基于龙芯32位基础整数指令集的汇编器（二）

前篇传送门

这是本项目的第二篇文章，以下为前篇的传送门：
第一篇

前情提要

• 已经划分了指令集
• 已确定了使用Qt来做可视化界面开发
• 明确了汇编代码翻译过程

第三步（续）：分支指令的细节

• 分支指令的跳转地址不仅可以是10进制立即数，还可以是16进制立即数，但最关键的问题是：它可能是一个标号
• 标号一词在汇编代码中是常见的，标号常用于标志一个相对地址，使得分支指令在编写时可以不顾及具体值，跳转到对应的指令位置
• 但这对于汇编器而言并非自动就能转换的，需要我们能动地去改造一下

首先，我们需要明确为了能实现相对地址的转换，我们需要一个匹配机制，这意味着我们需要抛弃之前的设计思想（按行读取一遍即可），改为两次遍历行输入，即第一次遍历仅进行预处理+标号记忆，第二遍才开始正式翻译机器码。

为什么一遍不行呢？试想一下，如果我们的跳转指令是跳向后面的某个地方，然而我们总是顺序读取指令的，那就会出现我们找不到这个标号的存在的情况，那就很尴尬了，你说它有问题吧，人家又不是真的没定义过这个标号，你说它没问题吧，你的汇编器又不能正确翻译……

为了记忆标号，我们使用自定义结构体，辅以向量当容器进行存储，该标号结构体应该要有如下成员：

1. 标号名
2. 标号出现的位置（或直接PC值）

当第二遍进行指令翻译时，我们就能对存在使用标号跳转的分支指令进行正确的翻译了

第四步：代码段和数据段

一份汇编代码，如果只能支持代码段那未免有些单薄，所以我们需要将代码段和数据段分开处理，那问题就是：如何区分我现在是在处理代码段还是数据段呢？

• 龙芯的汇编指令格式中指出，.text和.data关键字可以用于标志代码段和数据段的起始位置，由此，我们可以通过汇编代码翻译的方式，逐行读取的过程中，使用QString数据类型提供的.mid方法，同时辅以.simplify方法（用于去除行首尾的空格和格式符）；
• 在程序中设立text_flag和data_flag两个标志，如果读取到的内容是上述两个关键字，就将对应的标志激活，通过固定的逻辑判断，就不难推断读取的内容是数据还是代码了
• 同时，将代码和数据分开后，处理函数也能够更好地实现分治策略

但新的问题也随之而来，数据部分怎么处理呢？

数据变量处理

• 数据变量定义的一个例子：string .asciz "Hello world.\r\n"这里定义了一个名为string的变量，类型是asciz，内容是Hello world.\r\n；所以我们需要一个“数据变量”结构体，成员有三：
  1. 变量名
  2. 变量类型
  3. 变量内容
  • 然后再用一个vector将若干个数据变量结构体存储起来即可
• 接下来我们会发现一个问题（学过CSAPP或操作系统的小伙伴应该对“内部对齐”这个词有些印象），是的，变量存放在内存中，内存按字节编址，但是操作系统为了管理方便，并非直接让变量之间紧挨着存放，而是会在不同类型的变量之间存在人为空白，使得变量的起始地址具有某些特定的规律（如模4为0，或模8为0等等）
• 因此我们可能在处理过程中再对数据变量结构体增加一个成员：起始地址
• 且在处理数据段的过程中，我们人为地计算每个变量的起始地址，使其满足内部对齐要求

第五步：基础的错误检查机制

正如某人所说：“你现在已经是个成熟的汇编器了，要学会自己检错”，咳咳，扯远了，说回正题，完整地走完前三步后，我们虽然已经能够对一篇基本的汇编代码进行翻译，但前提是这篇代码一个错都不能有（格式错误，非逻辑错误），这对于用户显然是非常不友好的，试想各位使用过的IDE那个不是会在编译后提示你几个error几个warning呢？
虽然我们做不到商用IDE那般精确地定位错误，但至少不应该对一些简单的错误视而不见，因此我们需要考虑给汇编器装上检错的一只眼。
首先我们要确定一些常见的错误类型，前4步中可能存在的错误类型整理如下

错误类型	错误描述
指令名错误	即指令名书写有误，如将add.w写成addw之类的，或是给了个根本不存在的指令名如adc.w
寄存器名错误	龙芯汇编码的寄存器书写规范要求寄存器名前要加符号"$"，而且用户可能并不是使用r0~r31，而是诸如rsp,rbp,a1,t1等助记名，所以我们不仅要存储两种名称，还要对用户写错名称的情况进行检查
操作数个数问题	有些指令是三操作数，有些是双操作数或单操作数的，当我们明确指令类名后，其操作数个数是固定的，因此如果用户给出的操作数个数不对的话，我们也需要进行反应
分支指令中使用尚未定义的标号	显然，如果我们发现用户输入了一个整篇代码都没出现过的标号，是一定需要提醒用户的（大部分情况可能是因为用户粗心大意打错标号了，而非真的想用一个从未定义过的标号）
多次定义代码段和数据段起始位置	和做人一样要从一而终，不能来回拉扯，无论是代码段还是数据段，都只能定义一次（当然，如果读者觉得可以这样做的话也无妨，这只是本人的一些个人设计罢了）
全文未见过.text关键字	一篇汇编代码中可以没有数据变量（数据段），但不能没有代码段啊，代码段都没有就很迷……

在什么位置检测错误呢？这是个大问题
首先我们目前采用的翻译方式是两次遍历，这意味着错误可能在两次遍历中的某一次出现，一旦出现，我们就应该提前终止翻译吗？可以这样做，且推荐这样做，不仅是避免了后续可能存在的逻辑漏洞，且能节省处理时间。
第一遍预处理时，我们就应该进行指令名错误、多次定义代码段和数据段起始位置和全文未见过.text关键字这三种错误进行检测
第二遍正式翻译时，我们则需要对其他类型错误进行检测，上面的三种反而不会再次出现。
同时我们可以定义一个全局错误描述符，用于表示整个流程中是否出现了错误，出现了什么错误，然后构建一个错误信息输出函数，将对应错误输出到某个Qt窗口，反馈给用户

结尾

第二章就到此结束了，详细代码项目可通过gitee仓库获取，仓库地址，内容属作者原创，只供学习免费使用，其余用途请联系作者