1. 翻译程序

机器不能理解我们用高级语言编写的代码，所以要在程序执行前将高级语言“翻译”为机器语言。这是一个将源语言程序转化为目标语言程序的过程，它依靠翻译程序来完成。

翻译程序包括：

  • 编译器：将编译型语言（C++，Go）翻译为机器语言。
  • 解释器：将解释型语言（JavaScript、Python）翻译为机器语言。

编译与解释的不同：

编译和解释都可以将高级语言翻译为机器语言，不同之处在于：

  • 编译是将源代码经过分析后生成语法树，再优化生成中间代码，最后生成机器码。编译的结果是生成一个可执行的二进制文件；
  • 而解释也是将源代码经过分析后生成语法树，只不过此后它是基于语法树生成字节码，再根据字节码去执行程序。它并不会生成目标文件，更多的是一个结果。

PS：JavaScript 本身是解释型语言，但是在“翻译”过程中同时有解释器和编译器（JIT）的参与。在其它文章会学习这个知识，此处不做进一步讨论。Anyway，这个系列的笔记会将重点聚焦在编译型语言上。

2. 编译器的演进

二阶段编译器（单盒模型）

早期的二阶段编译器，任务主要有两个，一是理解输入的源程序，二是将其功能映射到目标机上，据此将编译器内部划分为前端和后端两个模块 —— 前端负责理解，后端负责映射。前端对源代码的理解反映在 IR （intermediate representation，中间表示）这一结构中，IR 再传递给后端进行处理。

三阶段编译器

后面出现了三阶段编译器，也就是在前后端之间增加了一个用以改进 IR 的优化器。注意：这个优化器本身是一个源到源的编译器。自此，三者的分工变为：

  • 前端：理解源程序，并将理解的结果映射到 IR 中
  • 优化器：改进 IR 的形式
  • 后端：将改进后的 IR 映射到目标机的有限资源上

3. 编译步骤一览

3.1 前端

  • 词法分析：词法分析器（扫描器）以字符流为输入，对其进行扫描和分解，产生多个 token（单词、符号），这个过程叫做 tokenize（分词化）。接着，这些 token 被归入对应的词类，最后再输出由已归类单词构成的流（形如(typeA,"str1"),(typeB,"str2"),(typeA,"str3"),(typeC,"str4")......）

  • 语法分析：语法分析器（分析器）在词法分析的基础上，根据事先约定的语法规则，对已归类单词构成的流进行匹配，以语法单位的形式进行重组，构造并输出一棵语法树（syntax tree | | parsing tree | | derivation tree）。

  • 语义分析与中间代码生成：语义分析与中间代码生成器基于语义规则，对语法树进行语义分析（变量是否定义，类型是否正确）和中间代码生成（三元式、四元式等）。

3.2 优化器

  • 中间代码优化：包括分析和转换（数据流分析、相关性分析）两个过程

3.3 后端

  • 指令选择：将每个 IR 操作映射为一个或多个实际的目标机操作
  • 寄存器分配：将指令选择阶段使用的虚拟寄存器映射到实际的目标机寄存器，最小化寄存器的使用
  • 指令调度：重排代码中的各个操作，最小化等待操作数所浪费的周期数