这一段时间向老师要了一个project，用C++开发一个Micro C编译器， 并且把编译器的每一个部分都做成可视化的，这样还能够起到一个教学的作用。
于是就开始写这个编译器了嘛，不过不准备把里面每一个步骤都在博文里面说的很详细。编译原理是一门 门槛很高的科目，花太多时间放在教学和其他的方面会妨碍到我的正常的学习步伐。于是这几篇博文更多 的就是描述我写这个编译器的过程吧，而不是原理和语言教学。 原理的话，更多的需要看看书，把这门课学好。所以这些博文更适合有一定基础的人，并且想做些什么的同学看。
233，对我来说相当于重构一遍上机题吧。
嗯，我现在处于四个project并行进行…嗯…原谅我话变少了。
整体的思路
这个编译器的难度不大，除去界面外，本体大致分了五个部分：
- 词法分析
- 文法定义
- 语法分析
- 语义分析
- 中间代码生成
也就是普通的编译器的前端部分。还没有深入到内存等等的部分，做出来的效果也大概就是输入这样的一段代码：
while(c > b){
if(a < d){
f = e + k;
}else{
c = b - c;
f = e - k;
}
}
能够先根据词法分析器，输出记号流。
然后根据这些记号流和定义的文法，构造语法分析，包括堆栈和一棵抽象语法树。
最后根据语法分析，进行语义加工，制导翻译，得到标识符的值。
顺带还可以根据源代码得到三地址代码，也就是一种中间表示形式。
那么，我们首先要做的，自然而然就是词法分析了。
词法分析
先描述一下我们词法分析要做些什么。
比如我们输入这样的一个源代码：
if(a > b){
c = d + e;
}
通过词法分析器，我们要得到记号流，一个记号也就是二元组，由记号种类和属性值构成，比如上面的代码，我们要输出的就是下面的记号流。
<if, 0>
<(, 21>
<a, 0>
<rop, 20>
<b, 1>
<), 22>
<{, 3>
<c, 2>
<=, 16>
<d, 3>
<+, 14>
<e, 4>
<;, 6>
<}, 4>
上面的输出是根据我自己定义的记号种类和属性值来的。
我定义的符号和属性值如下：
if 0
else 1
while 2
{ 3
} 4
; 6
# 8
+ 14
* 15
= 16
&& 17
|| 18
! 19
>= 20
<= 20
== 20
( 21
) 22
id 23
const 24
弄好了这些之后，我们先定义二元组的数据结构：
二元组
class tokens{
public:
string token_name;
int token_num;
static int idNum;
tokens(string tn, int tnum): token_name(tn), token_num(tnum){}
void set(string tn, int tnum){token_name = tn; token_num = tnum;}
void show(){cout<<"tokenName: "<< token_name<< " token_num: "<< token_num<<endl;}
};
然后就可以设计词法分析类了。
词法分析类
直接上代码：
class token_parser{
public:
// judge if(ch == letter) letter: a_z, A_Z, -, _
bool isLetter(char c);
// judge if(ch == digit) digit: 0-9
bool isDigit(char c);
// judge if(str== num) num: 0 - 2147483648
bool isNum(string s);
// judge if(str== key) key: keywords, see private
bool isKeywords(string s);
// get the num of keywords
int getKeywordsNum(string s);
// judge if(str == ID) id: letter(letter|digit)*
bool isID(string s);
// parser, output the ans. basicElement: <tokenName, tokenNum>
void parser(string &s);
// trim, cut off all ' ' and '\n' in the source codes
void trim(string &s);
// output the input, get the source codes from a txt
string getInput(string filename = "./input.txt");
// source code after trim
string input;
// tokens flow
vector<tokens> ans;
// ids table
map<string, int> ids;
private:
// all keywords
string keywords[20] = {"if", "else", "while"};
};
主要思路便是：
step1: 逐个字符的读入源程序，如果遇到字母，转入step2，如果遇到数字，转入step4，如果遇到其他的字符，转入step6。
step2: 从当前位置开始，继续往后扫描，直到中间所有的字符连在一起不满足一个标识符id的条件为止。 标识符判定方法为正则式: letter（letter|digit）* 这个时候中间所有的字符除掉最后一个之后就是一个标识符，转入step3。
step3: 遍历关键字表，如果标识符不在里面，则加入符号表后成为二元组输出，否则便是一个关键字，从关键字表中匹配属性值成为二元组输出。
step4: 从当前位置，继续往后扫描，知道中间所有的数字字符连在一起不满足一个Num的条件为止。 Num判定方法为正则式：digit digit* 这个时候中间所有的字符除去最后一个之后就是一个Num，转入step5。
step5: 通过这个Num求出Num的值，讲其作为属性值，组成二元组后输出。
step6: 用一个switch-case语句判断，如果是已定义的符号，直接组成二元组输出。如果是非定义的符号，就跳过。
具体的代码可以参考我的Github