文章目录
- 参考
- 框架
- 设计
- vm指令集
- 分配空间
- 词法分析
- 语法分析
- 递归下降
- 表达式
- 优先级爬山
参考
https://lotabout.me/2015/write-a-C-interpreter-1/
https://github.com/archeryue/cpc
https://www.bilibili.com/video/BV1Kf4y1V783/?vd_source=a1be939c65919194c77b8a6a36c14a6e
框架
工业级别编译器分前端和后端
前端(parser):源代码->中间代码(IR或者虚拟机指令)
- 词法分析(tokenize):告诉计算机每个词是啥意思,分出很多token词
- 语法分析:解析语句,然后生成中间代码或者抽象语法树
后端: 中间代码->目标代码
- optimizer(优化器 最难最核心) :中间代码->中间
- codegenerate:中间->最终目标代码(如果是物理架构 就会翻译为对应的X86架构等 虚拟机的话就会翻译为字节码 ) LLVM就是根据目标平台将IR字节码翻译到最终的目标代码
设计
- 前后端合一,无中间优化,直接生成中间代码来通过解释器(自定义VM)执行
- 边词法分析边语法分析同时生成字节码 (变量声明必须在开头)
计算基于register和stack顶
- register:pc/sp/bp/ax
- memory: code/data(静态变量/字面量)/stack
- 指令集:save&load(mem<->register)/ 计算指令(算术 位 逻辑)/跳转(无条件 有条件 比较)/native call(IO: printf orw / 动态内存分配: malloc/free/memset )
PC 程序计数器,它存放的是一个内存地址,该地址中存放着 下一条 要执行的计算机指令。
SP 指针寄存器,永远指向当前的栈顶。注意的是由于栈是位于高地址并向低地址增长的,所以入栈时 SP 的值减小。
BP 基址指针。也是用于指向栈的某些位置,在调用函数时会使用到它。
AX 通用寄存器,我们的虚拟机中,它用于存放一条指令执行后的结果。
vm指令集
- save/load: imm / lea / lc / li /sc / si /push
- 运算:add /sub / mul /div /mod /or /xor /and / shc /shr
- 分支跳转: jmp/jz / jnz /call /nvar /darg / re
- native call: orw / close / printf / malloc /free / memset /exit /memcmp
while (1) {
cycle++; op = *pc++; // read instruction
// load & save
if (op == IMM) ax = *pc++; // load immediate(or global addr)
else if (op == LEA) ax = (int)(bp + *pc++); // load local addr
else if (op == LC) ax = *(char*)ax; // load char
else if (op == LI) ax = *(int*)ax; // load int
else if (op == SC) *(char*)*sp++ = ax; // save char to stack
else if (op == SI) *(int*)*sp++ = ax; // save int to stack
else if (op == PUSH) *--sp = ax; // push ax to stack
// jump
else if (op == JMP) pc = (int*)*pc; // jump
else if (op == JZ) pc = ax ? pc + 1 : (int*)*pc; // jump if ax == 0
else if (op == JNZ) pc = ax ? (int*)*pc : pc + 1; // jump if ax != 0
// arithmetic
else if (op == OR) ax = *sp++ | ax;
else if (op == XOR) ax = *sp++ ^ ax;
else if (op == AND) ax = *sp++ & ax;
else if (op == EQ) ax = *sp++ == ax;
else if (op == NE) ax = *sp++ != ax;
else if (op == LT) ax = *sp++ < ax;
else if (op == LE) ax = *sp++ <= ax;
else if (op == GT) ax = *sp++ > ax;
else if (op == GE) ax = *sp++ >= ax;
else if (op == SHL) ax = *sp++ << ax;
else if (op == SHR) ax = *sp++ >> ax;
else if (op == ADD) ax = *sp++ + ax;
else if (op == SUB) ax = *sp++ - ax;
else if (op == MUL) ax = *sp++ * ax;
else if (op == DIV) ax = *sp++ / ax;
else if (op == MOD) ax = *sp++ % ax;
// some complicate instructions for function call
// call function: push pc + 1 to stack & pc jump to func addr(pc point to)
else if (op == CALL) {*--sp = (int)(pc+1); pc = (int*)*pc;}
// new stack frame for vars: save bp, bp -> caller stack, stack add frame
else if (op == NVAR) {*--sp = (int)bp; bp = sp; sp = sp - *pc++;}
// delete stack frame for args: same as x86 : add esp, <size>
else if (op == DARG) sp = sp + *pc++;
// return caller: retore stack, retore old bp, pc point to caller code addr(store by CALL)
else if (op == RET) {sp = bp; bp = (int*)*sp++; pc = (int*)*sp++;}
// end for call function.
// native call
else if (op == OPEN) {ax = open((char*)sp[1], sp[0]);}
else if (op == CLOS) {ax = close(*sp);}
else if (op == READ) {ax = read(sp[2], (char*)sp[1], *sp);}
else if (op == PRTF) {tmp = sp + pc[1] - 1; ax = printf((char*)tmp[0], tmp[-1], tmp[-2], tmp[-3], tmp[-4], tmp[-5]);}
else if (op == MALC) {ax = (int)malloc(*sp);}
else if (op == FREE) {free((void*)*sp);}
else if (op == MSET) {ax = (int)memset((char*)sp[2], sp[1], *sp);}
else if (op == MCMP) {ax = memcmp((char*)sp[2], (char*)sp[1], *sp);}
else if (op == EXIT) {printf("exit(%lld)\n", *sp); return *sp;}
else {printf("unkown instruction: %lld, cycle: %lld\n", op, cycle); return -1;}
}
分配空间
首先读文件到分配的空间里
然后分配代码段 数据段 栈段 符号表
int init_vm() {
// allocate memory for virtual machine
if (!(code = code_dump = malloc(MAX_SIZE))) {
printf("could not malloc(%lld) for code segment\n", MAX_SIZE);
return -1;
}
if (!(data = malloc(MAX_SIZE))) {
printf("could not malloc(%lld) for data segment\n", MAX_SIZE);
return -1;
}
if (!(stack = malloc(MAX_SIZE))) {
printf("could not malloc(%lld) for stack segment\n", MAX_SIZE);
return -1;
}
if (!(symbol_table = malloc(MAX_SIZE / 16))) {
printf("could not malloc(%lld) for symbol_table\n", MAX_SIZE / 16);
return -1;
}
memset(code, 0, MAX_SIZE);
memset(data, 0, MAX_SIZE);
memset(stack, 0, MAX_SIZE);
memset(symbol_table, 0, MAX_SIZE / 16);
return 0;
}
词法分析
词法分析函数就是根据扫描到的字符来确定类型
symbol_ptr是符号表指针
- 数字或者字符组成就会放到符号表里,这里会遍历符号表,查看是否有相同的符号,有就直接返回这个符号,没有就会导入,返回token是ID类型
// add new symbol
symbol_ptr[Name] = (int)ch_ptr; // 字符串的地址
symbol_ptr[Hash] = token; // 这里的token是之前计算的哈希值
token = symbol_ptr[Token] = Id; // 这里ID是一个枚举值,代表该符号的token是个ID(标识符)
- 纯数字会根据进制解析,返回token是数字类型
- 字符和字符串, 这里char是当作num类型的,另外字符串中可能包含转义字符,这里也要处理
// handle string & char
else if (token == '"' || token == '\'') { // 单引号和双引号
ch_ptr = data;
while (*src != 0 && *src != token) { // 解析知道遇到单引号或者双引号
if ((token_val = *src++) == '\\') { //遇到斜杠
// only support escape char '\n'
if ((token_val = *src++) == 'n') token_val = '\n'; // 当转义字符
}
// store string to data segment
if (token == '"') *data++ = token_val; // 如果是字符串 将字符存进data段里
}
src++;
if (token == '"') token_val = (int)ch_ptr; // 结束字符是双引号 token_val是字符起始地址
// single char is Num
else token = Num; // char 当Num返回
return;
}
- 注释符和除法
else if (token == '/') { // 是除号
if (*src == '/') { // 当前字符也是除号
// skip comments
while (*src != 0 && *src != '\n') src++; // 认为是注释跳过注释内容
} else { // 一个除
// divide
token = Div; // token返回除号类型
return;
}
}
- 运算符号,除了部分符号是直接返回的,大部分符号都是需要返回对应的操作类型
// handle all kinds of operators, copy from c4.
else if (token == '=') {if (*src == '=') {src++; token = Eq;} else token = Assign; return;}
else if (token == '+') {if (*src == '+') {src++; token = Inc;} else token = Add; return;}
else if (token == '-') {if (*src == '-') {src++; token = Dec;} else token = Sub; return;}
else if (token == '!') {if (*src == '=') {src++; token = Ne;} return;}
else if (token == '<') {if (*src == '=') {src++; token = Le;} else if (*src == '<') {src++; token = Shl;} else token = Lt; return;}
else if (token == '>') {if (*src == '=') {src++; token = Ge;} else if (*src == '>') {src++; token = Shr;} else token = Gt; return;}
else if (token == '|') {if (*src == '|') {src++; token = Lor;} else token = Or; return;}
else if (token == '&') {if (*src == '&') {src++; token = Land;} else token = And; return;}
else if (token == '^') {token = Xor; return;}
else if (token == '%') {token = Mod; return;}
else if (token == '*') {token = Mul; return;}
else if (token == '[') {token = Brak; return;}
else if (token == '?') {token = Cond; return;}
else if (token == '~' || token == ';' || token == '{' || token == '}' || token == '(' || token == ')' || token == ']' || token == ',' || token == ':') return;
void tokenize() {
char* ch_ptr;
while((token = *src++)) {
if (token == '\n') line++;
// skip marco
else if (token == '#') while (*src != 0 && *src != '\n') src++;
// handle symbol
else if ((token >= 'a' && token <= 'z') || (token >= 'A' && token <= 'Z') || (token == '_')) {
ch_ptr = src - 1;
while ((*src >= 'a' && *src <= 'z') || (*src >= 'A' && *src <= 'Z')
|| (*src >= '0' && *src <= '9') || (*src == '_'))
// use token store hash value
token = token * 147 + *src++;
// keep hash
token = (token << 6) + (src - ch_ptr);
symbol_ptr = symbol_table;
// search same symbol in table
while(symbol_ptr[Token]) {
if (token == symbol_ptr[Hash] && !memcmp((char*)symbol_ptr[Name], ch_ptr, src - ch_ptr)) {
token = symbol_ptr[Token];
return;
}
symbol_ptr = symbol_ptr + SymSize;
}
// add new symbol
symbol_ptr[Name] = (int)ch_ptr;
symbol_ptr[Hash] = token;
token = symbol_ptr[Token] = Id;
return;
}
// handle number
else if (token >= '0' && token <= '9') {
// DEC, ch_ptr with 1 - 9
if ((token_val = token - '0'))
while (*src >= '0' && *src <= '9') token_val = token_val * 10 + *src++ - '0';
//HEX, ch_ptr with 0x
else if (*src == 'x' || *src == 'X')
while ((token = *++src) && ((token >= '0' && token <= '9') || (token >= 'a' && token <= 'f')
|| (token >= 'A' && token <= 'F')))
// COOL!
token_val = token_val * 16 + (token & 0xF) + (token >= 'A' ? 9 : 0);
// a?ascll?? 97 mod 16 =1 ? 0xf ? 1 + (token >= 'A' ? 9 : 0)
// OCT, start with 0
else while (*src >= '0' && *src <= '7') token_val = token_val * 8 + *src++ - '0';
token = Num;
return;
}
// handle string & char
else if (token == '"' || token == '\'') {
ch_ptr = data;
while (*src != 0 && *src != token) {
if ((token_val = *src++) == '\\') {
// only support escape char '\n'
if ((token_val = *src++) == 'n') token_val = '\n';
}
// store string to data segment
if (token == '"') *data++ = token_val;
}
src++;
if (token == '"') token_val = (int)ch_ptr;
// single char is Num
else token = Num;
return;
}
// handle comments or divide
else if (token == '/') {
if (*src == '/') {
// skip comments
while (*src != 0 && *src != '\n') src++;
} else {
// divide
token = Div;
return;
}
}
// handle all kinds of operators, copy from c4.
else if (token == '=') {if (*src == '=') {src++; token = Eq;} else token = Assign; return;}
else if (token == '+') {if (*src == '+') {src++; token = Inc;} else token = Add; return;}
else if (token == '-') {if (*src == '-') {src++; token = Dec;} else token = Sub; return;}
else if (token == '!') {if (*src == '=') {src++; token = Ne;} return;}
else if (token == '<') {if (*src == '=') {src++; token = Le;} else if (*src == '<') {src++; token = Shl;} else token = Lt; return;}
else if (token == '>') {if (*src == '=') {src++; token = Ge;} else if (*src == '>') {src++; token = Shr;} else token = Gt; return;}
else if (token == '|') {if (*src == '|') {src++; token = Lor;} else token = Or; return;}
else if (token == '&') {if (*src == '&') {src++; token = Land;} else token = And; return;}
else if (token == '^') {token = Xor; return;}
else if (token == '%') {token = Mod; return;}
else if (token == '*') {token = Mul; return;}
else if (token == '[') {token = Brak; return;}
else if (token == '?') {token = Cond; return;}
else if (token == '~' || token == ';' || token == '{' || token == '}' || token == '(' || token == ')' || token == ']' || token == ',' || token == ':') return;
}
}
- 首先会讲一些关键字放进符号表里面,这些符号的Token会被设置为对应的关键字中枚举值对应的值,也就是哪个关键字类型
OPEN开始的关键字放入符号表后还会设置Class(类型)和type(返回值)和value(对应的关键字枚举值),这里的Token为ID类型枚举值
void keyword() {
int i;
src = "char int enum if else return sizeof while "
"open read close printf malloc free memset memcmp exit void main";
// add keywords to symbol table
i = Char; while (i <= While) {tokenize(); symbol_ptr[Token] = i++;}
// add Native CALL to symbol table
i = OPEN; while (i <= EXIT) {
tokenize();
symbol_ptr[Class] = Sys;
symbol_ptr[Type] = INT;
symbol_ptr[Value] = i++;
}
tokenize(); symbol_ptr[Token] = Char; // handle void type
tokenize(); main_ptr = symbol_ptr; // keep track of main
src = src_dump; //复制过来的地址
}
else if (tmp_ptr[Class] == Num) {
*++code = IMM; *++code = tmp_ptr[Value]; type = INT;
}
语法分析
语法:词->句子
语义:就是表达的意思
文法:语法的合集
- program=var_define | fun_define
- var_define=enum_define | vari_define
vari_define=type [*] Id [ ,] [*] ld ;
enum_define= enum ld { ld=1, ld=2,……};
- fun_define = type ld (param) { statment }
1. param= type [*] Id [ ,] type [*] ld ;
2. statement= if_statment|while_statment|return_statement|empty_statement|normal_statement
3. normal_statement= expression;
通过递归下降的方法逐层分解,直到表达式,表达式通过优先级爬上
这里语法分析和词法分析其实是一起的,先词法分析,然后再语法分析
-
这里praser先分解析声明语句也就是
enum_define | vari_define| fun_define
这三种,通过先解析token来知道类型(Enum 还是Char 和Int) -
Enum是
Enum { } or Enum ID { }
assert是判断当前token是不是某个类型,然后解析下一个token
if (token == Enum) {
assert(Enum);
if (token != '{') assert(Id); // skip enum name
assert('{'); parse_enum(); assert('}');
}
//这里是{}里面的值,一般是{ID=1,ID=2,ID……}类似这种形式
void parse_enum() {
int i;
i = 0; // enum index
while (token != '}') {
check_new_id();
assert(Id); //ID
// handle custom enum index
if (token == Assign) { assert(Assign); assert(Num); i = token_val;} // =num
symbol_ptr[Class] = Num;
symbol_ptr[Type] = INT;
symbol_ptr[Value] = i++; // num 后面的是要+1
if (token == ',') tokenize(); //解析ID
}
}
- INT /Char ID ;或者 INT /Char ID ( ) { }
else if (token == Int || token == Char) {
base_type = parse_base_type(); // 确保当前的token是基本类型,然后同时会解析下一个token
// parse var or func definition
while (token != ';' && token != '}') {
// parse pointer's star
type = base_type;
while (token == Mul) {assert(Mul); type = type + PTR;} // INT/Char *
check_new_id(); // ID是新的,不能一个变量名声明两次
assert(Id);
symbol_ptr[Type] = type;
if (token == '(') { //函数
// function
symbol_ptr[Class] = Fun;
symbol_ptr[Value] = (int)(code + 1); //设置等会要转换的字节码要存储的函数起始地址
assert('('); parse_param(); assert(')'); assert('{');
parse_fun();
} else { //变量
// variable
symbol_ptr[Class] = Glo;
symbol_ptr[Value] = (int)data; //当前变量的值在data上的位置,还没初始化
data = data + 8; // keep 64 bits for each var
}
// handle int a,b,c;
if (token == ',') assert(',');
}
}
int ibp;
void parse_param() {
int type, i;
i = 0;
while (token != ')') {
type = parse_base_type(); // 解析type
// parse pointer's star
while (token == Mul) {assert(Mul); type = type + PTR;} // 多重指针
check_local_id(); //当前解析的token是ID并且它的type不是局部的
assert(Id);
hide_global(); //设置重名的Class Type Value到全局去
symbol_ptr[Class] = Loc;
symbol_ptr[Type] = type;
symbol_ptr[Value] = i++; //第几个参数
if (token == ',') assert(',');
}
ibp = ++i;
}
void hide_global() {
symbol_ptr[GClass] = symbol_ptr[Class];
symbol_ptr[GType] = symbol_ptr[Type];
symbol_ptr[GValue] = symbol_ptr[Value];
}
- 解析函数体。先解析变量声明,然后有开辟栈帧的语句,然后解析语句,最后加个ret,然后将是loc的符号表恢复 (因为解析函数)
void parse_fun() {
int type, i;
i = ibp; // bp handle by NVAR itself.
// local variables must be declare in advance
while (token == Char || token == Int) {
type = parse_base_type();
while (token != ';') {
// parse pointer's star
while (token == Mul) {assert(Mul); type = type + PTR;}
check_local_id(); assert(Id);
hide_global();
symbol_ptr[Class] = Loc;
symbol_ptr[Type] = type;
symbol_ptr[Value] = ++i;
if (token == ',') assert(',');
}
assert(';');
}
// new stack frame for vars
*++code = NVAR;
// stack frame size
*++code = i - ibp;
while (token != '}') parse_stmt(); //解析所有的语句
if (*code != RET) *++code = RET; // void function void没有ret,此时设置个ret
// recover global variables
symbol_ptr = symbol_table;
while (symbol_ptr[Token])
{
if (symbol_ptr[Class] == Loc) recover_global();
symbol_ptr = symbol_ptr + SymSize;
}
}
void recover_global() {
symbol_ptr[Class] = symbol_ptr[GClass];
symbol_ptr[Type] = symbol_ptr[GType];
symbol_ptr[Value] = symbol_ptr[GValue];
}
- 解析语句,有if while return {} ;赋值表达式语句,然后转换为对应的字节码
- if 语句是()里面的条件表达式满足为0则跳转到else部分, 否则就执行为true的部分
void parse_stmt() {
int* a;
int* b;
if (token == If) { //if 语句
assert(If); assert('('); parse_expr(Assign); assert(')');
*++code = JZ; b = ++code; // JZ to false
parse_stmt(); // parse true stmt
if (token == Else) {
assert(Else);
*b = (int)(code + 3); // write back false point
*++code = JMP; b = ++code; // JMP to endif
parse_stmt(); // parse false stmt
}
*b = (int)(code + 1); // write back endif point
}
else if (token == While) { // while 语句
assert(While);
a = code + 1; // write loop point
assert('('); parse_expr(Assign); assert(')');
*++code = JZ; b = ++code; // JZ to endloop
parse_stmt();
*++code = JMP; *++code = (int)a; // JMP to loop point
*b = (int)(code + 1); // write back endloop point
}
else if (token == Return) { //return 语句
assert(Return);
if (token != ';') parse_expr(Assign);
assert(';');
*++code = RET;
}
else if (token == '{') { // { { } 语句
assert('{');
while (token != '}') parse_stmt(Assign);
assert('}');
}
else if (token == ';') assert(';'); // ; 空语句
else {
parse_expr(Assign); assert(';'); // 赋值语句当作表达式 而不是语句
}
}
递归下降
手把手教你构建 C 语言编译器(4)- 递归下降
<expr> ::= <expr> + <term>
| <expr> - <term>
| <term>
<term> ::= <term> * <factor>
| <term> / <factor>
| <factor>
<factor> ::= ( <expr> )
| Num
上面是解析表达式的递归下降的方法
表达式
- statement : 做什么 if while return
- expression:求值 2+3 4*5
赋值语句是有个返回值,看作表达式
if ((a=3)!=0) { }
一元
1. ++ -- a++优先级小于++a和其他三种
2. + - 正负号
3. ~ !
4. & *
5. () 最高
另外四个相等 谁靠近就是谁优先。在变量左边,谁更近
一元大于二元
二元
7. = 低
8. ? || &&
9. | & ^
10. == > < >= <= << >>
11. + -
12. * / %
13. [ ] 高
优先级爬山
就是分别压操作数和符号,但出现比当前栈顶的符号的优先级低的时候,就运算此时栈顶的符号和对应的操作数
3+3*4-5
此时压入符号栈的是-号,但优先级别小于*,所以此时会计算 3*4的结果再压入数据栈,然后再将-号压入符号栈
所谓优先级爬上就是压入的操作符需要不断往上走,遇到比当前山峰低的优先级符号就要一直计算相关符号,直到此时山顶符号优先级小于或者等于要压入的符号
优先级
*++a++=i == 0?2+3:4*5
这里先解析++a然后解析*++a,然后解析a++…………不具体演示了,按照对应的优先级来爬上就行
- 解析表达式,
precd
代表当前解析的最大优先级,按照优先级顺序来解析,一元还是正常解析(出来a++),但二元只会解析比当前precd大的(a++算到仅仅小于()的优先级别了)
int type; // pass type in recursive parse expr
// type 是全局变量
// tmp_type是局部变量 ,每次递归都变新的
void parse_expr(int precd) {
int tmp_type, i;
int* tmp_ptr;
// const number
if (token == Num) {
tokenize();
*++code = IMM;
*++code = token_val;
type = INT;
}
// const string
else if (token == '"') {
*++code = IMM;
*++code = token_val; // string addr
assert('"'); while (token == '"') assert('"'); // handle multi-row
data = (char*)((int)data + 8 & -8); // add \0 for string & align 8
type = PTR;
}
else if (token == Sizeof) {
tokenize(); assert('(');
type = parse_base_type();
while (token == Mul) {assert(Mul); type = type + PTR;}
assert(')');
*++code = IMM;
*++code = (type == CHAR) ? 1 : 8;
type = INT;
}
// handle identifer: variable or function all
else if (token == Id) {
tokenize();
tmp_ptr = symbol_ptr; // for recursive parse
// function call
if (token == '(') { // 函数调用
assert('(');
i = 0; // number of args
while (token != ')') {
parse_expr(Assign); //参数值
*++code = PUSH; i++; // push进栈
if (token == ',') assert(',');
} assert(')');
// native call
if (tmp_ptr[Class] == Sys) *++code = tmp_ptr[Value]; //系统调用 直接就是对应函数得字节码
// fun call
else if (tmp_ptr[Class] == Fun) {*++code = CALL; *++code = tmp_ptr[Value];}
// 否则就是call 函数地址
else {printf("line %lld: invalid function call\n", line); exit(-1);}
// delete stack frame for args
if (i > 0) {*++code = DARG; *++code = i;} // 最后释放会参数空间
type = tmp_ptr[Type];
}
// handle enum value
else if (tmp_ptr[Class] == Num) { //枚举值 往AX存变量值 当字面量处理
*++code = IMM; *++code = tmp_ptr[Value]; type = INT;
}
// handle variables
else {
// local var, calculate addr base ibp
//ibp - tmp_ptr[Value]是参数的偏移
if (tmp_ptr[Class] == Loc) {*++code = LEA; *++code = ibp - tmp_ptr[Value];}
// 局部变量在栈上,lea将其地址存在AX上 ibp是参数个数 tmp_ptr[Value]是第几个局部变量
// global var
else if (tmp_ptr[Class] == Glo) {*++code = IMM; *++code = tmp_ptr[Value];}
// 全局变量tmp_ptr[Value]存储着全局变量地址
else {printf("line %lld: invalid variable\n", line); exit(-1);}
type = tmp_ptr[Type];
*++code = (type == CHAR) ? LC : LI;
// 根据地址和对应的变量类型设置对应的加载方式到ax
// 如果是指针型就不设置
}
}
// cast or parenthesis 类型转换 最后设置type类型 其他就直接生成将值保存在ax的字节码
else if (token == '(') {
assert('(');
if (token == Char || token == Int) {
tokenize();
tmp_type = token - Char + CHAR;
while (token == Mul) {assert(Mul); tmp_type = tmp_type + PTR;}
// use precedence Inc represent all unary operators
assert(')'); parse_expr(Inc); type = tmp_type; // 解析完变量后将type设置为之前()里面的
} else {
parse_expr(Assign); assert(')');
}
}
// derefer
else if (token == Mul) { //parse_expr(Inc);会把变量地址保持到ax里,然后LC。LI
tokenize(); parse_expr(Inc);
if (type >= PTR) type = type - PTR;
else {printf("line %lld: invalid dereference\n", line); exit(-1);}
*++code = (type == CHAR) ? LC : LI;
}
// reference
else if (token == And) { // &符号代表 And 与的意思,作为二元运算符时候,这里代表取地址,一个&就代表And了
tokenize(); parse_expr(Inc);
if (*code == LC || *code == LI) code--; // rollback load by addr
// parse_expr(Inc);里面解析到符号会IMM 地址 然后LC/LI,但如果前面存在&,就不需要LC/LI
else {printf("line %lld: invalid reference\n", line); exit(-1);}
type = type + PTR;
}
// Not
else if (token == '!') {
tokenize(); parse_expr(Inc); //生成++a然后存到ax寄存器的字节码
*++code = PUSH; *++code = IMM; *++code = 0; *++code = EQ; //判断和0相等 符合!逻辑
type = INT;
}
// bitwise
else if (token == '~') {
tokenize(); parse_expr(Inc); //生成++a然后存到ax寄存器的字节码
*++code = PUSH; *++code = IMM; *++code = -1; *++code = XOR; //和-1异或,相等与位反转
type = INT;
}
// positive
else if (token == And) {tokenize(); parse_expr(Inc); type = INT;}// +号,作为正数,没啥用
// negative
else if (token == Sub) {
tokenize(); parse_expr(Inc);
*++code = PUSH; *++code = IMM; *++code = -1; *++code = MUL;
type = INT; //乘-1
}
// ++var --var
else if (token == Inc || token == Dec) {
i = token; tokenize(); parse_expr(Inc); //变量地址保存在ax 此时如果为++a++ 解析a++时候解析完a就会跳转到二元运算符优先级别处理,此时对应a++
// save var addr, then load var val
if (*code == LC) {*code = PUSH; *++code = LC;} //压入变量地址,取变量值到ax
else if (*code == LI) {*code = PUSH; *++code = LI;}
else {printf("line %lld: invalid Inc or Dec\n", line); exit(-1);}
*++code = PUSH; // save var val 保存当前变量值
*++code = IMM; *++code = (type > PTR) ? 8 : 1; //+指针还是普通加
*++code = (i == Inc) ? ADD : SUB; // 当前栈顶变量值 相加或者相减 (1 或者8)
*++code = (type == CHAR) ? SC : SI; // write back to var addr 变量地址在栈顶,写回变量
}
else {printf("line %lld: invalid expression\n", line); exit(-1);}
// use [precedence climbing] method to handle binary(or postfix) operators
while (token >= precd) { //二元运算符和a++
tmp_type = type;
// assignment
if (token == Assign) {
tokenize();
if (*code == LC || *code == LI) *code = PUSH;
//此时ax存的是第一个参数的地址
else {printf("line %lld: invalid assignment\n", line); exit(-1);}
parse_expr(Assign); type = tmp_type; // type can be cast
// 解析完变量后将type设置为被赋值的ID的类型
// 第二个参数值被放到ax
*++code = (type == CHAR) ? SC : SI;
// 往第一个参数的地址处存第二个参数值 所谓类型就是加载方式而已,指针不加载,其他就需要加载
}
// ? :, same as if stmt
else if (token == Cond) {
tokenize(); *++code = JZ; tmp_ptr = ++code;
parse_expr(Assign); assert(':');
*tmp_ptr = (int)(code + 3);
//为零跳转到 :后面的
*++code = JMP; tmp_ptr = ++code; // save endif addr
parse_expr(Cond);
*tmp_ptr = (int)(code + 1); // write back endif point
//第一个执行完直接结束
}
// logic operators, simple and boring, copy from c4
// ||
else if (token == Lor) {
tokenize(); *++code = JNZ; tmp_ptr = ++code;
parse_expr(Land); *tmp_ptr = (int)(code + 1); type = INT;}
// 第一个参数不为零就跳转到外面取,此时ax依然不为零
// &&
else if (token == Land) {
tokenize(); *++code = JZ; tmp_ptr = ++code;
parse_expr(Or); *tmp_ptr = (int)(code + 1); type = INT;}
// 为零就直接跳转进入 此时ax依然为零,不为零就会解析下一个,ax保存下一个的值
// 下面的push都是将第一个参数压入栈
else if (token == Or) {tokenize(); *++code = PUSH; parse_expr(Xor); *++code = OR; type = INT;}
else if (token == Xor) {tokenize(); *++code = PUSH; parse_expr(And); *++code = XOR; type = INT;}
else if (token == And) {tokenize(); *++code = PUSH; parse_expr(Eq); *++code = AND; type = INT;}
else if (token == Eq) {tokenize(); *++code = PUSH; parse_expr(Lt); *++code = EQ; type = INT;}
else if (token == Ne) {tokenize(); *++code = PUSH; parse_expr(Lt); *++code = NE; type = INT;}
else if (token == Lt) {tokenize(); *++code = PUSH; parse_expr(Shl); *++code = LT; type = INT;}
else if (token == Gt) {tokenize(); *++code = PUSH; parse_expr(Shl); *++code = GT; type = INT;}
else if (token == Le) {tokenize(); *++code = PUSH; parse_expr(Shl); *++code = LE; type = INT;}
else if (token == Ge) {tokenize(); *++code = PUSH; parse_expr(Shl); *++code = GE; type = INT;}
else if (token == Shl) {tokenize(); *++code = PUSH; parse_expr(Add); *++code = SHL; type = INT;}
else if (token == Shr) {tokenize(); *++code = PUSH; parse_expr(Add); *++code = SHR; type = INT;}
// arithmetic operators
else if (token == Add) {
tokenize(); *++code = PUSH; parse_expr(Mul);
// int pointer * 8
if (tmp_type > PTR) {*++code = PUSH; *++code = IMM; *++code = 8; *++code = MUL;}
// +的第二个参数 *8
*++code = ADD; type = tmp_type;
// 再和第一个参数相加
}
else if (token == Sub) {// 此时已经解析到-号了,那么之前的已经在ax里面
tokenize(); *++code = PUSH; parse_expr(Mul);
//parse_expr会执行优先级大于等于precd的操作来作为返回结果存在到AX里
// push 会将之前的ax,也就是第一个参数存到栈里
if (tmp_type > PTR && tmp_type == type) {
// pointer - pointer, ret / 8
*++code = SUB; *++code = PUSH;
// 先将结果push到栈里
*++code = IMM; *++code = 8;
// ax设置为8
*++code = DIV; type = INT;}
// 除8
else if (tmp_type > PTR) { // 指针减一个整数 减去的数要乘8
*++code = PUSH;
*++code = IMM; *++code = 8;
*++code = MUL;
// ax现在为8*第二个参数 栈也是原来压入的第一个参数
*++code = SUB; type = tmp_type;}
else *++code = SUB; // 都是整数,正常相减
}
else if (token == Mul) {tokenize(); *++code = PUSH; parse_expr(Inc); *++code = MUL; type = INT;}
else if (token == Div) {tokenize(); *++code = PUSH; parse_expr(Inc); *++code = DIV; type = INT;}
else if (token == Mod) {tokenize(); *++code = PUSH; parse_expr(Inc); *++code = MOD; type = INT;}
// var++, var--
else if (token == Inc || token == Dec) {
if (*code == LC) {*code = PUSH; *++code = LC;} // save var addr上
else if (*code == LI) {*code = PUSH; *++code = LI;}
// // 原来只有个一个加号是LC,现在两个加号变为先保留地址在栈上,再取值到ax
else {printf("%lld: invlid operator=%lld\n", line, token); exit(-1);}
*++code = PUSH; *++code = IMM; *++code = (type > PTR) ? 8 : 1;
//将值压栈 根根据是否是指针设置ax单位
*++code = (token == Inc) ? ADD : SUB;
//加后的值保存在ax里
*++code = (type == CHAR) ? SC : SI; // save value ++ or -- to addr
// 此时栈顶为第一个参数地址 SC再存回去
*++code = PUSH; *++code = IMM; *++code = (type > PTR) ? 8 : 1;
//再将值压栈 同样设置单位
*++code = (token == Inc) ? SUB : ADD; // restore value before ++ or --
// 将ax复原之前的
tokenize();
}
// a[x] = *(a + x)
else if (token == Brak) {//此时栈顶是a变量的地址
assert(Brak); *++code = PUSH; parse_expr(Assign); assert(']');
//解析括号[]内的值放到ax里
if (tmp_type > PTR) {*++code = PUSH; *++code = IMM; *++code = 8; *++code = MUL;}
// 指针类型数组就乘偏移*8
else if (tmp_type < PTR) {printf("line %lld: invalid index op\n", line); exit(-1);}
*++code = ADD; type = tmp_type - PTR;
//数组起始地址和偏移量相加放到ax里
*++code = (type == CHAR) ? LC : LI;
// 得到元素值
}
else {printf("%lld: invlid token=%lld\n", line, token); exit(-1);}
}
}