c语言编译器手册(读懂这4个函数528行代码)
c语言编译器手册(读懂这4个函数528行代码)
2024-11-22 05:59:35  作者:條件式接吻  网址:https://m.xinb2b.cn/sport/wmj207795.html
引言

自从华为方舟编译器横空出世,一举成为全民网红之后,一下子点燃了大家对编译器的热情。不过,对于大多数人来说,编译器仍然是遥不可及的神秘存在。

今天,介绍一个国外大牛写的C语言编译器 - C4,揭开编译器的神秘面纱。原来实现一个具备基本功能的编译器,竟是如此简单!

C4:4个函数实现的C语言编译器

C4, C in four functions。

它是一个C语言编译器项目(项目地址在文末),整个实现只有:

一个C语言源码文件528行C语言代码4个函数

仅此而已。


C4代码仓库

它简洁,却不简单。

它具备完整的词法分析、语法分析、简单的语义检查、代码生成、运行时环境(即虚拟机)

与常见的C编译器不同的是,它把C语言源程序编译成字节码(bytecode),然后在一个精简的虚拟机中解释执行

你以为这样就完了?不,它令人称道之处远不止如此!

C4:可以自举的C语言编译器

若只是精简,或许它还并不那么令人惊奇,毕竟网上有很多类似的编译器项目,其中不乏一些非常简单优雅,且非常出色的项目。

然而,C4最惊艳的地方是,它可以自举

所谓自举,简单来说,就是自己编译自己。当然,最初始的那个C4编译器的可执行文件,还是必须要通过GCC、Clang等编译器进行编译生成。

我们下面演示一下“Hello, World!”的例子,和C4自举的例子。

Hello, World示例

先用GCC把C4编译成可执行文件:

gcc c4.c -o c4

运行“Hello, World!”测试程序hello.c:


结果如图:


其中,“hello, world”是hello.c 输出的,“exit(0) cycle = 9”是c4编译器输出的,表示程序正常运行结束,hello.c一共生成9条指令。

C4的自举示例

我们用GCC编译c4.c生成了可执行文件c4,我们称之为编译器A,然后用编译器A来编译c4的源码c4.c,则生成一个编译器B,然后再用编译器B来编译执行hello.c。

命令如下:

./c4c4.chello.c

结果如图:


C4自举执行

还可以这样:

./c4 c4.c c4.c hello.c

也就是GCC编译生成的c4是编译器A,./c4 c4.c生成的是编译器B, ./c4 c4.c c4.c编译生成的则是编译器C,最后用编译器C来编译运行hello.c。


C4递归自举

理论上可以一直递归下去。只不过,从图中可以看出,递归的层次越深,生成的字节码越多,执行所需的时间也越多。

C4实现的C语言子集

C4致力于用最少的代码,实现一个可以自举的C编译器。它的整个实现只有4个函数组成,可想而知,它不可能完整的实现整个C语言的规范,它只实现了C语言的一个子集。

数据类型

char int 指针 枚举(enum) 数组 字符串

不支持struct、typedef、union等数据类型。

语句结构

if-else控制语句while循环语句return语句函数

不支持do-while、switch-case、for、continue、break、goto等语句结构。

运算符

它支持除 =、%=、<<=、&=等符合运算符之外的几乎所有运算符。包括:

算术运算符关系运算符逻辑运算符位运算符赋值运算符杂项运算符(如三元运算符?:)

内建库函数

C4编译器实现时用到了一些系统库函数,因此,为了实现自举,它也内建支持了几个库函数。包括:

open、read、close、printf、malloc、free、memset、memcmp、exit

需要注意的是,它不支持以#开头的预处理命令,如#include、#define、#if等。

代码注释只支持“//”开头的单行注释,不支持“”标记的多行注释形式。

与传统的C语言编译器相比,C4在实现上有其独到之处。

下面,先简单介绍一些传统编译器的实现过程。

传统典型编译器的实现

典型的编译器的实现,一般都会有下面几个过程:

词法分析语法分析语义分析中间代码生成代码优化机器代码生成

如GCC、Clang、华为方舟编译器等均是如此。


这些阶段,会对代码进行多次扫描。这里的代码,包括文本形式的源代码、语法树、中间代码等表示形式。

典型的实现中,词法分析和语法分析通常会糅合在一起,在语法分析时,调用词法分析器逐个取得token。因此,理论上讲,词法分析和语法分析阶段,只需要对源码扫描一遍即可,并生成语法树,有时也叫抽象语法树(Abstract Syntax Tree)。

语义分析阶段操作的主要对象就是这棵树,至少要对这棵树扫描一遍。有些实现中,在进行语义检查的同时也会直接生成中间代码。

在代码优化阶段,根据编译器优化的力度的不同,可能会对中间代码进行多次扫描。

这里所谓的“扫描一遍”,在编译器术语中一般称为pass。对LLVM有了解的朋友应该知道,LLVM中每一种类型的优化都是一个pass,要应用多种优化技术,就需要有多个pass。

C4的独具特色之处

作为追求极简主义的C4编译器来说,它在实现上有很多独具特色之处。

对C源码解释执行

传统的C语言编译器,最终都把C语言源码编译成可执行文件,也就是二进制的机器码。

而C4则是把C语言源码先编译成其专门设计的字节码(bytecode),然后直接在虚拟机中解释执行。

C4设计了39个字节码指令,其中大部分与汇编语言中的指令有些类似,主要是内存加载指令,算术运算指令等,此外,还包含了为支持内建的库函数而专门设计的9条特殊的库函数调用指令。

它的虚拟机是典型的栈式虚拟机(Java虚拟机也是典型的栈式虚拟机,早期的Lua也是栈式虚拟机,但最新的Lua 5.x采用寄存器虚拟机)。

我们可以使用-d命令,把生成的字节码dump出来。下图是hello.c的字节码:


对源码只扫描一遍

与传统的编译器实现不同,C4它把词法分析、语法分析、语义分析、代码生成这几个步骤巧妙的结合在一起,在把C语言源码编译成字节码的整个过程中,只扫描了一遍源码。

Lua的解释器也是采用对源码扫描一遍的方式,因此,C4和Lua的性能都相当不错。

C4源码的可读性

对于C4的实现,网上也有一些讨论。有人认为C4的实现非常简洁、易读,也有人认为C4的实现稍显晦涩。

我个人认为,C4的实现确实非常简洁,毕竟只有4个函数,500多行代码。但是要真正完全理解,需要有一定的编译原理基础知识。

比如C4的语法分析过程中,就是典型的递归下降和算符优先算法相结合的实现方式。只要了解这些编译器的经典算法原理,C4的实现逻辑理解起来,还是比较轻松的。


此外,C4为了追求以最少的代码实现自举,在实现上采用了一些技巧。

比如,我们前面提到,C4不支持struct类型。这也意味着C4的源码中不能使用struct类型。为此,它选择使用数组来模拟struct结构。这样乍看起来,可能会产生一些困惑。

个人认为,C4的一个槽点,就是它变量的命名上,过于简洁。比如标记字节码的位置的变量用e表示,其实如果用emit的话,就会清晰许多,也会更容易理解。

C4的衍生实现

除了C4的原生实现外,网上也有很多基于C4的衍生实现。

比如有人给C4额外增加了80多行代码,却给C4添加了JIT功能,使得执行速度得到明显提升。

也有人对C4做了简单修改,使得它可以直接产生真实的机器码,并最终生成ELF可执行文件。

这些都是非常有趣的项目,都很值得研究。

C4的项目地址

在github上,找到用户名为rswier的大牛,就可以看到C4的项目了。


结语

现代的编译器项目,如GCC和Clang/LLVM,它们实现逻辑非常复杂,代码规模巨大,一个人几乎不可能完全搞清楚。即便是网上备受推崇的精简实现TCC和LCC,它们的实现也相对比较复杂的,作为一个新手来说,也很难彻底研究清楚。

而C4的实现,只有四个函数,500多行源码,个人认为是非常适合新手研究的一个项目。当然了,研究之前,最好具备一些编译器的基础知识,那样理解起来就会比较容易了。


本文只介绍了C4编译器项目的一些背景知识,并没有对C4的实现做过多探讨。感兴趣的朋友可以到github上面找到它,仔细研究一下,相信你会有不少收获!

如果对C4的代码实现感兴趣,或者有疑问的话,欢迎留言讨论!感兴趣的朋友多的话,我可以考虑更新几篇文章,详细讲解一下C4的代码实现。

原创不易,觉得有用的话,别忘了点赞!谢谢!

对编译器、OS内核、性能调优、虚拟化等技术感兴趣的童鞋,欢迎右上角关注!

版权声明:未经允许,禁止转载。文中部分图片来源网络,如有侵权,请通知删除!

  • 公考常考成语辨析及用法(公务员考试420联考)
  • 2024-11-22公务员考试420联考近义词辨析练习题第三组1.①送上我新出的文集一本,敬希___②总工程师带领我们几个人到上海去___新引进的生产设备③这两只大熊猫在动物园工作人员的___驯养下,已适应了人工饲养的生活环境A.校正接受悉。
  • 渐开线齿轮理论上是纯滚动吗(什么是渐开线齿轮)
  • 2024-11-22什么是渐开线齿轮所谓渐开线顾名思义的说,那就是它上面的点逐渐离开一个固定点(基圆的圆心)的曲线如果你把一条线缠绕在一个圆柱上,线的末端固定在一个笔头上,让笔头牵着线逐渐取开圆柱并画下痕迹,那么这个痕迹就是一个渐开线从。
  • 王者荣耀adc带什么符文好(王者荣耀ADC符文应该如何搭配)
  • 2024-11-22王者荣耀ADC符文应该如何搭配97973手游网小编为您带来《王者荣耀》详细攻略,希望能给广大玩家带来帮助在王者荣耀中,除了操作,英雄技能之外,对游戏影响最大的就应该是符文的搭配,合适的符文搭配,可以让我们的英雄在前期比其他英雄更加。
  • 黑芝麻最简单的吃法(介绍几种简单吃黑芝麻的吃法)
  • 2024-11-22介绍几种简单吃黑芝麻的吃法用微波炉做面食时,黑芝麻撒在表面烤黑芝麻炒熟和在面里烙饼把磨碎的芝麻粉和蜂蜜一起搅拌,涂在面包上或放入沙拉酱裏核桃粉配以黑芝麻粉,睡前服用15克,改善睡眠质量效果非常明显,因此常用来治疗神经衰弱、失眠。
  • 如何让你快速提升自控力(提高自控力的7个方法)
  • 2024-11-22提高自控力的7个方法【提高自控力的7个方法】有的人一追剧就停不下来,一玩游戏就无心工作,这些都是失控状态的体现一个人不能控制自己,不但耽误工作,还会让人有非常强烈的挫败感快来看看提高自控力的小秘诀吧,做一个对自己严苛的人。
  • 新年祝福的话(新年祝福的话语有哪些)
  • 2024-11-22新年祝福的话语有哪些值此新年之际,祝您:大财、小财、意外财,财源滚滚;亲情、友情、爱情,情情如意;官运、财运、桃花运,运运亨通;爱人、亲人、友人,人人平安!在此新年之际,我同夫人向你及你的家人致以节日的问候,并祝你们新年。
  • 成语青山绿水对应下一个成语(哎呦才知道成语)
  • 2024-11-22哎呦才知道成语潜山市,有着“皖国古都、安徽之源、二乔故里、禅宗之地、京剧之祖、黄梅之乡”的美誉皖山皖水是《孔雀东南飞》故事和三国佳丽大、小乔爱情故事的发生地,“长诗之圣”的绝唱和“二乔故里”的佳话广为流传天作之合,。
  • 提线木偶的寓意
  • 2024-11-22提线木偶的寓意答案:提线木偶的寓意没有主见,听从他人安排的寓意提线木偶比喻是没有主见,听从他人安排的人所表达意思是一种木偶戏讽刺,没有主见通常在句中做定语,位于修饰主语或宾语例如你想把我们当提线木偶,就得付钱给方舟。
  • 哪些水果含维生素B
  • 2024-11-22哪些水果含维生素B富含维生素b的水果有猕猴桃、葡萄、柑橘、香蕉等常见的水果维生素B指的是B族维生素,包含维生素B1、维生素B2、维生素B6、维生素B12等水果中都基本上都含有一定量的B族维生素,如苹果、猕猴桃、葡萄、柑。