第5.2.3节 通过“偏移”访问数组元素和结构体成员
在上一节小节，我们举例介绍了对“数组元素和结构体成员”的访问，我们采用的是“基地址+偏移”的模式来计算其内存单元的地址。对于数组元素arr2[i][2]来说，数组索引值i为变量，对应的地址要表达为“基地址+常量偏移+非常量偏移”；对于结构体成员dt.b来说，其地址可表达为“基地址+常量偏移”。下面，我们还是结合一个简单的例子来说明相关概念，如图5.2.9所示，第1至14行给出了一个简单的C程序，第16至30为UCC编译器生成的中间代码，第33至46行是UCC编译器生成的汇编代码，而第49至58则是GCC编译器生成的汇编代码。由于第10行的arr[i]含有“非常量偏移”，C编译器需要生成代码来计算这些偏移，再与数组首地址进行相加。在汇编代码中，用于寻址的指令相当灵活，对于“arr[i]=30;”来说，GCC所生成的代码就与UCC不同，如图5.2.9第50至51行所示。UCC编译器采用的是形如第34至38行的指令，第34至35行用于计算“非常量偏移”，即i*4，通过把i左移2位来实现，第36行通过leal指令来取数组arr的首地址，第37行进行把基地址和偏移相加，所得结果存于寄存器ecx，之后通过第38行的寄存器间接寻址就可完成赋值。第19行的中间代码“t1:&arr”对应第36行的汇编代码 “leal arr,%ecx”。我们还发现，第11行的C代码“arr[2] = 50;”对应的汇编代码为第40行的“movl $50,arr+8”。在汇编代码中出现的符号arr可看成是一个地址常量，该movl指令把常数50送到(arr+8)所对应的内存单元中。
图5.2.9 对数组元素的寻址
在中间代码层次，一个符号对象struct symbol（或其“子类”对象，例如struct variableSymbol）可作为三地址码中的目的操作数或源操作数。UCC编译器在为“抽象语法树上的arr结点”生成中间代码时，并没有考虑其所处的上下文，为了能生成形如第36行的汇编指令，UCC编译器需要产生一条形如第19行的中间代码“t1:&arr;”，其中的临时变量t1存放了数组arr的首地址。虽然数组中的内容可能会被修改，数组arr的地址在数组生命周期内并不会发生变化，所以&arr可以当作公共子表达式来使用，当我们在第11行遇到另一棵抽象语法子树上的arr结点时，我们就可重用临时变量t1中的值。如果t1对应的寄存器为eax，在汇编层次，我们可为第11行的C语句“arr[2]＝50;”生成以下汇编代码。
leal arr, %eax; //取数组arr的地址
addl $8, %eax; //arr[2]在数组arr中的偏移为常量8
movl $50,(%eax); //通过寄存器间接寻址来进行赋值
这些汇编代码可以实现C语句“arr[2] = 50;”所要求的语义，但并不是很高效，我们可用图5.2.9第40行的“movl $50,arr+8”来实现一样的功能。在知道基地址和偏移的前提下，我们可以通过UCC编译器中的函数Offset，来产生“访问数组元素或结构体成员”的中间代码，如图5.2.9第18至20行所示；而函数AddressOf则可以生成第19行的“t1:&arr；”的取地址指令。
函数Offset的代码如图5.2.10所示，当C程序员访问数组元素或结构体成员时，第2行的参数addr是数组元素或结构体成员的基地址，参数voff是“非常量偏移VariableOffset”。当访问图5.2.9第12行的结构体成员dt.num时，由于结构体成员dt.num在结构体对象dt中的偏移是固定的，此时voff参数为NULL。但在访问dt.num[i]时，数组元素dt.num[i]在数组dt.num中的偏移为(i*4)，这不是常量，此时voff不为NULL，而访问arr[i]时voff也不为NULL。第2行的另一个参数coff代表“常量偏移ConstOffset”，访问图5.2.9第11行的arr[2]时，coff的值为2*sizeof(int)，即8。图5.2.10第3至8行的代码用于产生代码，进行基地址、非常量偏移和“常量偏移”这三者的加法运算，得到地址后，再由第7行的Deref进行“间接寻址操作”，这样我们就可以为“arr[i] = 30;”生成形如图5.2.9第18至21行的中间代码。当C程序员要访问arr[2]时，此时图5.2.10第8行注释中的t1就对应参数addr，voff为NULL，而coff的值为8，为了能产生形如图5.2.9第40行的汇编代码“movl $50,arr+8”，而不是生成“leal arr, %eax; addl $8, %eax; movl $50,(%eax);”这3条低效的代码，我们在第11行调用CreateOffset函数创建了一个新的符号对象，用来在中间代码层次表示形如arr[8]这样的符号。对于图5.2.10第13至14注释中所示的代码而言，ptr是指向int[4]数组的指针，C程序员通过(*ptr)[2]来访问数组元素时，UCC编译器会在语义检查CheckUnaryExpression时构造成一棵形如([] ([] ptr 0) 8)的语法树，在翻译这个语法树时，我们会计算出基地址为ptr，而偏移为8，此时我们把这两者相加，再通过间接寻址才能访问到相应的数组元素，第15行调用的Deref完成此功能。如果我们把C程序员写的(*ptr)[2]，错误地表示为中间代码层次的符号ptr[8]，则最终生成的汇编代码会是“movl $50,ptr+8”。假设数组arr的首地址是10000，而全局变量ptr的地址为20000，则变量ptr中的内容为10000，在此movl指令中，ptr是地址常数20000，该movl指令会把常数50传送到地址20008对应的内存单元。不过，按C的语义，(*ptr)[2]实际应访问C的数组元素arr[2]，数组元素arr[2]的地址为10008，因此“movl $50,ptr+8”是条错误的指令。所以，在中间代码层次，我们不可用符号ptr[8]来表示相应的数组元素(*ptr)[2]，而是要生成的形如“t5 : ptr + 8; *t5 = 60;”的代码，这些中间代码是通过图5.2.10第15行的函数Deref来产生，Deref是Dereference的缩写，表示“提领操作”，也有译为“解引用”，实际上进行的操作是“间接寻址”。
图5.2.10 Offset()
当要访问结构体成员dt.num，或者要访问的数组元素不存在“非常量偏移”（例如arr[2]）时，我们可用第18至39行的CreateOffset来为其创建一个符号对象，第18行的base代表基地址，第19行的coff代表“常量偏移”。如果偏移coff为0，比如当我们要初始化图5.2.10第21行注释中的局部变量d和dt时，第22行的条件就会成立，此时我们直接返回base即可。但是如果我们要访问的是dt.a时，按图5.2.9第4至7行的结构体定义，dt.a在对象dt中的偏移为0，但dt.a和dt的类型不一样，因此我们需要为dt.a创建一个新的符号对象，而不能使用和dt一样的符号对象，此时第22行的条件就不成立。第25行用于在堆空间中分配一个符号对象，第30行设该符号在C源代码中的坐标，第31行置标志位addreesed为1，表示该对象被进行过“取地址操作”（这样，数组元素和结构体成员作表达式中的操作数时，该表达式就不再被当作公共子表达式，我们在第5.2节介绍过相关概念），第32行设置该符号对象的类型为SK_Offset，第33行设置其类型，第34行保存其基地址对应的符号对象，第35行存放常量偏移，第36行用于生成形如“arr[8]”的符号名。当第18行的参数base本身就对应一个数组元素或者“结构体成员”时，例如dt.num[2]中的dt.num，对于dt.num来说，其基地址为dt，按图5.2.9第4至7行的定义，dt.num在结构体对象dt中的偏移为4，而数组元素dt.num[2]在数组dt.num中的偏移为8，在中间代码层次，我们可以把两者相加，得到dt.num[2]在结构体对象中的偏移为12，图5.2.10第26至29行的代码用于完成这些操作。
图5.2.10第40行的函数Deref主要用来生成一条形如“t3:*t2”的间接寻址指令，其中t2中存放的一个地址，*t2表示取“这个地址对应内存单元中的内容”，并把该内容存于临时变量t3中，符号t3就作为“间接寻址”的结果返回。当然如果第40行的参数addr形如第44行的t1，而t1由中间代码“t1:&arr”创建，则间接寻址操作*t1可简化为对arr的访问。
而图5.2.10第52行的函数AddressOf用于在必要时生成形如“t:&num”的取地址指令，其中的num是应是左值（具有C程序员可见的地址）。如果第52行的参数p是进行“间接寻址”后所得的结果t3，其中t3对应的间接寻址指令为“t3: *t2”，则“取地址操作&t3”可简化为t2，第52至57行的if语句对此进行判断，此时直接返回t2即可。当num被取地址后，UCC通过调用第61行的TrackValueChange函数，来使以num为操作数的公共子表达式失效。UCC用这样的策略避免了“别名分析”这样的复杂过程，当然这会影响生成代码的质量，UCC编译器在优化上做得还不够。由于num在其生命周期内的地址是不会变化的，所以对num进行取地址后的值就可以作为公共子表达式使用，第63行调用的TryAddValue用于此目的。
对一个全局变量或静态变量number来讲，我们可以这样来理解出现在C程序中的符号number。在C代码中，我们可把符号number理解为“number相应内存单元中的内容，number位于赋值号右侧，则对该内存单元进行读操作；而number位于赋值号左侧时，则对该内存单元进行写操作”。C程序员如果要获取该内存单元的地址，则使用表达式&number。
// C代码，number对应全局静态区中的一个内存单元
number = 30; //number位于赋值号左侧，表示要改写number的内容
a = number; //number位于赋值号右侧，表示要读取number的内容
但在汇编代码层次，我们可以把符号number看成是地址常数，在请求分页的操作系统中，连接器最终会为全局变量和静态变量分配一个虚空间中的内存单元，相当于把汇编代码中的符号number替换为一个地址常数。如果要访问相应内存单元的内容，则使用如下movl指令；而如果要获取该内存单元的地址，可使用leal指令，如下所示。
// 若全局变量number的地址为0x804a060
movl number, %eax; //寄存器eax中的内容为30
leal number, %ebx; //寄存器ebx中的内容为0x804a060
如果number只是个局部变量，由于其存储空间位于栈中，是动态分配的，其符号名number根本就不会出现在汇编代码中，而是用形如“-4(%ebp)”这样的符号来表示，其中寄存器ebp在运行时会指向栈空间，在编译时，我们只能算出局部变量number在栈中的偏移，其基地址是未知的，运行时会由寄存器ebp来指向。
当然在C语言中，数组名是个特例，按照我们前面的理解，在C语言层次，符号arr就应代表数组的内容。但C编译器会根据上下文来对数组名进行不同的处理，这会造成语义上的不一致。这也是数组名给不少C程序员带来诸多困惑的源头，例如arr和&arr到底有何区别之类。对以下数组arr来说，在符号表中，符号arr的类型始终都是int[4]的数组类型，但当符号arr被用在不同场合时，其对应表达式的类型并不一致。
int arr[4];
(1) sizeof(arr) 的值为16，其中的表达式arr为数组类型int[4]；
(2) arr+1，这里的arr被当成数组第0个元素的地址，而arr[0]的类型为int，则&arr[0]的类型为 int *，所以此处表达式arr的类型也为int *
(3) &arr +1, 其中表达式arr的类型为数组类型int[4];
而&arr是指向数组int[4]的指针类型，即int(*)[4]。
我们可以大胆地猜测，C的设计者是出于运行时效率的考虑，才会在一些情况下“把
数组名arr当作第0个数组元素arr[0]的首地址”。例如，在以下函数调用“f(bigArr)”中，若符号bigArr代表的是数组的内容，则在传参时我们需要传递4000字节的数据，这要占用较多的栈空间，同时大量数据的复制也要耗费不少时间。此时，若由C编译器把f(bigArr)中的bigArr当作bigArr[0]的地址，则只要传递一个地址就可以了，同时函数f的形参int num[1000]也可由C编译器隐式地调整为int * num。但是这并不能完全阻止C程序员传递数组的内容，C程序员还是可以写出如下struct Container，通过给函数k传递一个struct Container对象，C编译器还是会复制其中的数组data。
int bigArr[1000];
void f(int num[1000]){
}
void g(void){
f(bigArr);
}
struct Container{
int data[1000];
};
void k(struct Container d){
}
如果从语义一致上的角度出发，在C语言层次，让数组名bigArr代表数组中的内容其实也是很好的设计，这或许还更符合“提供机制，而非策略”的思想，C编译器提供传参的各种机制，至于C程序员要选用哪一种，也许由C程序员根据应用的上下文来决定会更好些，如下函数声明h1、h2和h3所示。这可能与设计上的审美有关，不过，当一个决定已成了标准，我们就要严格遵守。
void h1(int arr[1000]);
void h2(int * arr);
void h3(int (*ptr)[1000]);
理解了图5.2.10中的Offset等函数后，由于处理完了“寻址”的问题，我们再来看
tranexpr.c中的表达式翻译就会轻松许多。在下一小节中，我们将对tranexpr.c中用于翻译结构体成员访问的函数CheckMemberAccess，及用于翻译数组元素访问的函数CheckPostfixExpression等进行讨论。
1980
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
