一个编译器的实现0

前一阵做了个编译器（仅词法分析、语法分析、部分语义分析，所以说是前端），拿来分享一下，如有错误，欢迎批评指教！

整个代码库具有如下功能：

提供编译器所需基础数据结构、计算流程框架类，可供继承使用；
提供基础数据结构的可视化控件；
提供类似YACC的词法分析器、语法分析器自动生成功能；
提供Winform程序，集成和扩展上述功能，方便研究和应用。

本文及其后续系列将逐步给出所有工程源代码（visual studio 2010版本）。

上图展示一下先。

图1 词法、语法分析和结点匹配

图2 自动生成词法分析器、语法分析器

图3 自动生成词法分析器、语法分析器

图4 自动打印语法树

为了说清楚编译器这种东西，我想最好还是举例。

比如我们要为数学计算的表达式（Expression）设计一个编译器。（当然有很多方法可以实现读取数学表达式并计算结果的算法，未必使用编译原理）

来看一些数学表达式的例子：

19 * 19 - 18 * 18

(19 + 18) * (19 - 18)

18 +19 / (18 / 18)

a + (a + 1) + (a + 2) + (a + 3)

好了够了，大家能够了解本文所讨论的Expression的范围了。那么我们引入“文法”（Grammar）的概念。Expression的文法就是这样的：

我们分别展示出上述几个例子用文法展开的过程。

37: <Expression>

=> <Multiply> <PlusOpt>

=> <Unit> <MultiplyOpt>

=> number

19 * 19 - 18 * 18: <Expression>

=> <Multiply> <PlusOpt>

=> <Unit> <MultiplyOPt> "-" <Multiply>

=> number "*" <Unit> "-" <Unit> <MultiplyOpt>

=> number "*" number "-" number "*" <Unit>

=> number "*" number "-" number "*" number

(19 + 18) * (19 - 18): <Expression>

=> <Multiply> <PlusOpt>

=> <Unit> <MultiplyOpt>

=> "(" <Expression> ")" "*" <Unit>

=> "(" <Multiply> <PlusOpt> ")" "*" "(" <Expression> ")"

=> "(" <Unit> <MultiplyOpt> "+" <Multiply> ")" "*" "(" <Multiply> <PlusOpt> ")"

=> "(" number "+" <Unit> <MultiplyOpt> ")" "*" "(" <Unit> <MultiplyOpt> "-" <Multiply> ")"

=> "(" number "+" number ")" "*" "(" number "-" number <MultiplyOpt> ")"

=> "(" number "+" number ")" "*" "(" number "-" number ")"

写到这里就，其余例子大家自己试试~如果写不出来，后面的部分可能就不太容易看了。（试试写写，很快就写的比较熟练了）

总结一下“文法”（Grammar）。文法就是描述Expression的构成的，和英语的语法类似吧。有了文法，我们就可以写编译器了。

Expression的文法有5个式子，这5个式子就叫做“产生式”（Production），因为他们能从左边的结构产生（推导）出右边的结构来。一个文法至少有一个产生式，第一个产生式的左边的结点是初始结点，所有的推导都必须从初始结点（即第一个产生式）开始。

产生式（Production）左边叫做左部（左部只有始终一个结点），右边叫做右部（废话），中间用【::=】这个符号隔开。

右部由符号【|】分为若干部分，每一部分都是产生式可能推导出的一个结果，且每次只能选择其中一个进行推导。【null】表示什么也不推导出来。（这是个霸气的符号，不要觉得什么都不推导出来就不重要，恰恰相反，这个符号很重要）

为简化后文的说明，继续举例：<PlusOpt> ::= "+" <Multiply> | "-" <Multiply> | null;

对于这个产生式，其实是由三部分<PlusOpt> ::= "+" <Multiply>;和<PlusOpt> ::= "-" <Multiply>和<PlusOpt> ::= null;组成的，每一部分都称为一个“推导式”（Derivation）。

像【(19 + 18) * (19 - 18)】这样一个具体的“东西”，我们称之为一个“句子”（Sentence）。

明了了上述关于文法的东西，就可以进行编译器的设计了。

我们先搞搞清楚，编译器能做什么？以Expression的【19 * 19 - 18 * 18】为例，Expression的编译器首先要读取字符串格式的源代码，即：

1 var sentence = “19 * 19 - 18 * 18”;
2 var expLexicalAnalyzer = new LexicalAnalyzerExpression();
3 expLexicalAnalyzer.SetSourceCode(sentence);

然后，编译器进行词法分析，得到单词流（TokenList）。“流”这个东西，其实就是数组。

1 var tokens = expLexicalAnalyzer.Analyze();

在此例中，得到的单词流是这样的：

[19]$[Number]$[0,0]$[False]$[]
[*]$[Multiply]$[0,3]$[False]$[]
[19]$[Number]$[0,5]$[False]$[]
[-]$[Minus_]$[0,8]$[False]$[]
[18]$[Number]$[0,10]$[False]$[]
[*]$[Multiply_]$[0,13]$[False]$[]
[18]$[Number]$[0,15]$[False]$[]

第一个单词的意思是：这个单词是【19】，类别是【Number】，在源代码中第一个字符的位置是【行0, 列0】，是否错误的单词【False】，其它描述信息为【】（空，即木有描述信息））

然后是根据这个单词流分析出语法树：

1 var expSyntaxParser = new SyntaxParserExpression();
2 expSyntaxParser.SetTokenList(tokens);
3 var syntaxTree = expSyntaxParser.Parse();

得到的语法树是一个树的结构，可以表示如下：

<Expression>
├─<Multiply>
│ ├─<Unit>
│ │ └─number(19)
│ └─<MultiplyOpt>
│     ├─*
│     └─<Unit>
│        └─number(19)
└─<PlusOpt>
     ├─-
     └─<Multiply>
        ├─<Unit>
        │ └─number(18)
        └─<MultiplyOpt>
           ├─*
           └─<Unit>
              └─number(18)

从此树中可以看到，树的结构和上文的文法展开过程是对应的，并且树的叶结点从上到下组成了我们的例子【19 * 19 - 18 * 18】

然后就是语义分析了。到目前为止（据我所学到的），人类还没有完善的自动生成语义分析代码的能力。我们在此处就把”计算结果“作为语义分析的任务。仍以上例进行说明。各个叶结点的含义我们是知道的，【+】【-】【*】【/】代表运算，【number】代表数值，【identifier】代表变量名。那么在没有【identifier】的时候，数和数就直接算出结果来，有【identifier】就保留着不动。我们分别为Expression文法的各类结点都赋予语义：

<Expression>：将它的两个子结点进行运算或保留。

<Multiply>：将它的两个子结点进行运算或保留。

<PlusOpt>：去掉自己，用自己的子结点代替自己的位置。

<Unit>：去掉自己，用自己的子结点代替自己的位置。

<MultiplyOpt>：去掉自己，用自己的子结点代替自己的位置。

“+”：对自己的左右结点进行加法运算。

“-”：对自己的左右结点进行减法运算。

“*”：对自己的左右结点进行乘法运算。

“/”：对自己的左右结点进行除法运算。

identifier：保持不变。

number：保持不变。

“(“：若自己右部的<Expression>成为数字或单一的【identifier】，则去掉自己，去掉<Expression>右部的”)”；否则不变。

“)”：保持不变。

上例经过语义分析（对语法树自顶向下进行递归分析其语义），就得到一个数值”37“。

语义分析的伪代码如下：

语义分析伪代码

 1 SyntaxTreeExpression SemanticAnalyze(SyntaxTree root)
 2 
 3 {
 4 
 5     switch(root.NodeType)
 6 
 7     {
 8 
 9     case EnumTreeNodeType.Expression:
10 
11           return Cacul(SemanticAnalyze(root.Children[0]),SemanticAnalyze(root.Children[1]));
12 
13           break;
14 
15     case EnumTreeNodeType.Multiply:
16 
17           return Cacul(SemanticAnalyze(root.Children[0]),SemanticAnalyze(root.Children[1]));
18 
19           break;
20 
21     case EnumTreeNodeType.PlusOpt:
22 
23           var child = SemanticAnalyze(root.Children[0]);
24 
25           var child2 = SemanticAnalyze(root.Children[1]);
26 
27           root.parent.Children[1] = child; root.parent.Children[2] = child2;
28 
29           break;
30 
31     case EnumTreeNodeType.Unit:
32 
33           root.parent.Children[0] = root.Children[0];
34 
35           break;
36 
37     //…
38 
39     case EnumTreeNodeType.Plus:// “+”
40 
41           return Calcu(SemanticAnalyze(root.parent.Children[0]), SemanticAnalyze(root.parent.Children[2]));
42 
43           break;
44 
45     //…
46 
47 }

语义分析完成，我们这个编译器前端也就大功告成了。

所以这个编译器要实现的东西大体感觉就是这样的。虽然单单对Expression进行编译分析是没多大意思的，但是这个例子在足够简单的同时，又足够典型，等我们把这个例子实现了，再复杂的编译器也都能做出来了。编译器制作步骤比较多，工作量也大，如果一上来就抱着完整的C语言文法来做，等于把自己埋在深不见底的BUG海洋中活活淹死。

以后实现了编译器的语法分析后，就可以自动生成示例中的语法树了，其实这也算是一种语义分析。

后面系列文章将给出具体的设计和实现过程，以及完整的工程代码。敬请关注！

关于本系列有什么好的建议，也请提出来，O(∩_∩)O谢谢！

PS：下面给出【(19 + 18) * (19 - 18)】的语法树，供大家学习参考，也方便后续文章讲解。

<Expression>
├─<Multiply>
│ ├─<Unit>
│ │ ├─(
│ │ ├─<Expression>
│ │ │ ├─<Multiply>
│ │ │ │ ├─<Unit>
│ │ │ │ │ └─number(19)
│ │ │ │ └─<MultiplyOpt>
│ │ │ │     └─null
│ │ │ └─<PlusOpt>
│ │ │     ├─+
│ │ │     └─<Multiply>
│ │ │        ├─<Unit>
│ │ │        │ └─number(18)
│ │ │        └─<MultiplyOpt>
│ │ │           └─null
│ │ └─)
│ └─<MultiplyOpt>
│     ├─*
│     └─<Unit>
│        ├─(
│        ├─<Expression>
│        │ ├─<Multiply>
│        │ │ ├─<Unit>
│        │ │ │ └─number(19)
│        │ │ └─<MultiplyOpt>
│        │ │     └─null
│        │ └─<PlusOpt>
│        │     ├─-
│        │     └─<Multiply>
│        │        ├─<Unit>
│        │        │ └─number(18)
│        │        └─<MultiplyOpt>
│        │           └─null
│        └─)
└─<PlusOpt>
     └─null