llvm Kaleidoscope tutorial 学习记录(1)

llvm tutorial

llvm是一种由Chris Lattner提出的编译器的架构，由C++编写，可以作为任意语言的编译器后端。Kaleidoscope Tutorial向开发者展示了如何完整实现一门简单的编程语言。接下来是该手册的各个章节

Chapter 1

为了实现一门编程语言，首先要做的事情就是扫描、分析该语言的源文件。因此，lexer(或叫scanner)，即词法分析器是必需的。lexer将源文件分解成一个个的token，这些token包括元数据(metadata)和关键字(token code)。例如下面的代码：

// The lexer returns tokens [0-255] if it is an unknown character, otherwise one
// of these for known things.
enum Token {
  tok_eof = -1,

  // commands
  tok_def = -2,
  tok_extern = -3,

  // primary
  tok_identifier = -4,
  tok_number = -5,
};

static std::string IdentifierStr; // Filled in if tok_identifier
static double NumVal;             // Filled in if tok_number

全局变量IdentifierStr存放关键字，而全局变量NumVal(这里假定该语言的数据类型有且仅有double类型)存放常量数值。

lexer的核心功能是从输入中读取token。函数gettok形式如下：

/// gettok - Return the next token from standard input.
static int gettok() {
  static int LastChar = ' ';

  // Skip any whitespace.
  while (isspace(LastChar))
    LastChar = getchar();

gettok需要跳过源文件中的空格，并且将最后读取的字符存储下来，然后，还需要识别关键字(例如def,extern等)。

if (isalpha(LastChar)) { // identifier: [a-zA-Z][a-zA-Z0-9]*
  IdentifierStr = LastChar;
  while (isalnum((LastChar = getchar())))
    IdentifierStr += LastChar;

  if (IdentifierStr == "def")
    return tok_def;
  if (IdentifierStr == "extern")
    return tok_extern;
  return tok_identifier;
}

数字等常量采用如下方式读取，注意这里采用strtod完成字符串到数字的转换

if (isdigit(LastChar) || LastChar == '.') {   // Number: [0-9.]+
  std::string NumStr;
  do {
    NumStr += LastChar;
    LastChar = getchar();
  } while (isdigit(LastChar) || LastChar == '.');

  NumVal = strtod(NumStr.c_str(), 0);
  return tok_number;
}

另外，我们还需要处理注释部分(注释以#开头)：

if (LastChar == '#') {
  // Comment until end of line.
  do
    LastChar = getchar();
  while (LastChar != EOF && LastChar != '\n' && LastChar != '\r');

  if (LastChar != EOF)
    return gettok();
}

完整的lexer部分代码参见 http://llvm.org/docs/tutorial/LangImpl02.html#full-code-listing