浅解代码编译原理笔记（转载）

资料来源：

https://www.cnblogs.com/goloving/p/14023881.html

一：编译目的

代码编译的目的是将源代码转换成机器能看懂的东西，从而运行代码。

机器能看懂的东西在不同环境下是不一样的。

这个机器能看懂的东西称为目标代码。

1. 如果源代码在操作系统上运行：目标代码就是“汇编代码”。再通过汇编和链接的过程形成可执行文件，然后通过加载器加载到操作系统执行。
2. 如果源代码在虚拟机(解释器)上运行：目标代码就是“解释器可以理解的中间形式的代码”，比如字节码(中间代码)IR、AST语法树。

编译过程可以分为这几个阶段，每个阶段做了一定的任务，层级的让下一个阶段进行。

二，流程

第一步：词法分析

词法分析的任务是提取里面的词（Token）

当把源代码送入编译器后编译器就要分析里面有什么东西，以便后面更好的分析。

第一步分析就读取里面有什么词（Token）

Token的类型包括：关键字、标识符、字面量、操作符、界符等

比如下面的C语言代码源文件，经过词法分析器识别出的token有：int、foo、a、b、=、+、return、(){}等token(懒得改例子了)

int foo(int a){
    int b = a + 3;
    return b;
}

第二步：语法分析

语法分析的任务是将词套入的模板中，生成程序的抽象语法树

语法就相当于一个模板，他里面的结构都是固定的，编译器尝试把词放入各种各样的语法中，以便后面直接根据语法来理解意思而不是根据孤立的词来去理解代码。

这个语法模板被称为：AST抽象语法树

比如上面的一段C语言代码，对应的AST抽象语法树如下所示：

AST抽象语法树：AST树长成什么样，与语法的结构有关。

比如上面C语言代码中对函数的语法定义如下：语法分析器就按照语法定义进行解析，就是从上到下匹配的过程。也就是先匹配function的规则，匹配函数类型type、函数名name、函数参数parameters、函数体；当匹配函数参数时，就去匹配parameters的规则；当匹配函数体时，函数体由一个个语句组成，就去匹配各个语句stmt的规则。

function := type name parameters functionBody
parameters:= parameter*                          
functionBody:= stmt returnStatement

第三步：语义分析

语义分析的任务是根据理解语句的意思，明白其要做什么，并生成：带有标注的AST”和符号表

比如+号要执行加法、=号要执行赋值、for结构要去实现循环、if结构实现判断。所以语义阶段要做的内容有：上下文分析（包括引用消解、类型分析与检查等）

引用消解：找到变量所在的作用域，一个变量作用范围属于全局还是局部。

类型识别：比如执行a+3，需要识别出变量a的类型，因为浮点数和整型执行不一样，要执行不同的运算方式。

类型检查：比如 int b = a + 3，是否可以进行定义赋值。等号右边的表达式必须返回一个整型的数据、或则能够自动转换成整型的数据，才能够对类型为整型的变量b进行复制。

比如之前的一段C语言代码，经过语义分析后获得的信息（引用消解信息、类型信息），可以在AST上进行标注，形成下面的“带有标注的语法树”，让编译器更好的理解程序的语义。

也会将这些上下文信息存入“符号表”结构中，便于各阶段查询上下文信息。

符号表是有层次的结构：我们只需要逐级向上查找就能找到变量、函数等的信息(作用域、类型等)

到这里，某些语言比如早期Lisp、简单教学型解释器就已经可以执行代码了，但是这样做的代码无法跨平台，而且效率低下

这个过程为：

实现AST的解释器：在语法分析后有了程序的抽象语法树，在语义分析后有了“带有标注的AST”和符号表后，就可以深度优先遍历AST，并且一边遍历一边执行结点的语义规则。整个遍历的过程就是执行代码的过程。

举一个解释执行的例子，比如执行下面的语义：

• 遇到语法树中的add “+”节点：把两个子节点的值进行相加，作为“+”节点的值。
• 遇到语法树中的变量节点(右值)：就取出变量的值。
• 遇到字面量比如数字2：返回这个字面量代表的数值2。

第四步：生成中间代码（IR）

对于不同架构的CPU，还需要生成不同的汇编代码，如果对每一种汇编代码做优化就很繁琐了。所以我们需要增加一个环节：生成中间代码IR，统一优化后中间代码，再去将中间代码生成目标代码。

到这里有两种路径，一些解释型语言比如python,java就可以直接根据IR运行代码。

而另外的编译型语言则是要生成汇编代码后才能运行，再次之前，要对IR进行优化

第五步：代码优化

一种方案：基于基本块作代码优化

分类：本地优化、全局优化、过程间优化

本地优化：可用表达式分析、活跃性分析

全局优化：基于控制流图CFG作优化。

控制流图CFG ：是一种有向图，它体现了基本块之前的指令流转关系，如果从BLOCK1的最后一条指令是跳转到 BLOCK2， 就连一条边，如果通过分析 CFG，发现某个变量在其他地方没有被使用，就可以把这个变量所在代码行删除。

过程间优化：跨越函数的优化，多个函数间作优化

1、优化案例：

代数优化：比如删除“x:=x+0 ”，乘法优化掉“x:=x乘以0” 可以简化成“x:=0”，乘法优化成移位运算：“x:=x*8”可以优化成“x:=x<<3”。

常数折叠：对常数的运算可以在编译时计算，比如 “x:= 20 乘以 3 ”可以优化成“x:=60”

删除公共子表达式：作“可用表达式分析”

x := a + b
y := a + b //优化成y := x

拷贝传播：作“可用表达式分析”

x := a + b
y := x
z := 2 * y //优化成z:= 2 * x

常数传播：

x := 20
y := 10
z := x + y//优化成z := 30

死代码删除：作变量的“活跃性分析”。活跃性分析（优化删除死代码，没用到的变量）

数据流分析：使用“半格理论”解决多路径的V值计算集合问题，不在代码下面集合的变量就是死代码。

第六步：目标代码生成

目标代码生成，也就是生成虚拟机执行的字节码，或者操作系统执行的汇编代码。

代码生成的过程，其实很简单，就是将中间代码IR逐个翻译成想要的汇编的代码

那么目标代码生成阶段的任务就有：

• 选择合适指令，生成性能最高的代码。
• 优化寄存器的分配，让频繁访问的变量，比如循环语句中的变量放到寄存器中，寄存器比内存快
• 在不改变运行结果下，对指令做重排序优化，从而充分运用CPU内部的多个功能部件的并行能力