C1编译器的实现
总览
 |
| C1语言编译器及流程 |
C1 语言是一个类 C 的语言。语言的特征为：
- 包含 int、float 和 bool 简单类型以及以这些类型为基本类型的多维数组类型。
- 一个 C1 程序包含多个函数、全局变量声明和常量声明，其中必须有一个 void main(void)主函数。
- 函数可以带参数，也可以不带参数，参数的类型是简单类型。
- 函数的返回类型可以是void，或者是某简单类型。
- 函数体中可以有常量定义、变量声明和函数声明，包含表达式语句、条件语句、循环语句、函数调用语句、复合语句和空语句。
本文实现的C1编译器，其编译流程由词法语法分析、语义检查和代码生成三个阶段组成。其主要的特点是：
- 多目标：对C1源代码，可以生成MIPS汇编码、EIR二进制码和C代码；
- 强大的类型系统：可以识别C语言语法的类型定义，输出其类型表达式；
- 实现绝大部分C1语言特征；
- 带有扩展语法：如continue、for等；
- 较详细的错误报告；
下面根据编译器的阶段，逐一介绍其实现细节。
词法、语法分析
分析方案
本阶段的分析是把字符串流转换为抽象语法树。
词法、语法分析分别使用Flex和Bison构造。
分析时，只对语句建立树结构。对于符号的定义（变量定义、函数定义等），并不对其语法成分建树，而是顺着分析流程建立符号表，并把符号放在符号表中。
这样，就可以 避免语法树中出现大量的字符串，使得树的结构、结点的类型得到了简化。缺点是 造成复杂的类型分析比较困难，将类型系统的设计大大复杂化了。
翻译完成后，得到的总入口为全局符号表，从此符号表开始检索，可以得到程序的所有信息。
词法
与C的词法类似，其主要区别为：
- read和write是保留字，用于在C1中进行输入输出；
- bool、true和false是保留字，用于实现布尔类型；
其余还有一些区别，如sizeof不是单词等，但并不重要。
语法
本实现的语法与C1的语法基本相同，其主要区别是：
- 没有逗号表达式；
- 包含for语句；
- 函数的参数可以是数组类型（值传递语义）；
- 变量初始化语法只能有一层括号，且不能有多余逗号。
- 下列不是运算符
++、--、+=、-=
符号表
符号表实现在src/sym_tab.c中。采用多层结构，图示如下：
+->指向上一层sym_tab
+------|---->+---------+<-----------+
| | | sym_tab | |
| | +---------+ |
| +-----| uplink | |
| +---------+ |
| <-->| order |<--> |
| +---------+ |
| +--------->|entry[i] |<-----------|----+
| | +---------+ | |
| | +---------+ +---------+ | |
| | |sym_entry| |sym_entry| | |
| | +---------+ +---------+ | |
| +->| list |<--->| list |<->.|..<-+
| +---------+ +---------+ |
+--->| tab | | tab |----+
+---------+ +---------+
上图中，sym_tab是符号表，sym_entry是表项。
表项串接在符号表中，有list和order两个线索。表项的list链条是哈希链，order链条为顺序链。
查找符号时，先在本层的符号表查找。若找不到，则顺着uplink向上一层再查，直到找到或到达顶层。
符号表记录符号的名字和类型。根据不同的类型有不同的记录，如函数有函数局部符号表地址、函数语句AST指针、函数地址、函数类型等信息。
类型系统
表示
类型系统实现在src/type.c中，其基本结构类似符号表，也是一个哈希链条将所有类型串起来。
每个类型的定义如下：
struct type {
struct list_head list;
enum {
TYPE_VOID = 0,
TYPE_INT,
TYPE_FLOAT,
TYPE_BOOL,
TYPE_ARRAY,
TYPE_FUNC,
TYPE_LABEL,
TYPE_TYPE,
} type;
int n;
int is_const;
union {
struct sym_entry *e;
struct type *t1;
};
struct type *t2;
};
有上述定义可见，这个类型的定义是树状的，因而可以表达非常复杂的结构，如函数数组，数组函数等。
名字
上面类型都是匿名的，当需要给类型取名（包括内置类型和用户自定义类型）时，可以构造一个TYPE_TPYE类型的类型。其中上述结构体的e指向符号表，给出类型名字，t2指向真实的类型。
在编译器初始化时，默认给内置类型命名：
symtab_enter_t(symtab, "int", get_type(TYPE_INT, 0, 0, NULL, NULL)); symtab_enter_t(symtab, "float", get_type(TYPE_FLOAT, 0, 0, NULL, NULL)); symtab_enter_t(symtab, "bool", get_type(TYPE_BOOL, 0, 0, NULL, NULL)); symtab_enter_t(symtab, "void", get_type(TYPE_VOID, 0, 0, NULL, NULL));
当用户用typedef定义新类型时，可以类似上述方法，在符号表中记录相应类型。
等价
类型等价可以按结构和按名字。
从类型的表示可见，当类型需要按名字等价时，只要比类型指针就可以了。若指针不等，则不是同一类型（匿名的类型总是不等的）：
static inline int type_is_equal_byname(struct type *t1, struct type *t2)
{
return t1 == t2;
}
当按结构等价时，则需要递归地比较两个类型树的所有属性：
static inline int type_is_equal_bystru(struct type *ty1, struct type *ty2)
{
.....
if(ty1->type == TYPE_FUNC)
return type_is_equal_bystru(ty1->t1, ty2->t1) &&
type_is_equal_bystru(ty1->t2, ty2->t2);
.....
}
解析
C语言中的类型定义 并非是书写类型表达式，而是声明其用法。这造成了这一部分实现的极端复杂。
如类型表达是为int->array(10,int)的类型用C语法写出为：
int type(int a)[10];
为了分析这种类型，在rule/c1.y中有两个函数来处理之。
AST
AST实现在include/ast_node.h中。
由于语义的要求，树结点的分叉数是不一样的的，故采用链表 将儿子和兄弟组成一个双向链表（从Linux内核取出，而非bison-example），增强通用性。
定义如下：
struct ast_node {
unsigned short type;
unsigned short id;
struct list_head sibling;
int first_line;
int first_column;
union {
void *pval;
int ival;
float fval;
struct list_head chlds;
};
};
各个域含义为：
- type：结点类型（exp、block等，详见node_type.h）
- id： 结点子类型（'+'、'-'等）
- sibling：兄弟组成的链表
- first_：位置追踪信息
- chlds： 儿子组成的链表
- val： 结点属性值
图示如下：
+--------------------------------------+
| +---------+ +---------+ |
| | types | | types | |
| +---------+ +---------+ |
+->| sibling |<--->| sibling |<->....<-+
+---------+ +---------+
+->| chlds |<-+ | val |
| +---------+ | +---------+
| |
| +---------+ |
| | types | +----+
| +---------+ |
+->| sibling |<->..<-+
+---------+
..->| chlds |<--..
+---------+
基本操作只有三种： ast_node_new 新建 ast_node_delete 删除 ast_node_add_chld 增加儿子
其余遍历兄弟和儿子的操作使用list.h中的list_for_each_entry实现。
语义检查
此遍较简单，主要要做的检查为：
- 类型检查和提升
- continue、break在while或for中
- 变量不能是void
- const变量不能被赋值
EIR代码生成器
EIR指令模拟的是一种栈式机器，指令类型和意义可见eir/interp_dbg.c。
此指令集的特点是： 已经将所有的策略定好，因此指令生成并没有太多灵活的空间，只要对树进行一次遍历，就可以生成代码。
值得一提的是短路运算的翻译方案。如and的翻译如下：
geni(lit, 0, 0); gen_exp(l); cj1 = cx; geni(jpc, 0, 0); gen_exp(r); cj2 = cx; geni(jpc, 0, 0); geno(opr, 0, notnot); code[cj1].v.i = cx; code[cj2].v.i = cx;
这个翻译方案的特点是：
- 若两个表达式有一个为假，最终栈顶留下数字0
- 若第一个表达式为真，第二个表达式不求值
- 两个表达式均真时，执行notnot操作，将栈顶翻转为1
因此这个方案是and操作的合法方案。这个方案 用较少的指令达到了准确的翻译，且翻译只需要局部的信息。缺点是条件较复杂时可能要连续经过多次跳转才能到达目标。
or的翻译类似可得。
MIPS代码生成器
寄存器分配
MIPS是基于寄存器的机器，因此相对于栈式机器，需要进行寄存器分配。
为了简单起见，本生成器基于基本块来分配。
寄存器分配器为每个寄存器维护如下的结构：
struct reg_struct {
int dirty;
int loaded;
struct sym_entry *sym;
struct list_head list;
struct list_head avail_list;
};
由此可知，这里一个寄存器仅仅可以关联一个符号sym。符号表中同时有一项指向寄存器结构，表示当前此符号被关联到了哪个寄存器上。
当产生对sym对应寄存器修改的指令时，dirty位置1。
当到达基本块出口时，调用reg_wb_all函数产生指令将dirty为1的寄存器写回内存。同时将原来所有关联取消，以便下一个基本块分配。
分配函数的核心为get_reg函数。生成器将要使用的符号传递给get_reg。
get_reg函数首先查看是否符号已经关联，若是则直接返回寄存器号。否则，从avail_list链中取出一个可用寄存器，将符号关联到此。若avail_list为空，则产生溢出，将list上面的一个变量写回内存，在将符号关联到此。
体系结构相关特性优化
延迟槽的利用
由于这个生成器还十分简单，获取的全局信息也不够，因此 对一般生成的指令，延迟槽内仅仅填写空操作。但是 对于函数框架模板、短路翻译方案等地方，手工做了优化。
叶子函数
叶子函数是指此函数体内没有进一步函数调用。根据MIPS体系结构特点，不需要将返回地址放入内存。
我们在语义检查阶段对函数调用情况进行统计，当生成时，发现可以进行叶子函数的优化时，就产生特殊的指令，提高效率。
使用说明
编译
输入make，得到c1c执行文件。
运行
从命令行读取参数，使用方法类似GCC： 编译生成EIR中间代码： c1c src_file [-o out_file] 编译生成C代码： c1c src_file [-o out_file] -m c 编译生成MIPS汇编代码： c1c src_file [-o out_file] -m spim 帮助： c1c -h
原文： http://home.ustc.edu.cn/~hchunhui/c1.html
