第1章 编译系统概述

1.3 编译过程概述
典型的编译程序工作过程是：输入源程序，对它进行加工处 理，最后输出目标程序（机器语言或汇编语言形式）。整个过 程相当复杂，从数据加工的角度来看，可将其分成4个逻辑阶 段，它们是： 词法分析 语法分析 语义分析（中间代码产生） 目标代码生成 图示如下： 源 程 序 目 标 程 序
㈡汇编语言
用记忆符取代二进制位，存储地址和汇编语句的序号可用符号 名表示。 ①优点 用符号取代二进制数，提高了程序的可理解性。 性能较好的汇编语言，可用符号名来表示存储地址和汇编 语句序号，这样避免了在汇编语句中绝对地址的出现。 可充分利用硬件特性 所以，汇编语言在一定程度上降低了程序编制和维护的难度。 ②缺点 汇编语句和机器指令基本上是一对一的，所以汇编语言的编 程效率并没有质的提高。 和机器语言一样，汇编语言依附于目标计算机。 需汇编程序，将汇编语言译成机器语言。
00000000-00000011（3） 00000000-01000000（128）
……
㈣目标代码生成(Code Generation)
执行目标代码生成的程序称为目标代码生成器。 任务：中间代码 目标代码（机器指令或汇编语言） 依据：目标机器的系统结构 假设模型机器的指令格式为： op Ri , M （Ri）op（M）→ Ri op Ri , Rj （Ri）op（Rj）→ Ri op Ri , C （Ri）op C → Ri 其中Ri表示寄存器，M表示内存地址（可用符号表示），C表 示常数。 表达式3+abc*128最终形成的汇编语言程序示意如下： Load R0,abc Mul R0,128 Store R0,T1 Load R0,3 Add R0,T1 Store R0,T2
㈡语法分析(Parsing)
执行语法分析任务的程序称为语法分析器。 任务：检查源程序的语法结构是否正确 依据：语言的语法规则 在语法分析时，算术表达式3+abc*128的语法结构应表示为 x+i*x，语法分析器最终应识别出这是一个算术表达式。识别过程 相当于建立一棵语法树 <算术表达式>
<算术表达式> + <项 >
1.4 出错处理(Error Handle)
编译程序在工作过程中可发现源程序中各种错误，错误类型 及错误处理对策简述如下： ㈠错误类型 词法错误（可在词法分析阶段发现） 语法错误（可在语法分析阶段发现） 语义错误（可在语义分析阶段发现）
㈡出错处理 一旦发现错误，暂停编译程序工作，指出错误的地点和类 型。 在发现错误后，不中断编译程序工作。采取某些措施（例 错误局部化、错误校正等），使得源程序的编译工作可继续 下去，尽可能发现源程序中比较多的错误。
②二元式编码
单词 +( 单词值 NUL NUL NUL NUL NUL
)
… 标识符 整常数 实常数 …
)
… i x y …
NUL
… 字符串形式符号名 字符串形式整常数 字符串形式实常数 …
经词分析，算术表达式3+abc*128的单词内部码（二元式） 为：('x',"3") ('+',"NUL") ('i',"abc") ('*', "NUL") ('x',"128")
源程序 二进制(整体未定位) 输入数据 结果
编辑程序 Edit
编译程序 Compile
连接程序 Link
装入运行 Run
ASCII 码
二进制(整体定位)
编辑程序的工作结果是ASCII码形式的源程序。 编译程序以ASCII码形式的源程序为输入，它的工作结果是二 进制形式的目标程序，但并未包括用户程序中所使用的系统函数 的目标代码。从整体上来看，程序是不完整的，程序中的部分地 址尚未确定（例系统函数的调用）。 将二进制形式的用户程序和系统函数目标代码连接成一个程序， 对未确定的地址进行定位。 由操作系统将用户程序装入内存后运行。程序在运行过程中读 入数据，经处理加工后输出计算结果。
第1章 编译系统概述
1.1 程序设计语言的发展
1.2 基本术语解释
1.3 编译过程概述
1.4 出错处理
1.5 编译程序的前端和后端
1.6 编译程序的实现方式
1.1 程序设计语言的发展
机器语言(Machine Language)
汇编语言(Assemble Language)
程序设计语言(Programming Language)
②语义翻译 1)说明语句的翻译 将标识符及其属性填入符号表。 2)执行语句的翻译 根据不同语句的语义，生成逻辑上等价的中间代码。 中间代码 结构简单、意义明确的记号系统，非常接近机器指令，又独立 于具体机器。常用的中间代码有三元式和四元式。 表达式3+abc*128可译成如下四元式： (*,&abc,&128,&T1) (+,&3,&T1,&T2) 其中， &abc表示标识符abc在符号表中入口（即地址）； T1和T2是在翻译过程中由编译程序引入的临时变量，&T1和 &T2分别表示T1和T2在符号表中入口； 而&128表示常数128在常数表中的地址。
例计算表达式3*16+2的值，实现该计算的机器语言程 序、汇编语言程序和程序设计语言（C语言）程序如下 所示。目标计算机的系统结构和汇编语言的使用方法详 见本书第7章。 2203 8210 2602 6101 1000 f000 Load R0,3 Mul R0,10 Load R1,2 Add R0,R1 Write R0 Halt void main(void) { cout<<3*16+2; }
注：10表示16
㈠机器语言
机器指令集合称为机器语言。机器指令即二进制数，通常由若 干字节构成。 ①优点 计算机可直接识别执行 可充分利用硬件特性 ②缺点 可读性差 指令系统随机种而异 由于机器指令直接或间接含有绝对地址，增加或减少一条 指令，可能会引起多条指令的修改。 编程者需协调内存的使用 所以，机器语言形式的程序编制和维护困难，限制了计算机 的推广和应用。
㈢目标语言和目标程序(Target Language and Target Program)
目标语言可以是机器语言(二进制数)，也可以是汇编语言(字 符)，或者是其它中间语言(字符)，但最终结果必定是机器语言。 机器语言程序用二进制文件存储，汇编语言或中间语言程序用文 本文件存储。 目标程序是经翻译程序加工后用目标语言表示的程序。
1.5 编译程序的前端和后端
由于在编译程序的内部引入了中间代码，这样可将编译程序 分为二个相互独立部分。 ㈠编译程序前端(The Front End) 组成：词法分析器、语法分析器和中间代码产生器 特点：依赖于被编译的源语言，输出结果用中间代码描述， 和目标机器无关。 ㈡编译程序后端(The Back End) 组成：目标代码生成器 特点：和源语言无关，以中间代码形式的源程序为输入进行 处理，输出结果依赖于目标机器。 为一个源语言构造好前端，若要在某一个特定计算机上构造该 源语言的编译程序，只要构造这个目标机器的后端即可。相反， 若已构造了一个高质量的后端，若要在同一台目标机器上为另一 源语言构造编译程序时，只要构造该源语言的前端即可。
1.2 基本术语解释
㈠源语言和源程序(Source Language and Source Program)
用程序设计语言书写的程序，称为源程序，该程序设计语言 称为源语言。源程序通常用编缉程序输入，用字符(ASCII码)表 示，以文本文件形式存储。
㈡文本文件(Text File)
文本文件的内容由94个图形字符‘!’-‘~’(33-126)和4个控制字 符换行(10)、回车(13)、空格(32)、TAB(9)构成，文本文件又称 为ASCII码文件，扩展名通常为TXT，文件尾用控制字符EOF(26) 指示。当换行和回车二个控制字符从文本文件读入内存，在C语 言中是用一个字符（换行）表示。
符号表(Symbol Table) 符号表用于记录源程序中出现的标识符(Identifier)，一个标识 符往往具有一系列的语义值，它包括标识符的名称、标识符的种 属、标识符的类型、标识符值的存放地址等等。每个标识符在符 号表中有一项记录，用于记录标识符的各种语义值，而在四元式 中填写的是标识符在符号表中的记录地址，通常称为符号表入口。
词法 分析
语法 分析
语义分析 (中间代码产生)
目标代码 生成
编译程序基本上是按照这个流程来设计的。
以算术表达式 3+abc*128 为例，来说明编译程序工作过程。
㈠词法分析(Lexical Analysis)
执行词法分析任务的程序称为词法分析器。 任务：字符串形式单词 编码形式单词内部码（二元式） 依据：语言的构词规则 ①二元式(Pair) (单词种别,单词值) 单词种别：用整数码表示（为直观起见用字符表示），语法 分析时用。 单词值：在本书中用字符串表示，语义分析时用。当一个单 词种别中可能有多个单词时，单词的值才有意义。为了便于输 入处理，无意义的单词值用"NUL"表示。
符号表的结构示意如下： 内存地址 未分配 未分配 未分配 …… …… 符号名 abc T1 T2 种属 简单变量 简单变量 简单变量 类型 整型 整型 整型 …… ……
常数表(Constant Table) 常数表用于记录在源程序中出现的常数。假定，每个整常数在 常数表中占2个字节，每个实常数在常数表中占4个字节。 常数表的结构示意如下： 常数的二进制值
解释、执行 源 程 序
解释程序 Interpreter
输入数据
结 果
解释方式主要特点是：用户程序是消极的。用户程序运行时， 控制点在解释程序，即用户程序的执行离不开解释程序。