如何编写一个非常基本的编译器

高级编译器喜欢gcc根据代码的编写语言（例如C，C ++等）将代码编译为机器可读文件。实际上，它们根据相应语言的库和功能来解释每个代码的含义。如果我错了纠正我。

我希望通过编写一个非常基本的编译器（可能使用C语言）来编译静态文件（例如，文本文件中的Hello World）来更好地理解编译器。我尝试了一些教程和书籍，但所有这些都是针对实际案例的。它们处理具有与相应语言相关的含义的动态代码的编译。

如何编写基本的编译器以将静态文本转换为机器可读文件？

下一步将变量引入编译器。想象一下，我们想编写一个只编译某种语言功能的编译器。

引入实用的教程和资源受到高度赞赏：-)

介绍

典型的编译器执行以下步骤：

• 解析：将源文本转换为抽象语法树（AST）。
• 对其他模块的引用的解析（C将此步骤推迟到链接）。
• 语义验证：清除语法上不正确的语句，例如，无法访问的代码或重复的声明。
• 等效转换和高级优化：AST被转换为表示具有相同语义的更有效的计算。例如，这包括早期计算公共子表达式和常量表达式，消除过多的局部分配（另请参见SSA）等。
• 代码生成：具有跳转，寄存器分配等功能，将AST转换为线性低级代码。在此阶段可以内联一些函数调用，展开某些循环等。
• 窥孔优化：扫描低级代码以查找简单的本地效率低下的现象，并将其消除。

大多数现代编译器（例如gcc和clang）都重复最后两个步骤。他们使用中间的低级但与平台无关的语言来生成初始代码。然后，将该语言转换为平台特定的代码（x86，ARM等），并以平台优化的方式做大致相同的事情。这包括例如在可能的情况下使用向量指令，对指令进行重新排序以提高分支预测效率等。

之后，目标代码已准备好进行链接。大多数本机代码编译器都知道如何调用链接器以生成可执行文件，但这本身不是编译步骤。在Java和C＃等语言中，链接可能是完全动态的，由VM在加载时完成。

记住基础

• 让它起作用
• 使其美丽
• 提高效率

这个经典序列适用于所有软件开发，但需要重复。

专注于序列的第一步。创建可能可行的最简单的方法。

看书！

阅读Aho和Ullman撰写的《龙书》。这是经典之举，今天仍然非常适用。

现代编译器设计也受到称赞。

如果现在这些东西对您来说太难了，请先阅读一些有关解析的介绍。通常，解析库包括简介和示例。

确保您习惯使用图，尤其是树。这些东西是程序在逻辑级别上构成的。

很好地定义您的语言

使用所需的任何符号，但请确保您对语言有完整且一致的描述。这包括语法和语义。

现在是时候用您的新语言编写代码片段，作为将来编译器的测试用例。

使用您喜欢的语言

完全可以使用Python或Ruby或任何您喜欢的语言编写编译器。使用简单的算法，您会很好理解。第一个版本不必快速，高效或功能完善。它只需要足够正确并且易于修改。

如果需要的话，也可以用不同的语言编写编译器的不同阶段。

准备编写很多测试

您的整个语言都应包含在测试用例中；有效地将由他们来定义。熟悉您首选的测试框架。从第一天开始编写测试。专注于接受正确代码的“正”测试，而不是检测错误代码。

定期运行所有测试。在继续之前，请修复损坏的测试。最终使用无法接受有效代码的定义不明确的语言而感到遗憾。

创建一个好的解析器

解析器生成器很多。选择任何你想要的。您也可以从头开始编写自己的解析器，但它只是值得的，如果你的语言的语法是死的简单。

解析器应检测并报告语法错误。编写大量的测试用例，包括正数和负数；重用您在定义语言时编写的代码。

解析器的输出是一个抽象语法树。

如果您的语言具有模块，则解析器的输出可能是您生成的“目标代码”的最简单表示。有很多简单的方法可以将树转储到文件中并快速将其重新加载。

创建一个语义验证器

您的语言很可能允许在语法上正确的构造，这些构造在某些情况下可能毫无意义。一个示例是相同变量的重复声明或传递错误类型的参数。验证器将在树上检测到此类错误。

验证程序还将解析对使用您的语言编写的其他模块的引用，加载这些其他模块并在验证过程中使用。例如，此步骤将确保从另一个模块传递给函数的参数数量正确。

同样，编写并运行许多测试用例。在故障排除中，琐碎的案例与智能和复杂一样不可或缺。

产生程式码

使用您知道的最简单的技术。通常，直接将语言结构（如if语句）转换为轻量化的代码模板是可以的，与HTML模板不同。

同样，忽略效率，而专注于正确性。

定位与平台无关的低层虚拟机

我想除非您对特定于硬件的细节非常感兴趣，否则您将忽略低级内容。这些细节是复杂的。

您的选择：

• LLVM：通常针对x86和ARM，允许高效的机器代码生成。
• CLR：针对.NET，主要是基于x86 / Windows的；具有良好的准时性。
• JVM：面向Java世界，相当多平台，具有良好的JIT。

忽略优化

优化很难。优化几乎总是过早的。生成效率低下但正确的代码。在尝试优化结果代码之前，请实现整个语言。

当然，可以引入简单的优化。但是，在编译器稳定之前，请避免使用任何狡猾多毛的东西。

所以呢？

如果这一切对您来说都不是太吓人，请继续！对于简单的语言，每个步骤可能比您想象的要简单。

从编译器创建的程序中看到“ Hello world”可能是值得的。

Jack Crenshaw的“ 让我们构建一个编译器 ”虽然未完成，但却是引人入胜的引言和教程。

Nicklaus Wirth的《编译器构造》是一本很好的教科书，介绍了简单编译器构造的基础知识。他专注于自上而下的递归下降，让我们面对现实，这比lex / yacc或flex / bison更容易。他的小组编写的原始PASCAL编译器是通过这种方式完成的。

其他人也提到过各种龙书。

我实际上是从为Brainfuck编写编译器开始的。这是一种相当晦涩难懂的语言，但是只有8条指令可以实现。它尽可能地简单，如果发现语法不正确，则其中包含等效的C指令，可用于所涉及的命令。

如果您真的只想编写机器可读的代码，而不是针对虚拟机，那么您将必须阅读英特尔手册并了解

• 一种。链接和加载可执行代码

• b。COFF和PE格式（对于Windows），或者了解ELF格式（对于Linux）

• C。了解.COM文件格式（比PE更容易）
• d。了解组装商
• e。了解编译器和编译器中的代码生成引擎。

比说的难得多。我建议您阅读C ++的编译器和解释器作为起点（作者Ronald Mak）。另外，Crenshaw的“让编译器编译”也可以。

如果您不想这样做，也可以编写自己的VM并编写针对该VM的代码生成器。

• 另一个起点：http： //gnuu.org/2009/09/18/writing-your-own-toy-compiler/
• 肯尼思·劳登（Kenneth Louden）的《大书》：http ://www.amazon.com/Compiler-Construction-Principles-Kenneth-Louden/dp/0534939724

提示：首先学习Flex和Bison。然后继续构建自己的编译器/ VM。

祝好运！

简单编译器的DIY方法可能如下所示（至少这就是我的uni项目的外观）：

1. 定义语言的语法。上下文无关。
2. 如果您的语法还不是LL（1），请立即执行。请注意，在普通CF语法中看起来不错的一些规则可能看起来很丑。也许您的语言太复杂了...
3. 编写Lexer，将文本流切成标记（单词，数字，文字）。
4. 为您的语法编写自上而下的递归下降解析器，该解析器接受或拒绝输入。
5. 将语法树生成添加到解析器中。
6. 从语法树中编写机器代码生成器。
7. Profit＆Beer，或者您可以开始思考如何做更聪明的解析器或生成更好的代码。

应该有大量的文献详细描述每个步骤。