$[0,15]$[False]$[]
第一个单词的意思是:这个单词是【19】,类别是【Number】,在源代码中第一个字符的位置是【行0, 列0】,是否错误的单词【False】,其它描述信息为【】(空,即木有描述信息))
然后是根据这个单词流分析出语法树:
1 var expSyntaxParser = new SyntaxParserExpression();
2 expSyntaxParser.SetTokenList(tokens);
3 var syntaxTree = expSyntaxParser.Parse();
得到的语法树是一个树的结构,可以表示如下:
<Expression>
├─<Multiply>
│ ├─<Unit>
│ │ └─number(19)
│ └─<MultiplyOpt>
│ ├─*
│ └─<Unit>
│ └─number(19)
└─<PlusOpt>
├─-
└─<Multiply>
├─<Unit>
│ └─number(18)
└─<MultiplyOpt>
├─*
└─<Unit>
└─number(18)
从此树中可以看到,树的结构和上文的文法展开过程是对应的,并且树的叶结点从上到下组成了我们的例子【19 * 19 - 18 * 18】
然后就是语义分析了。到目前为止(据我所学到的),人类还没有完善的自动生成语义分析代码的能力。我们在此处就把”计算结果“作为语义分析的任务。仍以上例进行说明。各个叶结点的含义我们是知道的,【+】【-】【*】【/】代表运算,【number】代表数值,【identifier】代表变量名。那么在没有【identifier】的时候,数和数就直接算出结果来,有【identifier】就保留着不动。我们分别为Expression文法的各类结点都赋予语义:
<Expression>:将它的两个子结点进行运算或保留。
<Multiply>:将它的两个子结点进行运算或保留。
<PlusOpt>:去掉自己,用自己的子结点代替自己的位置。
<Unit>:去掉自己,用自己的子结点代替自己的位置。
<MultiplyOpt>:去掉自己,用自己的子结点代替自己的位置。
“+”:对自己的左右结点进行加法运算。
“-”:对自己的左右结点进行减法运算。
“*”:对自己的左右结点进行乘法运算。
“/”:对自己的左右结点进行除法运算。
identifier:保持不变。
number:保持不变。
“(“:若自己右部的<Expression>成为数字或单一的【identifier】,则去掉自己,去掉<Expression>右部的”)”;否则不变。
“)”:保持不变。
上例经过语义分析(对语法树自顶向下进行递归分析其语义),就得到一个数值”37“。
语义分析的伪代码如下:
1 SyntaxTreeExpression SemanticAnalyze(SyntaxTree root)
2
3 {
4
5 switch(root.NodeType)
6
7 {
8
9 case EnumTreeNodeType.Expression:
10
11 return Cacul(SemanticAnalyze(root.Children[0]),SemanticAnalyze(root.Children[1]));
12
13 break;
14
15 case EnumTreeNodeType.Multiply:
16
17 return Cacul(SemanticAnalyze(root.Children[0]),SemanticAnalyze(root.Children[1]));
18
19 break;
20
21 case EnumTreeNodeType.PlusOpt:
22
23 var child = SemanticAnalyze(root.Children[0]);
24
25 var child2 = SemanticAnalyze(root.Children[1]);
26
27 root.parent.Children[1] = child; root.parent.Children[2] = child2;
28
29 break;
30
31 case EnumTreeNodeType.Unit:
32
33 root.parent.Children[0] = root.Children[0];
34
35 break;
36
37 //…
38
39 case EnumTreeNodeType.Plus:// “+”
40
41 return Calcu(SemanticAnalyze(root.parent.Children[0]), SemanticAnalyze(root.parent.Children[2]));
42
43 break;
44
45 //…
46
47 }
语义分析完成,我们这个编译器前端也就大功告成了。
所以这个编译器要实现的东西大体感觉就是这样的。虽然单单对Expression进行编译分析是没多大意思的,但是这个例子在足够简单的同时,又足够典型,等我们把这个例子实现了,再复杂的编译器也都能做出来了。编译器制作步骤比较多,工作量也大,如果一上来就抱着完整的C语言文法来做,等于把自己埋在深不见底的BUG海洋中活活淹死。
以后实现了编译器的语法分析后,就可以自动生成示例中的语法树了,其实这也算是一种语义分析。
后面系列文章将给出具体的设计和实现过程,以及完整的工程代码。敬请关注!
关于本系列有什么好的建议,也请提出来,O(∩_∩)O谢谢!
PS:下面给出【(19 + 18) * (19 - 18)】的语法树,供大家学习参考,也方便后续文章讲解。
<Expression>
├─<Multiply>
│ ├─<Unit>
│ │ ├─(
│ │ ├─<Expression>
│ │ │ ├─<Multiply>
│ │ │ │ ├─<Unit>
│ │ │ │ │ └─number(19)
│ │ │ │ └─<MultiplyOpt>
│ │ │ │ └─null
│ │ │ └─<PlusOpt>
│ │ │ ├─+
│ │ │ └─<Multiply>
│ │ │ ├─<Unit>
│ │ │ │ └─number(18)
│ │ │ └─<MultiplyOpt>
│ │ │ └─null
│ │ └─)
│ └─<MultiplyOpt>
│ ├─*
│ └─<Unit>
│ ├─(
│ ├─<Expression>
│ │ ├─<Multiply>
│ │ │ ├─<Unit>
│ │ │ │ └─number(19)
│ │ │ └─<MultiplyOpt>
│ │ │ └─null
│ │ └─<PlusOpt>
│ │ ├─-
│ │ └─<Multiply>
│ │ ├─<Unit>
│ │ │ └─number(18)
│ │ └─<MultiplyOpt>
│ │ └─null
│ └─)
└─<PlusOpt>
└─null
微信扫码,自愿捐赠。天涯同道,共谱新篇。
微信捐赠不显示捐赠者个人信息,如需要,请注明联系方式。 |