【C】 02 - 程序结构和预处理
在正式进入C的语法之前，有必要对其整体外观和组成元素作一个浏览。这部分内容对大多数人是比较陌生的，但它们却是C的起点和骨架。而这些内容涉及的背景或细节又可以展开为专门的课题，这里也只是浅尝则止，说明个大概即可。
1. C程序组成
任何一个程序都首先以源文件（source file）的形式存在，它是一个普通的文本文件。C程序一般由一系列后缀为.c和.h的文件组成，前者包含了程序的执行内容，后者包含了各种声明或定义。其实文件名并不重要，这样的后缀名仅是约定俗成的习惯。但建议保持这样的风格，一是为了看程序的人能一目了然，二是在集成开发环境（IDE）里它们已经成为C文件的标识。
文本文件有许多字符组成，这些字符的编码方法由编辑器决定。对C编译器有意义的是它们所表示的字符而非编码本身，预处理开始前会将这些字符映射成source character set（一般是UTF-8）。预处理就是在该字符集下进行的，预处理后还会将字符和字符串映射成execution character set，它由目标平台决定，但一般和前者相同。
这两种字符集都包含base character set，它就是我们正常使用英文和符号（编码在两个字符集中相同），字母是区分大小写的。新标准还支持extended character set，它可出现在两种字符集中。比如在source字符集中可在多处使用unicode：identifier、char constant、string literal、headfile name、comment、preprocessing token。示例如下（需编译器支持或打开开关），但不建议这样的编码风格。
// Define variable α wchar_t \u03B1 = L'α';
C语言的编译是以translation unit为单元的，它是预处理后的.c文件。各单元的编译互不相干，连接器最终会把它们和库一起整合成执行文件。关于编译、连接和调试，我打算另开课题，这里不深入讨论。以下是一个多文件程序的常见错误，但在编译连接时并不会报错，因为无法跨unit检查语法。运行时文件2中会把数组a的元素当地址使用，出现错误。
// File 1 int a[3]; // File 2 extern int *a; // should be a[]
C程序可能独立运行（嵌入式），也可能运行在操作系统中。C规范对这两种情况的要求稍微有点不同，分别叫freestanding implementation和hosted implementation。其中后者要求实现更多的库，而且必须有一个main函数。而前者只需要少数必要的库，程序入口不作规定（但建议也用main）。main函数可有以下两种形式，对第二种形式，规范要求argv[0]为程序名，argv[argc] = NULL。
int main(void); int main(int argc, char* argv[]); // or char** argv
程序运行时，内存中除了常量区（代码和字符串）、数据区外还会有堆和栈区。一般栈底在高地址，向低地址增长。hosted程序的地址一般是逻辑地址，运行时由OS负责映射为物理地址。
2. 预处理步骤
第0步，字符集映射。将源程序文本文件的字符映射为source字符集，甚至包括将换行符的统一编码。C还要求每行都以换行符结束，如果文件尾没有换行，编译器会warning（需打开）。
第1步，trigraph sequance。为支持某些古老的键盘，C使用??x来转义它们没有的符号。所以请在代码中避免使用??序列，字符串中可使用\?转义。下表是规范支持的trigraph sequance，不在该表中的不进行转义。
| ??( | ??) | ??< | ??> | ??= | ??/ | ??' | ??! | ??- |
| [ | ] | { | } | # | \ | ^ | | | ~ |
第2步，去除“\+回车”。将该组合去除，不产生或消除空白。所以identifier中也可以被断开，但它一般用于宏定义和字符串换行(见示意代码)。注意下一行的前导空白会被保留，所以不能为了格式对齐而添加空格。
#define INC(a) \ { \ a++; \ } char str[] = "this is a \ long string";
第3步，preprocessing token。将注释换成一个空格，解析pp token和空白（white space）。空白包括空格、换行、tab等，换行被保留，其它空白的处理基于实现。注释/**/可跨行，不可以嵌套。如果想临时注释掉一段代码，最好用#if 0。注释//作用到本行末，旧C不支持该用法。
// should use #if 0 /* int a; /* declare var */ */
第4步，预处理指令。展开宏，导入包含文件，执行预处理指令，直至结束。预处理指令（directive）以#开头，仅包括当前行，#前后可以有空白。
第5步，字符串处理。字符（串）映射为execution字符集，包括将转义序列\x编码。将相邻字符串拼接为一个字符串，只添加一个结束符'\0'。
char str[] = "This is a " "long string";
第6步，C token。将pp token映射为C token，空白被丢弃。
3. Token 解析
编程语言在字符集的基础上进行词法（Lexical）、语法（Syntax）和语义（Semantic）的分析。C词法分析就是将程序分解为token，这一步在预处理阶段完成。token一般不会被赋予太多的意义，只是根据序列特征大致分类，编译器根据这些特征解析出一个个token。token解析采用贪婪原则（也称最长原理），一个token的下一个字符与它不能再组成有意义的token。不满足贪婪原则的分割，即使有意义，也是不被采用的。预处理将token大致分为四类：identifier，data constant，string，punctual。
identifier即标识，它包括directive、keyword、object、function、tag、member、name、lable、macro等，简单说就是用来表示某个东西的名字。identifier的词法大家都熟悉，就是由字母、数字和'_'组成，但不由数字开头。identifier不宜过长，因为有些编译器会进行截取。另外在起名字时尽量回避关键字还有__xxx__和_Axx_（大写字母开头），它们都预留给系统使用。
data constant就是各种常量，包括整形、浮点、字符等。它们有自己的格式，在下一章将有描述。headfile name和string literal以<>或“”作为边界，其中可以含有空格。在其它场合，空白和符号往往是分割token的边界。
punctual就是各种符号。它同样也遵循贪婪原则，以最长的有意义符号串作为一个token，注意其中不能有空白。另外C还支持digraph转义序列（下表），但和trigraph不同，它是在token解析时进行的。
| <: | :> | <% | %> | %: | %:%: |
| [ | ] | { | } | # | ## |
需要强调的是，token解析是在预处理阶段完成的，而且除特殊情况外不重新解析。预处理里中的token到C编译时会做一些调整（字符转义、丢弃空白等），但token的分割已经完成。也就是说token解析完成后，程序的组成单位就是token，而不是字符集了。由此可见，宏定义不光是简单的字符串替换，至少它还影响了token的解析。以下的例子能很好的说明本段的一些内容。
#define plus + a+++b; // (a++) + b a+ ++b; // a + (++b) a+ + +b; // illegal a plus++b; // a + (++b) a+ =b; // illegal a plus=b; // illegal a/*p; // should be a/ *p
4. 预处理指令
4.1 宏
宏是预处理中最复杂也是最强大的功能，这里用单独篇幅说明宏的使用。简单来说，宏就是将宏identifier用其定义的token序列替代。替代的token序列的头和尾的空白被去除，中间的空白可能被合并，包括宏参数也是这样处理的，这与我们一直认识的“替代”还是有差别的。另外，宏只做替换，对常量表达式并不做计算。
#define r 1 #define C (2*r*3.14) // (2*1*3.14), not 6.28 #define mul(a, b) ( (a) * (b) ) mul( 2 + 3 , 5 ); // ( (2 + 3) * (5) ), attention to the space
宏中有两个可以改变token的操作符：#和##。#叫stringify operator，它可以将宏参数字符串化。宏实参可能为token序列，其中可能有字符串，这时将"和串中的\用\转义（非串中的\不转）。#仅作用于宏参数，不可用于一般token。
#define str #hi // not "hi" #define str(a) #a str(\a"hi\!"); // "\a\"hi\\!\""
##叫token pasting operator，用于合并token。它的左右操作对象可以是宏参数，也可以是一般token，它与操作对象间的空白会被去除。##甚至可以连用，串起更多的操作对象。#和##只在宏展开时起作用，如果宏结果中出现#或##，将不再起作用。
#define twoj # ## # // ## #define fun(pre, post) pre##_f_##post fun(res, get)(); // res_f_get()
不带参数的宏叫object-like macro，带参数的叫function-like macro。函数宏的定义中，宏名与()之间不能有空白，参数可为空。调用时宏名与()之间可有空白，而且新规范允许宏实参为空。函数宏定义最好能让使用者自由添加';'，见do while语句。
#define add1 (a, b) (a+b) add1(1, 1); // wrong. (a, b) (a+b)(1, 1) #define add2(a, b) (a+b) add2 (1, 1); // ok, 1+1 #define fun1() // ok #define fun2(a, b) add##a##b fun2(); // add fun2(1); // add1 fun2(, 2); // add2
新规范中支持宏的变长参数，只需将末尾的参数用...表示即可。不同于C的变长参数，宏中不需要前导参数。在定义中用_VA_ARGS_代替实参，实参为token序列（包含','），头尾没有空白，中间可能有空白。
#define show(...) printf(#_VA_ARGS_) show( hi, there! ); // printf("hi, there!") #define fun(a, ...) a##_VA_ARGS_ fun(1, 2, 3); // 12, 3 fun(1); // 1
宏展开中最复杂的情况是宏嵌套，但其实只要弄清三点即可：（1）宏实参遇到#或##时，立即产生作用，不再继续展开；（2）其它地方宏实参要先自行展开再带入结果；（3）对结果中出现的曾经完整展开的宏或#、##，不作处理，其它宏则继续展开。结合（1）（2），如果想先展开再做#或##，可以将#或##操作本身包在宏里。以下代码中，展开内层M(0)时外层M尚未完全展开，所以内层M(0)可展开。而f()展开为f后，f()不可再次展开。
#define one 1 #define show(a) printf(#a" = %d\n", a) show(one); // printf("one = %d\n", 1) #define name edward #define str(s) #s #define show(a) printf(str(a)) show(name); // printf("edward") #define M(x) x #define f() f M(M(0)); // 0 f()(); // f()
宏展开是比较靠前执行的，#include和#if指令中都可以使用宏定义。由于整个文件名（包括<>""）是一个token，宏也要定义完整的文件名。宏不可以重定义，除非先#undef或定义完全一样，这里的一样是指参数个数和token序列一样，参数名可以不一样。
#define name1 stdio #define name2 <stdio.h> #include <name1.h> // <name1.h> #include name2 // <stdio.h> #define add() #undef add #define add(a, b) a+b // ok #define add(x, y) x+y // ok #define add(x, y) x + y // illegal
系统提供了一些预定义宏，可以在程序中使用。以下是规范要求必须定义的宏，这些宏不可以#undef。有些不断变化的宏（如__LINE__）其实是系统变量，规范要求每个函数开始都有一个隐藏定义static const char __FUNC__[] = file_name。
| Macro | Type | Description |
| __FILE__ | "path\name" | 包含路径，实际文件 |
| __LINE__ | integer | 实际文件 |
| __DATE__ | "Mmm dd yyyy" | 无值的位补0 |
| __TIME__ | "hh:mm:ss" | 无值的位补0 |
| __STDC__ | 0 or 1 | 是否与规范兼容 |
| __STDC_VERSION__ | yyyymmL | 所兼容规范版本 |
| __STDC_HOSTED__ | 0 or 1 | 是否有OS |
因为宏只是token替换，它隐含很多不利之处，有时要使用其它替代方法。用宏定义的整型无法在调试时显示，可以用枚举常量替代。宏定义的字符串常量可能产生多份，可以用const string替代。函数宏无参数检查且有副作用，可以用inline函数替代。
4.2 其它指令
#include指令将头文件包含在本unit中，后面跟头文件名。< >包含的文件到库目录中寻找，编译环境一般可以指定该目录。" "包含的文件先从当前目录下查找，再到库中查找，从而可以先使用自定义的库。为了消除重复包含，可以用宏（见示例）或编译器扩展语句。
为增加移植性和灵活性，预处理支持conditional compiling。它一般以#if、#ifdef或#ifndef分支开头，后面跟着0个或多个#elif分支，末尾最多一个#else分支，最后以#endif结束。条件表达式的结果要是整型，可以是整型常量、宏或defined运算符，不可使用字符（串）、浮点常量。defined是预处理的唯一关键字，它有defined(M)和defined M两种形式。
#line指令后跟行号和可选的文件名，这个指令一般用于生成.c文件的文件中，使行号（文件名）指向原始文件，而非.c文件。#error指令后跟任意token序列，这些token不能展开宏。预处理遇到#error会挂起，并且显示token序列。
#pragma指令由编译器自定义行为，STDC开头的指令预留给规范使用，目前已定义了一些功能开关。#pragma中不可以展开宏，新规范中使用关键字_Pragma("command")支持宏展开，它等价于#pragma command。
// headfile, only included once #ifndef HEAD.H #define HEAD.H // ... #endif #if defined X // the same as #ifdef X #elif defined(Y) // ... #elif #else #endif #line 100 #line 100 "\test.c" #define name edward #error fail, name! // show fail, name! #define str(cmd) #cmd _Pragma(str(align(4))); // the same as #pragma align(4)
