對于程序員來說編譯器是非常熟悉的，每天都在用，但是當(dāng)你在點(diǎn)擊“Run”這個按鈕或者執(zhí)行編譯命令時你知道編譯器是怎樣工作的嗎？

這篇文章就為你解答這個問題。

編譯器就是一個普通程序，沒什么大不了的

什么是編譯器？

編譯器是一個將高級語言翻譯為低級語言的程序。

首先我們一定要意識到編譯器就是一個普通程序，沒什么大不了的。

在沒有弄明白編譯器如何工作之前你可以簡單的把編譯器當(dāng)做一個黑盒子，其作用就是輸入一個文本文件輸出一個二進(jìn)制文件。

基本上編譯器經(jīng)過了以下幾個階段，等等，這句話教科書上也有，但是我相信很多同學(xué)其實(shí)并沒有真正理解這幾個步驟到底在說些什么，為了讓你徹底理解這幾個步驟，我們用一個簡單的例子來講解。

假定我們有一段程序：

while (y < z) { int x = a + b; y += x;}

那么編譯器是怎樣把這一段程序人類認(rèn)識的程序轉(zhuǎn)換為CPU認(rèn)識的二進(jìn)制機(jī)器指令呢？

提取出每一個單詞：詞法分析

首先編譯器要把源代碼中的每個“單詞”提取出來，在編譯技術(shù)中“單詞”被稱為token。其實(shí)不只是每個單詞被稱為一個token，除去單詞之外的比如左括號、右括號、賦值操作符等都被稱為token。

從源代碼中提取出token的過程就被稱為詞法分析，Lexical Analysis。

經(jīng)過一遍詞法分析，編譯器得到了以下token：

T_While whileT_LeftParen （T_Identifier yT_Less

就這樣一個磁盤中保存的字符串源代碼文件就轉(zhuǎn)換為了一個個的token。

這些token想表達(dá)什么意思：語法分析

有了這些token之后編譯器就可以根據(jù)語言定義的語法恢復(fù)其原本的結(jié)構(gòu)，怎么恢復(fù)呢？

原來，編譯器在掃描出各個token后根據(jù)規(guī)則將其用樹的形式表示出來，這顆樹就被稱為語法樹。

語法樹是不是合理的：語義分析

有了語法樹后我們還要檢查這棵樹是不是合法的，比如我們不能把一個整數(shù)和一個字符串相加、比較符左右兩邊的數(shù)據(jù)類型要相同，等等。

這一步通過后就證明了程序合法，不會有編譯錯誤。

根據(jù)語法樹生成中間代碼：代碼生成

語義分析之后接下來編譯器遍歷語法樹并用另一種形式來表示，用什么來表示呢？那就是中間代碼，intermediate representation code，簡稱IR code。

上述語法樹可能就會表示為這樣的中間代碼：

Loop: x = a + b y = x + y _t1 = y < z if _t1 goto Loop

怎么樣，這實(shí)際上已經(jīng)比較接近最后的機(jī)器指令了。

只不過這還不是最終形態(tài)。

中間代碼優(yōu)化

在生成中間代碼后要對其進(jìn)行優(yōu)化，我們可以看到，實(shí)際上可以把x = a + b這行代碼放到循環(huán)外，因?yàn)槊看窝h(huán)都不會改變x的值，因此優(yōu)化后就是這樣了：

x = a + bLoop: y = x + y _t1 = y < z if _t1 goto Loop

中間代碼優(yōu)化后就可以生成機(jī)器指令了。

代碼生成

將上述優(yōu)化后的中間代碼轉(zhuǎn)換為機(jī)器指令：

add $1, $2, $3Loop: add $4, $1, $4 slt $6, $1, $5 beq $6, loop

最終，編譯器將程序員認(rèn)識的代碼轉(zhuǎn)換為了CPU認(rèn)識的機(jī)器指令。

總結(jié)

注意這篇簡短的講解不希望給大家留下這樣的印象，那就是編譯器是很簡單的，恰恰相反，現(xiàn)代編譯器是非常智能并且極其復(fù)雜的，絕不是短短一篇文章就能講清楚的，能實(shí)現(xiàn)一個編譯器是困難的，實(shí)現(xiàn)一個好的編譯器更是難上加難。

本文的目的旨在以極簡的方式描述編譯器的工作原理，這樣你就不用把編譯器當(dāng)做一個黑盒了，希望這篇文章能對你有所幫助。
編輯：lyn