编译原理笔记 —— 第一章：绪论

绪论

00. 高级语言、汇编语言、机器语言的特点

• 机器语言(Machine Language)的特点

  • 可以被计算机直接理解
  • 与人类表达习惯相去甚远
  • 难记忆
  • 难编写、难阅读
  • 易写错

• 汇编语言(Assembly Language)的特点

  • 引入助记符
  • 依赖于特定机器， 非计算机专业人员使用受限制
  • 编写效率依然很低

• 高级语言 (High Level Language)特点

  • 类似于数学定义或自然语言的简洁形式
  • 接近人类表达习惯
  • 不依赖于特定机器
  • 编写效率高

01. 关于概念

• 汇编指令：用符号表示的指令被称为汇编指令
• 汇编语言：汇编指令的集合称为汇编语言
• 转换(也被称为预处理)：高级语言之间的翻译，如FORTRAN到ADA的转换
• 编译：高级语言直接翻译成机器语言或者汇编语言，这两个翻译过程称为编译
• 汇编：从汇编语言到机器语言的翻译被称为汇编
• 反汇编：把机器语言翻译成汇编语言
• 反编译：把汇编语言翻译成高级语言

02. 编译器在语言处理系统中的位置

• 从源程序到目标机器代码的过程

• 预处理器 (Preprocessor)：把存储在不同文件中的源程序聚合在一起，把被称为宏的缩写语句转换为原始语句
• 可重定位(Relocatable)： 在内存中存放的起始位置L不是固定的
• 加载器： 修改可重定位地址； 将修改后的指令和数据放到内存中适当的位置
• 起始位置 +相对地址=绝对地址
• 链接器：将多个可重定位的机器代码文件（包括库文件） 连接到一起，解决外部内存地址问题

03. 编译器的结构

• 分析部分/前端（front end）与源语言相关
  • 词法分析器
  • 语法分析器
  • 语义分析器
  • 中间代码生成器
• 综合部分/后端（back end）：与目标语言相关
  • 目标代码生成器
  • 机器相关代码优化器

04. 词法分析/扫描(Scanning)

• 词法分析的主要任务
• 从左向右逐行扫描源程序的字符，识别出各个单词，确定单词的类型。 将识别出的单词转换成统一的机内表示——词法单元(token)形式 token：< 种别码，属性值 >

编号	单词类型	种别	种别码
1	关键字	program、if、else、then、…	一词一码
2	标识符	变量名、数组名、记录名、过程名、…	多词一码
3	常量	整型、浮点型、字符型、布尔型、…	一型一码
4	运算符	算术( + - * / ++ -- ) 关系( > < == != >= <= ) 逻辑( & | ~ )	一词一码 或 一型一码
5	界限符	( ) = { } …	一词一码

05. 词法分析后得到的token序列

• 输入：while(value!=100){num++;}
• 输出的token序列

1. while  < WHILE , - >
2. (  < SLP , - >
3. value  < IDN , value >
4. !=  < NE , - >
5. 100  < CONST , 100 >
6. )  < SRP , - >
7. {   < LP , - >
8. num  < IDN , num >
9. ++  < INC , - >
10. ;  < SEMI , - >
11. }  < RP , - >

06. 语法分析 ( parsing)

• 语法分析器parser从词法分析器输出的token序列中 识别出各类短语，并构造语法分析树parse tree
• 语法分析树描述了句子的语法结构

• 赋值语句的分析树

• 变量声明语句的分析树
  • 输入：int a , b , c ;
  • 文法：
    • -> ;
    • -> int | real | char | bool
    • -> id | , id
  • 图示：

07. 语义分析

• 语义分析的主要任务：

• 收集标识符的属性信息

  • 种属 (Kind)

    • 简单变量、复合变量（数组、记录、…）、过程、…

  • 类型 (Type)

    • 整型、实型、字符型、布尔型、指针型、…

  • 存储位置、长度

  • 值

  • 作用域

  • 参数和返回值信息

    • 参数个数、参数类型、参数传递方式、返回值类型、…

• 语义检查

  • 变量或过程未经声明就使用
  • 变量或过程名重复声明
  • 运算分量类型不匹配
  • 操作符与操作数之间的类型不匹配
  • 数组下标不是整数
  • 对非数组变量使用数组访问操作符
  • 对非过程名使用过程调用操作符
  • 过程调用的参数类型或数目不匹配
  • 函数返回类型有误

08. 中间代码生成

8.1 常用的中间表示形式

• 三地址码 (Three-address Code)
  • 三地址码由类似于汇编语言的指令序列组成， 每个指令最多有三个操作数(operand)
• 语法结构树/语法树 (Syntax Trees)

8.2 三地址指令

• 常用的三地址指令:

• 地址可以具有如下形式之一
  • 源程序中的名字 (name )
  • 常量 (constant)
  • 编译器生成的临时变量 (temporary )

• 三地址指令的表示
  • 四元式 (Quadruples)
    • (op, y, z, x)
  • 三元式(Triples)
  • 间接三元式 (Indirect triples)

8.3 三地址指令的四元式表示

8.4 中间代码生成的例子

8.5 编译器的结构

• 目标代码生成以源程序的中间表示形式作为输入，并把它映射到目标语言
• 目标代码生成的一个重要任务 是为程序中使用的变量合理分配寄存器
• 代码优化
  • 为改进代码所进行的等价程序变换，使其运行得更快一些、占用空间更少一 些，或者二者兼顾

• 代码优化：
  • 机器无关代码优化
  • 机器相关代码优化

09. 编译器与解释器

1. 语言翻译的两种基本形态

• 编译器
• 解释器

• 解释器与编译器的主要区别:运行目标程序时的控制权在解释器而不在目标程序.

2. 编译器与解释器各自的特点

• 编译器:工作效率高,即时间快、空间省；交互性与动态性差,可移植性差
• 解释器:工作效率低,即时间慢、空间费；交互性与动态性好,可移植性好

• 共同点
  • 均完成对源程序的翻译.
• 差异
  • 编译器采用先翻译后执行,解释器采用边翻译边执行

10.编译器的工作原理与基本组成

1. 通用程序设计语言的主要成份 声明＋操作＝完整定义

2. 以过程为基本结构的程序设计语言的组成

• 声明性语句：提供操作对象的性质，如数据类型、值、作用域等；
• 操作性语句：确定操作的计算次序，完成实际操作。
• 过程定义 = 过程头＋过程体

3. 以阶段划分编译器

注：符号表管理器和出错处理贯穿编译器工作的各个阶段

4. 编译器各阶段工作

1> 词法分析：词法分析的输入是源程序,输出是识别出的记号流.目的是识别单词. 至少分以下几类：关键字(保留字)、标识符、字面量、特殊符号

2> 语法分析： 输入是词法分析器返回的记号流,输出是语法树.目的是得到语言结构并以树的形式表示.对于声明性语句,进行符号表的查填,对于可执行语句,检查结构合理的表达式运算是否有意义.

3> 语义分析：根据语义规则对语法树中的语法单元进行静态语义检查,如类型检查和转换等,目的在于保证语法正确的结构在语义分析上也是合法的.

4> 中间代码生成(可选)：生成一种既接近目标语言,又与具体机器无关的表示,便于代码优化与代码生成.

(到目前为止，编译器与解释器可以一致)

5> 中间代码优化(可选)：局部优化、循环优化、全局优化等；优化实际上是一个等价变换，变换前后的指令序列完成同样的功能，但在占用的空间上和程序执行的时间上都更省、更有效

6> 目标代码生成：不同形式的目标代码 — 汇编语言形式、可重定位二进制代码形式、内存形式Load-and-Go

7> 符号表管理：合理组织符号,便于各阶段查找填写等.

8> 出错处理：

1. 动态错误：源程序中的逻辑错误，发生在程序运行的时候。也称为动态语义错误
2. 静态错误：静态错误分为语法错误和静态语义错误.
   1. 语法错误：有关语言结构上的错误，如单词拼写错误、表达式缺少操作数、begin和end不匹配
   2. 静态语义错误：分析源程序时可以发现的语言意义上的错误，如加法的两个操作数一个是整形变量，另一个是数组名

5. 编译器的分析 - 综合模式

• 逻辑上把编译器分为分析(前端)部分和综合(后端)部分.
  • 分析(前端)：语言结构和意义的分析； 从词法分析到中间代码生成各阶段的工作
  • 综合(后端)：语言意义处理；从中间代码生成到目标代码生成的各阶段的工作
  • 编译器和解释器的区别往往是在形成中间代码之后开始的.

11. 编译器扫描的遍数

• 每个阶段将程序完整分析一遍的工作模式称为一遍扫描。
  • 将源程序或源程序的某种形式的中间表示完整分析一遍，亦称作一遍扫描