MYC编译器源码之语法分析
2015-03-20 00:24 知平软件 阅读(1117) 评论(0) 编辑 收藏 举报MyC编译器采用自顶向下的方法进行语法解析,这种语法解析方式,一般是从最左边的Token开始,然后自顶向下看哪一条语法规则可能包含这个Token,如果包含这个Token,则自左向右根据这条语法规则逐一匹配后面的Token。自顶向下的语法解析我会在其他文章中说明,在前文我们已经列出了MyC的语法规则:
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 | program ::= ( outer_decl | func_decl ); outer_decl ::= [ class ] type ident { "," ident } ";" ; func_decl ::= [ class ] type ident "(" params ")" outer_block; outer_block ::= "{" { inner_decl } { stmt } "}" ; inner_decl ::= [ class ] type ident { "," ident } ";" ; inner_block ::= "{" { stmt } "}" ; ident ::= name | function_call; function_call ::= name "(" [expr {, expr}] ")" ; params ::= type ident { , type ident }; stmt ::= ( if_stmt | while_stmt | for_stmt | break_stmt | cont_stmt | ret_stmt | assign_stmt ); if_stmt ::= "if" "(" expr ")" stmt_block [ "else" inner_block ]; while_stmt ::= "while" "(" expr ")" inner_block; for_stmt ::= "for" "(" assign ";" expr ";" assign ")" inner_block break_stmt ::= "break" ";" ; cont_stmt ::= "continue" ";" ; ret_stmt ::= "return" expr ";" ; assign_stmt ::= assign ";" ; assign = ident "=" expr; class ::= "extern" | "static" | "auto" ; type ::= "int" | "void" ; factor ::= (ident | integer | "(" expr ")" ); unary_factor ::= [ "+" | "-" ] factor; term1 ::= [ "*" | "/" ] factor; term0 ::= factor { term1 }; first_term ::= unary_factor term1; math_expr ::= first_term { [ "+" | "-" ] term0 } rel_expr ::= math_expr ( "==" | "!=" | "<" | ">" | ">=" | "<=" ) math_expr; not_factor ::= [ "!" ] rel_expr; term_bool ::= not_factor { ( "&" | "&&" ) not_factor }; bool_expr ::= term_bool { ( "|" | "^" ) term_bool }; expr ::= bool_expr; name ::= letter { letter | digit }; integer ::= digit { digit }; letter ::= "A-Za-z" ; digit ::= "0-9" ; |
我们用几个例子来说明自顶向下的解析过程,比如下面这个全局变量的定义:
1 | int a; |
采用自顶向下的过程如下:
- 首先编译器从最上面的语法规则 – program开始向下解析;
- program包含两个规则,outer_decl和func_decl,因为outer_decl是第一个规则,所以编译器开始尝是当前的关键字是否匹配outer_decl的语法规则;
1outer_decl ::= [
class
] type ident {
","
ident }
";"
;
-
而组成outer_decl规则的class, type, ident都是语法规则,不是词法规则 – 即Token,这是因为在MyC的语法里,我们能找到class, type和ident的语法定义。其中 class 被方括号包围,说明其是可选的。
- 编译器向右再尝试看当前的token是否跟type匹配,发现第一个单词 int 跟type的语法规则匹配成功:
1type ::=
"int"
|
"void"
;
- 到这一步,编译器顺利消化掉第一个Token – int,再继续向右在outer_decl中匹配下一个Token,outer_decl规则里下一个要求的是ident。因此编译器判断下一个Token是不是匹配ident:
1234ident ::= name | function_call;
name ::= letter { letter | digit };
letter ::=
"A-Za-z"
;
digit ::=
"0-9"
;
- 此时词法分析器给出的下一个Token是a,匹配ident里的name规则(向下匹配路径是:ident -> name -> letter)。
-
编译器继续向右消化Token,此时源码中还有一个分号‘;’尚未匹配,而outer_decl里还有下面这些规则:
1{
","
ident }
";"
;
- 然而outer_decl中,大括号里的规则是零到多个的可选项,因此源码里最后剩下的分号和outer_decl的最后一个分号匹配,编译器到这时顺利完成了一条C语句的分析,进而得知这条语句是一个全局变量的定义语句。
我们再举一个例子,来演示编译器是如何处理函数定义的:
1 2 3 4 5 | void main() { int c; int d; } |
- 与前面分析全局变量的方式一样,编译器自顶向下解析,首先尝试outer_decl这个语法规则,并且从左向右根据 [class] type ident这些规则消化掉void main这两个Token,然而在处理括号‘(’编译器遇到麻烦,outer_decl里没有处理括号的规则。
- 编译器只好往左回溯,将已经处理掉的void和main两个token放回Token流,尝试program的第二个规则func_decl。注意:这里说的往左回溯,在人工编写的语法分析器里很少会这么做 – 因为这样的效率太低,在后面说明具体的源码的时候你会看到myc编译器是如何处理这种情况的。
1func_decl ::= [
class
] type ident
"("
params
")"
outer_block;
-
与处理outer_decl的过程类似,编译器从左往右处理掉void和main两个Token,继续向右处理的时候,此时源码里的Token – ‘(’跟func_decl下一个规则 ”(” 是匹配的,因此编译器可以继续自顶向下,从左往右根据func_decl的规则消化源码里剩下的Token。
- 在func_decl里有一个规则很有意思,inner_decl的定义和outer_decl的定义看起来是类似的,但是正是这样的区分使得编译器能够正确识别,同是 int a; 这样的语句,是全局变量定义还是函数内的局部变量定义 – 因为inner_decl只能从func_decl里递归解析到。
剩下的语句解析部分,我就不在这里多说了,请有兴趣的网友自己找几条C语句对着上面的语法自顶向下过一遍。
下面我们开始分析MyC的语法解析源码,这些功能都由parse类完成。Parse类的构造函数接受两个参数:Io对象和Tok对象,这里Io对象主要就是两个用处,一个是在语法解析过程中记录当前源码的位置,另一个是输出些错误消息,因此这里我们就不放什么篇幅说明Io对象了。
1 2 3 4 5 6 7 | public Parse(Io i, Tok t) { io = i; tok = t; // 初始化静态变量列表 staticvar = new VarList(); } |
Parse对象创建之后,实际的解析过程是由program函数处理的 – 即在myc.cs的Main函数里调用,大致浏览下源码,你应该就可以发现函数命名跟前面的语法规则名非常重合,如program、outerDecl等函数,因为语法解析的函数思路都差不多,这里我挑几个关键的函数说明下:
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 | public void program() { // 准备要生成的模块信息 prolog(); // 循环消耗源码里的Token流 while (tok.NotEOF()) { // 虽然名字叫outerDecl,实际上包含了两条语法规则,即program // 规则里的outer_decl和func_decl outerDecl(); } // 错误处理 if (Io.genexe && !mainseen) io.Abort( "Generating executable with no main entrypoint" ); // 结束代码生成 epilog(); } |
MyC的语法很简单,因此在program函数里就一并将语法解析和代码生成做掉了。由于C语言是没有类的概念的,而.NET的IL却又是一个面向对象的中间语言,所以在program函数的一开始调用prolog函数,一方面是为正在编译的C程序生成一个默认的对象,另一方面,由于.NET的可执行文件Assembly实际上是可以由多个模块 – Module组成的,所以在prolog函数里也顺便生成了一个默认模块。下面是prolog函数的源码:
1 2 3 4 5 6 7 8 9 | void prolog() { // 创建代码生成对象 emit = new Emit(io); // 准备最终包含C程序的.NET模块 emit.BeginModule(); // need assembly module // 生成一个默认的类 emit.BeginClass(); } |
outerDecl函数里负责处理program的两个语法规则outer_decl和func_decl:
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 | void outerDecl() { // 保存当前解析的C语句中变量的信息,如变量名 // 函数名、变量类型等信息 Var e = new Var(); #if DEBUG Console.WriteLine( "outerDecl token=[" +tok+ "]\n" ); #endif // 记录当前源码位置,以便在结果IL文件(如果要生成IL的话) // 中保存位置信息 CommentHolder(); /* mark the position in insn stream */ // 处理 outer_decl 和 func_decl 规则共有的 [class] 规则 dataClass(e); // 处理 outer_decl 和 func_decl 规则共有的 type 规则 dataType(e); // 判断下一个字符是否是左括号,如果是的话,则按 // func_decl规则处理 if (io.getNextChar() == '(' ) declFunc(e); // 否则按outer_decl规则处理 else declOuter(e); } // 解析outer_decl语法规则的剩余部分 void declOuter(Var e) { #if DEBUG Console.WriteLine( "declOuter1 token=[" +tok+ "]\n" ); #endif // 前面在outerDecl函数里已经处理过 [class] 和 type 规则了 // 因此目前Token流的第一个Token时ident,也就是变量名 // 这里将变量名赋值给e - 即由outerDecl创建的变量名 e.setName(tok.getValue()); /* use value as the variable name */ // 将这个变量保存到全局变量列表里,以备后面语义分析时使用 addOuter(e); /* add this variable */ // 在结果语法树里创建一个变量声明节点 emit.FieldDef(e); /* issue the declaration */ // 如果当前语句有匹配 [class] 规则的部分,即语句的前面有static, // extern 这些关键字,把这个信息也保存到变量声明节点里,以便 // 后面生成代码时参考 if (e.getClassId() == Tok.T_DEFCLASS) e.setClassId(Tok.T_STATIC); /* make sure it knows its storage class */ // 处理 outer_decl 规则里 { "," ident } 这个多变量声明部分 // 即处理类似:int a, b, c; 这样的变量声明语句 // 这个过程是通过判断后面的Token是否是 ',' 来完成的 /* * loop while there are additional variable names */ while (io.getNextChar() == ',' ) { // 后面跟着 ',',那么先消化掉这个字符 tok.scan(); if (tok.getFirstChar() != ',' ) io.Abort( "Expected ','" ); // 向右扫描 tok.scan(); // 尝试找到一个匹配 ident 规则的Token if (tok.getId() != Tok.T_IDENT) io.Abort( "Expected identifier" ); // 找到一个变量名 - 即匹配 ident 规则的Token e.setName(tok.getValue()); /* use value as the variable name */ // 将这个新的全局变量添加到全局变量表里 addOuter(e); /* add this variable */ // 当然也要在结果语法树里保存这个变量声明节点 emit.FieldDef(e); /* issue the declaration */ if (e.getClassId() == Tok.T_DEFCLASS) e.setClassId(Tok.T_STATIC); /* make sure it knows its storage class */ } // 消化完前面的变量定义,看看后面跟着的字符是不是分号 - ';' /* * move beyond end of statement indicator */ tok.scan(); if (tok.getFirstChar() != ';' ) io.Abort( "Expected ';'" ); // 顺利解析完一条语句,扫尾处理 CommentFill(); tok.scan(); #if DEBUG Console.WriteLine( "declOuter2 token=[" +tok+ "]\n" ); #endif } |
【推荐】编程新体验,更懂你的AI,立即体验豆包MarsCode编程助手
【推荐】凌霞软件回馈社区,博客园 & 1Panel & Halo 联合会员上线
【推荐】抖音旗下AI助手豆包,你的智能百科全书,全免费不限次数
【推荐】博客园社区专享云产品让利特惠,阿里云新客6.5折上折
【推荐】轻量又高性能的 SSH 工具 IShell:AI 加持,快人一步
· PostgreSQL 和 SQL Server 在统计信息维护中的关键差异
· C++代码改造为UTF-8编码问题的总结
· DeepSeek 解答了困扰我五年的技术问题
· 为什么说在企业级应用开发中,后端往往是效率杀手?
· 用 C# 插值字符串处理器写一个 sscanf
· 为DeepSeek添加本地知识库
· 精选4款基于.NET开源、功能强大的通讯调试工具
· DeepSeek智能编程
· 大模型工具KTransformer的安装
· [计算机/硬件/GPU] 显卡