前面讲过语法的解析之后,代码生成方面就简单很多了。虽然myc是一个简单的示例编译器,但是它还是在解析的过程中生成了一个小的语法树,这个语法树将会用在生成exe可执行文件和il源码的过程中。
编译器在解析时,使用emit类来产生中间的语法树,语法树的数据结构和操作方法在iasm这个类型里完成,源程序的语法解析完毕后,Exe和Asm两个类分别遍历生成的语法树产生最终的代码。
我们来看几个代码的例子,下表的函数 Parser.program 里,在函数开始和结束的地方分别调用了 prolog 和 epilog 两个函数,这两个函数的目的就是在语法解析的前后执行一些准备和扫尾工作。如在编译过程的开始阶段,根据.net assembly的要求创建好模块(module)和类(class),虽然c语言是一个面向过程的语言,但是在.net是一个面向对象的环境,所有的代码都应该保存在一个类里。
public void program()
{
prolog();
while (tok.NotEOF())
{
outerDecl();
}
if (Io.genexe && !mainseen)
io.Abort("Generating executable with no main entrypoint");
epilog();
}
void prolog()
{
emit = new Emit(io);
emit.BeginModule(); // need assembly module
emit.BeginClass();
}
而在emit里,BeginModule和BeginClass这两个函数的代码如下:
public void BeginModule()
{
// 委托给Exe类来创建这个module,虽然在.net里,一个assembly可以由
// 多个module组成,但是在C程序里,只要一个module就足够了,因此
// 下面的代码并没有在生成IL源码的时候产生module。
exe.BeginModule(io.GetInputFilename());
}
public void BeginClass()
{
// 委托给Exe类来创建class,再进一步跟踪代码的时候,会发现它其实
// 是根据反射技术来创建类型的。
exe.BeginClass(Io.GetClassname(), TypeAttributes.Public);
// 如果在执行程序的命令行里,启用了生成源码的开关,那么
// 将会输出IL class的源码定义。
if (Io.genlist)
io.Out(".class " + Io.GetClassname() + "{\r\n");
}
.NET里,可以使用反射技术来生成assembly、类型和函数,下表就是Exe类的BeginModule函数的源码:
public void BeginModule(string ifile)
{
// .net的动态assembly创建功能,要求跟appdomain绑定
appdomain = System.Threading.Thread.GetDomain();
appname = getAssemblyName(filename);
// 调用AppDomain.DefineDynamiceAssembly创建一个Assembly,以这个为
// 起点,可以创建类型,创建函数并执行。实际上,.net上的IronPython等
// 动态语言的实现就非常依赖这个技术。
appbuild = appdomain.DefineDynamicAssembly(appname,
AssemblyBuilderAccess.Save,
Io.genpath);
// 在.net里,所有的代码实际上都应该保存在一个module里。
emodule = appbuild.DefineDynamicModule(
filename+"_module",
Io.GetOutputFilename(),
Io.gendebug);
Guid g = System.Guid.Empty;
if (Io.gendebug)
srcdoc = emodule.DefineDocument(ifile, g, g, g);
}
准备工作做好了以后,就可以生成语法树了,编译器在解析语法的过程当中,不停的往语法树里添加元素,如在编译函数的过程中,以处理while循环为例(其中一个调用路径是:program -> outerDecl -> declFunc -> blockOuter -> fcWhile
)
void fcWhile()
{
// 在一般的il或者汇编语言里,循环和判断语句一般都是在不同路径的入口
// 出定义好标签(label),再通过判断条件的方式跳转到指定的label实现的
String label1 = newLabel();
String label2 = newLabel();
// 记录当前源码的位置,以便生成IL源码的时候可以把源代码和IL代码对照生成
CommentHolder(); /* mark the position in insn stream */
// 一般来说,循环语句至少有两个分支代码块,一个是继续循环的代码块,
// 一个是跳出循环的代码块,看后面的代码,这个label是循环中执行的代码块
// 开始的地方,以便满足条件的时候跳到开头继续执行
emit.Label(label1);
tok.scan();
// 做一些错误判断
if (tok.getFirstChar() != '(')
io.Abort("Expected '('");
// 处理循环条件的判断语句相关代码
boolExpr();
CommentFillPreTok();
// 跳出循环的label
emit.Branch("brfalse", label2);
// 循环内部的代码块,进入blockInner进行循环里面的编译
blockInner(label2, label1); /* outer label, top of loop */
// 如果满足循环条件,跳转到代码块开头继续执行
emit.Branch("br", label1);
// 循环结束,跳出循环的地方
emit.Label(label2);
}
而在emit类型里,各个方法只是将解析出来的语法元素添加到语法树里,语法树的节点、数据结构和操作方法都在IAsm这个类里定义,如下表是 Branch 的源码:
public void Branch(String s, String lname)
{ // this is the branch source
NextInsn(1);
// 往语法树里添加一个类别为 Branch 的元素
icur.setIType(IAsm.I_BRANCH);
// 指令名称
icur.setInsn(s);
// 指令参数
icur.setLabel(lname);
}
当程序编译完成后,Exe类和Asm类则分别遍历语法树生成最终的结果,在myc编译器的源码里,Parser.declFunc函数通过调用Emit.IL函数来完成程序的生成:
// 因为C程序大部分都是由函数组成的,而且函数使用到的变量或者其他函数,
// 都必须在函数之前定义,所以只需要在解析函数的时候实时生成代码即可
void declFunc(Var e)
{
#if DEBUG
Console.WriteLine("declFunc token=["+tok+"]\n");
#endif
CommentHolder(); // start new comment
// 记录解析出来的函数名
e.setName(tok.getValue()); /* value is the function name */
// 如果函数名是main,则设置一个标识位 - mainseen为true
// 在外层的函数里,会通过判断这个标志来确定程序是否有语义错误
if (e.getName().Equals("main"))
{
if (Io.gendll)
io.Abort("Using main entrypoint when generating a DLL");
mainseen = true;
}
// 函数名也是一个全局变量,放到全局变量表里,以便做语义分析
// 例如要调用的函数之前没有定义,则应该报错,在后文我们将
// 看到语义方面的处理
staticvar.add(e); /* add function name to static VarList */
paramvar = paramList(); // track current param list
e.setParams(paramvar); // and set it in func var
// 记录函数里面定义的局部变量
localvar = new VarList(); // track new local parameters
CommentFillPreTok();
// 开始生成函数的prolog,例如参数传递,this对象等
emit.FuncBegin(e);
if (tok.getFirstChar() != '{')
io.Abort("Expected ‘{'");
// 递归分析函数里面的源码
blockOuter(null, null);
emit.FuncEnd();
// 解析完整个函数后,执行代码生成操作
emit.IL();
// 如果需要生成IL源码,则调用LIST函数生成IL源码
if (Io.genlist)
emit.LIST();
emit.Finish();
}
而emit.IL函数就是用Exe类型遍历整个语法树,生成结果程序:
public void IL()
{
IAsm a = iroot;
IAsm p;
// 循环遍历整个语法树
while (a != null)
{
// 根据语法树里各个节点的类型来执行对应的操作
switch (a.getIType())
{
case IAsm.I_INSN:
exe.Insn(a);
break;
case IAsm.I_LABEL:
exe.Label(a);
break;
case IAsm.I_BRANCH:
exe.Branch(a);
break;
// 省略一些代码
default:
io.Abort("Unhandled instruction type " + a.getIType());
break;
}
p = a;
a = a.getNext();
}
}
而Exe类型执行真正的代码生成,如前面IL函数,在碰到I_BRANCH类型的节点时,调用Exe.Branch函数在动态Assembly (DynamicAssemby) 里生成代码:
public void Branch(IAsm a)
{
Object o = opcodehash[a.getInsn()];
if (o == null)
Io.ICE("Instruction branch opcode (" + a.getInsn() + ") not found in hash”);
// 使用 ILGenerator 类生成跳转IL指令。
il.Emit((OpCode) o, (Label) getILLabel(a));
}
而Asm类也采用类似的方法生成IL源码。
最后,myc编译器里也有一些语义方面的处理,如前面讲到的函数调用时,如果被调用的函数没有定义的话,应该抛出异常的情况,在Parser.statement(即编译实际的C语句的函数)中就有所体现
void statement()
{
Var e;
String vname = tok.getValue();
CommentHolder(); /* mark the position in insn stream */
switch (io.getNextChar())
{
case '(': /* this is a function call */
// 省略一些语法处理方面的代码
tok.scan(); /* move to next token */
// 下面这一行即在生成函数调用代码之前,在全局变量列表里
// 查找要调用的函数是否已经定义了,如果没有定义,则应该报告此错误
e = staticvar.FindByName(vname); /* find the symbol (e cannot be null) */
emit.Call(e);
// 省略后面的代码
}
if (tok.getFirstChar() != ';')
io.Abort("Expected ';'");
tok.scan();
}