笔记-编译原理-第一章-第三章

编译原理学习笔记

第一章 引论

课程内容： 介绍程序设计语言 编译程序构造 的 基本原理 和 基本实现技术 。

1.1 什么是编译程序

翻译程序(Translator)

把某一种语言程序（称为 源语言程序） 等价 的转换成另一种语言程序（称为 目标语言程序） 的程序。

编译程序(Complier)

把某一种 高级语言程序 等价的转化成另一种 低级语言程序 （如汇编语言或机器语言程序）的程序。

编译程序可分为： 诊断编译程序、优化编译程序、交叉编译程序、可变目标编译程序 。

解释程序(Interpretor)

把 源语言 写的源程序作为输入，但不产生目标 程序，而是 边解释边执行 源程序。

1.2 为什么学习编译原理

从计算机科学与技术可以学到什么：

• 理解计算系统
• 设计计算系统
• 训练计算思维(Computational Thinking)

计算思维是什么：

计算思维是运用计算集科学的基础概念去求解问题，设计系统和理解人类行为。

计算思维的广泛方法：

抽象、自动化、问题分解、递归、权衡、保护、冗余、容错、纠错、和恢复、启发式等等。

1.3 编译过程

编译程序工作的五个阶段： 词法分析 、 语法分析 、 中间代码生成 、 优化 、 目标代码产生 。

词法分析

• 任务: 输入源程序，对构成源程序的字符串进行 扫描和分解，识别出单词符号
• 依循的原则：构词规则
• 描述工具：有限自动机

语法分析

• 任务：在词法分析的基础上，根据语法规则把 单词符号串分解成各类 语法单位(语法范畴)
• 依循的原则：语法规则
• 描述工具：上下文无关文法

中间代码产生

• 任务：对各类语法单位按语言的语义进行初步翻译
• 依循的原则：语义规则
• 描述工具：属性文法
• 中间代码：三元式，四元式，树，...

优化

• 任务：对前阶段产生的中间代码进行加工变换， 以期在最后阶段产生更高效的目标代码
• 依循的原则：程序的等价变换规则

目标代码产生

• 任务: 把中间代码变换成特定机器上的目标代码
• 依赖于硬件系统结构和机器指令的含义

目标代码三种形式

• 汇编指令代码: 需要进行汇编
• 绝对指令代码: 可直接运行
• 可重新定位指令代码: 需要连接

可以直接运行的目标代码是绝对指令代码。

1.4 编译程序的结构

编译程序总框

出错处理

• 出错处理程序：发现源程序中的错误，把有关错误信息报告给用户
• 语法错误： 源程序中不符合语法（或词法）规则的错误；非法字符、括号不匹配、缺少；、…
• 语义错误： 源程序中不符合语义规则的错误 ；说明错误、作用域错误、类型不一致、…

遍(pass)

遍： 对源程序或源程序的中间表示 从头到尾扫描一次

阶段与遍是不同的概念

• 一遍可以由若干段组成
• 一个阶段也可以分若干遍来完成

编译前端与后端

编译前端

• 与源语言有关，如词法分析，语法分析，语义分析与 中间代码产生，与机器无关的优化

编译后端

• 与目标机有关，与目标机有关的优化，目标代码产生

带来的好处

• 程序逻辑结构清晰
• 优化更充分，有利于移植

1.5 编译程序生成

以汇编语言和机器语言为工具

• 优点: 可以针对具体的机器，充分发挥计算机的系统 功能；生成的程序效率高
• 缺点: 程序难读、难写、易出错、难维护、生产的效 率低

高级语言书写

一个高级语言编写的编译器：

利用已有的某种语言的编译程序实现另一语言的编译程序

P1是一个可以在A机器上运行的编译程序（类似gcc.exe）即 L1ToA.A，可以将一个L1语言的代码编译成一个可以在A上运行的程序

这时我们用L1语言写一个编译L2语言的编译器P2，即 L2ToA.L1 为了能够在A机器上运行，所以我们需要上面的编译器来编译这个代码，得到 L2ToA.A 这样就得到了一个L2语言的编译器（例如我们用C++语言编写一个Python的编译器python.cpp，然后用g++.exe 编译链接得到一个可以运行的Python的编译器 python.exe）

移植方法：把一种机器上的编译程序移植到另一种机器上

例如现在有一个在A平台（例如Windows）下的L语言（例如c++)的编译器，要移植这个编译器到B平台（Linux）下，我们拥有A平台下的一个L语言的编译器（例如g++.exe）即 LToA.A ，，

我们可以用L语言写一个针对B平台下的L语言的编译器（例如Linux中的g++.cpp）即 LToB.L ，

在A平台下编译即可得到一个在A平台下运行并可以编译出在B平台的下运行的L语言的编译器(P2: LToB.A)

然后再用这个A平台下的编译器编译我们的代码（ LToB.L）就可以得到一个在B平台下运行的编译器 LToB.B

打个比方：

我们用c++ 编写一个 g++ForLinux.cpp 然后用 g++.exe 编译，得到 g++ForLinux.exe 然后用 g++ForLinux.exe 编译 g++ForLinux.cpp 就可以得到在Linux下运行的 g++ForLinux c++编译器了。

自编译方式

就是编写L的编译器就用L的一小部分 $L_1$ 写一个编译器，然后编译 $L_1+L_2$ 得到一个较大的编译器，这样不断的重复下去，利用语言自己来写完整的编译器。

编译程序自动产生

编译程序-编译程序，编译程序产生器，编译程序书 写系统

LEX：词法分析程序产生器

YACC：语法分析程序产生器

第二章 高级程序设计语言概述

2.1 常用的高级程序设计语言

高级程序设计语言的优点

相对机器语言或汇编语言，高级程序设计语言

• 更接近于数学语言和工程语言，更直观、自然和易 于理解
• 更容易验证其正确性、改错
• 编写程序的效率更高
• 更容易移植

2.2 程序设计语言的定义

标识符是语法概念，名字是语义概念

程序语言的定义： 语法 、语义 、语用

语法

程序本质上是一定字符集上的字符串

语法：一组规则，用它可以形成和产生一个 合式(well-formed) 的程序。

词法规则 ：单词符号的形成规则。

• 单词符号是语言中具有独立意义的最基本结构
• 一般包括：常数、标识符、基本字、算符、界符等
• 描述工具：有限自动机

语法规则 ：语法单位的形成规则。

• 语法单位通常包括：表达式、语句、分程序、过程、 函数、程序等;
• 描述工具：上下文无关文法

语法规则 和 词法规则 定义了程序的形式结构。

定义语法单位的意义属于 语义 问题。

语义

语义 ：一组规则，用它可以定义一个程序的意义 。

描述方法 ：

• 自然语言描述：二义性、隐藏错误和不完整性
• 形式描述：操作语义 、指称语义 、代数语义

程序语言的基本功能和层次结构

程序，本质上说是描述一定数据的处理过程 。

程序语言的基本功能 ：描述数据 和 对数据的运算 。

程序的层次结构

程序语言成分的逻辑和实现意义

• 抽象的逻辑的意义：数学意义
• 计算机实现的意义：具体实现

2.3 高级程序设计语言的一般特性

高级语言的分类

• 强制式语言(Imperative Languge)/过程式语言：命令驱动，面向语句，C、Pascal
• 应用式语言(Applicative Language)： 注重程序所表示的功能，而不是一个语句接一个语 句地执行 LISP、ML
• 基于规则的语言( Rule-based Language)： 检查一定的条件，当它满足值，则执行适当的动作 Prolog
• 面向对象语言(Object-Oriented Language)： 封装、继承和多态性 Smalltalk，C++，Java

程序结构

• FORTRAN ： 主程序段+辅程序段、没有嵌套和递归==> 模块化的特点
• PASCAL ：程序本身可以看成是一个操作系统调用的过 程，过程可以嵌套和递归
• 作用域：一个名字能被使用的区域范围。
• 名字作用域规则—— "最近嵌套原则"
• JAVA ：面向对象

数据结构与操作

数据类型 通常包括三要素：

• 用于区别这种类型数据对象的 属性
• 这种类型的数据对象可以具有的 值
• 可以作用于这种类型的数据对象的 操作

初等数据类型 ： 数值类型 、逻辑类型 、字符类型、指针类型。

标识符与名字

标识符是语法概念，名字是语义概念

• 标识符：以字母开头的，由字母数字组成的字符串
• 名字：标识程序中的对象

名字的意义和属性 ：

• 值：单元中的内容
• 属性：类型和作用域

名字的说明方式：

• 由说明语句来明确规定的
• 隐含说明
• 动态确定

数据结构

数组

n维矩形结构、长度可变和不可变、存放方式：按行存放、案列存放

数组元素地址计算：

编译器程序会维护一个这样的向量：

记录

由已知类型的数据组合在一起的一种结构 （就是结构体。。。）

其中内部的元素也称为 域（field）

字符串、表格、栈

抽象数据类型

其内容包括：

• 数据对象集合
• 作用于这些数据对象的抽象运算的集合
• 这种类型对象的封装，即，除了使用类型中所定义 的运算外，用户不能对这些对象进行操作

程序设计语言对抽象数据类型的支持

语句与控制结构

表达式

• 表达式由 运算量（也称操作数，即数据引用或函数 调用） 和 算符（运算符，操作符） 组成 。
• 形式：中缀、前缀、后缀
• 表达式形成规则

算符的优先次序

一般的规定 ：

• PASCAL：左结合A+B+C=(A+B)+C
• FORTRAN： 对于满足左、右结合的算符可任取一种

注意：

• 代数性质能引用到什么程度视具体的语言而定
• 在数学上成立的代数性质在计算机上未必完全成立（多个函数间的返回值的运算）

语句

• 赋值语句：左值->地址、右值->内容
• 控制语句 ：无条件转移语句、条件语句 、循环语句、过程调用语句 、返回语句

语句的分类：

1.按功能：

• 执行语句：描述程序的动作
• 说明语句：定义各种不同数据类型的变量或运算， 定义名字的性质

2.按形式 ：

• 简单句：不包含其他语句成分的基本句
• 复合句：句中有句的语句

第三章 高级程序设计语言的语法描述

3.1 上下文无关文法

文法

文法 ：描述语言的语法结构的形式规则。

以英文句子： He gave me a book 举例：

语法描述的几个基本概念

• 字母表： 一个有穷字符集，记为 $\sum$
• 字母表中每个元素称为 字符
• $\sum$上的 字 (也叫 字符串) 是指由 $\sum$ 中的字符所构成 的一个有穷序列
• 不包含任何字符的序列称为 空字 ，记为 $ϵ$
• 用 ${\sum }^{\ast }$ 表示 $\sum$ 上的所有字的全体，包含空字 $ϵ$
• 例如: 设 ∑ = { a , b } \sum = \{a, b\} ∑={a,b} ，则 ∑ ∗ = { ϵ , a , b , a a , a b , b a , b b , a a a , . . . } \sum^* = \{\epsilon,a,b,aa,ab,ba,bb,aaa,...\} ∑∗={ϵ,a,b,aa,ab,ba,bb,aaa,...}
• ${\sum }^{\ast }$ 的子集 $U$ 和 $V$ 的 连接（积） 定义为： U V = { α β ∣ α ∈ U & β ∈ V } UV = \{\alpha \beta|\alpha \in U \& \beta \in V \} UV={αβ∣α∈U&β∈V} （$\alpha \beta$ 的连接有顺序）
• $V$ 自身的n次积为： $V^n=\underset{n}{\underbrace{VVV\cdots V}}$ ，其中 V 0 = { ϵ } V^0 = \{\epsilon\} V0={ϵ};
• $V^{\ast }$ 是 $V$ 的 闭包 : $V^{\ast }=V^0\bigcup V^1\bigcup V^2\bigcup V^3\cdots$
• $V^{+}$ 是 $V$ 的 正规（则）闭包 ： $V^{+}=V{V}^{\ast }$

eg: 设 U = { α , α α } U=\{\alpha , \alpha \alpha\} U={α,αα} ，显然 U ∗ = { ϵ , a , a a , a a a , a a a a , … } U^*= \{ \epsilon, a, aa, aaa, aaaa, \ldots \} U∗={ϵ,a,aa,aaa,aaaa,…}
U + = { a , a a , a a a , a a a a , … } U^+=\{ a, aa, aaa, aaaa, \ldots \} U+={a,aa,aaa,aaaa,…}

闭包与正规闭包的区别：$V$ 若无空字， $V^{\ast }$ 中有空字、而 $V^{+}$ 无空字。

上下文无关文法

上下文无关文法 $G$ 是一个四元组 $G=(V_T，V_N，S，P)$，其中:

• $V_T$：终结符(Terminal)集合(非空)
• $V_N$：非终结符(Noterminal) 集合(非空)，且 $V_T\bigcap V_N=\varnothing$
• $S$：文法的 开始符号，$S\in V_N$
• $P$：产生式 集合(有限)，每个产生式形式为 $P\underrightarrow{定义为}\alpha ,P\in V_N,\alpha \in (V_T\bigcup V_N{)}^{\ast }$
• 开始符S至少必须在某个产生式的左部出现一次

eg: 定义只含 $+，\ast$ 的算术表达式的文法 G = < { i , + , ∗ , ( , ) } ， { E } ， E ， P > G=< \color{#F0A}{ \{i,+,*,(,)\} }，\color{#0F5}{ \{E\} }，\color{#08F}{E}，\color{black}{P}> G=<{i,+,∗,(,)}，{E}，E，P>，其中，P 由下列产生式组成：

• $E\to i$ ,
• $E\to E+E$
• $E\to E\ast E$
• $E\to (E)$

巴科斯范式（BNF）

• “$\to$” 用 “$::=$” 表示。
• 约定 $\{\begin{array}{l}P\to {\alpha }_1\\ P\to {\alpha }_2\\ \dots \\ p\to {\alpha }_n\end{array}可缩写为⟹p\to {\alpha }_1|{\alpha }_2|\cdots |{\alpha }_n$ 其中 “$|$” 读成 ”或“ ，称 ${\alpha }_i$ 为 $P$ 的一个候选式， 故给出一个文法时将只给出 开始符号 和 产生式 :如图：

$G(E)$里的 $E$ 是指开始符号。

3.2 文法与语言

推导

定义： 称 $\alpha A\beta$直接推出 $\alpha \gamma \beta$，即 $\alpha A\beta ⟹\alpha \gamma \beta$ 仅当 $A\to \gamma$ 是一个产生式，且 $\alpha ，\beta \in (V_T\cup V_N{)}^{\ast }$。

如果 ${\alpha }_1⟹{\alpha }_2⟹\cdots ⟹{\alpha }_n$，则我们称这个序列是 从α1到αn的一个 推导 。若存在一个从 ${\alpha }_1$ 到 ${\alpha }_n$ 的 推导，则称 ${\alpha }_1$ 可以 推导 出 ${\alpha }_n$。

对文法 $G(E)：E\to i|E+E|E\ast E|(E)$
$E⟹(E)⟹(E+E)⟹(i+E)⟹E(i+i)$

句型、句子和语言

我们定义：
${\alpha }_1{\Rightarrow }^{\ast }{\alpha }_n$ 从 ${\alpha }_1$ 出发，经过0步或若干步推出 ${\alpha }_n$
${\alpha }_1{\Rightarrow }^{+}{\alpha }_n$ 从 ${\alpha }_1$ 出发，经过1步或若干步推出 ${\alpha }_n$
因此， $\alpha {\Rightarrow }^{\ast }\beta$ 即为 $\alpha =\beta$ 以及 $\alpha {\Rightarrow }^{+}\beta$
(这里的 $+\ast$ 都是在 $\Rightarrow$ 的上面）

所以可以得到这样的关系，（理解一下即可）：
$<句子>{\Rightarrow }^{\ast }\text{He gave me a book}$
$<句子>{\Rightarrow }^{+}\text{He gave me a book}$
$\text{He gave < 间接宾语><直接宾语>}{\Rightarrow }^{+}\text{He gave me <冠词><名词>}$

由以上定义可以得出句型、句子和语言的定义：

假定G是一个文法，S 是它的开始符号。

• 如果 $S{\Rightarrow }^{\ast }\alpha$，则称 $\alpha$ 是一个 句型
• 仅含终结符号的句型是一个 句子。
• 文法G所产生的句子的全体是一个 语言，记为 L ( G ) : L ( G ) = { α ∣ S ⇒ + α , α ∈ V T ∗ } L(G): L(G) = \{ \alpha | S ⇒^+ \alpha , \alpha \in V_T^* \} L(G):L(G)={α∣S⇒+α,α∈VT∗​}

句型和句子练习

（这里为了排版更加的整齐（其实是打公式太懒）就贴图片了）：

代换思想：

从文法到语言

给定文法判断所产生的语言是什么，其实就是一个递归的思想：

从语言到文法

请给出产生语言为 { a n b n ∣ n ≥ 1 } \{a^nb^n|n≥1\} {anbn∣n≥1} 的文法:

$G3(S)：$

• $S\to aSb$
• $S\to ab$

3.3 语法树与二义性

推导与语法树

左推导和右推导

从一个句型到另一个句型的推导往往不唯一，从推导的方向看有两种：

• 最左推导：任何一步 $\alpha \Rightarrow \beta$ 都是对 $\alpha$ 中的中的左非 终结符进行替换
• 最右推导：任何一步 $\alpha \Rightarrow \beta$ 都是对 $\alpha$ 中的中的右非 终结符进行替换

语法树

• 用一张图表示一个句型的推导,称为 语法树
• 一棵语法树是不同推导过程的共性抽象

注意：

• 树中间，父子结点 可以同名
• 语法树不反应结点的产生先后顺序，只反映语法符号的定义或者说是构成关系

二义性(ambiguity)

• 文法的二义性 ：如果一个 文法 存在 某个句子 对应 两棵不同的语法树 ，则说这个文法是二义的 $G(E)：E\to i|E+E|E\ast E|(E)$ 是二义文法
• 语言的二义性 ：一个语言是二义的，如果（那么） 对它不存在无二义的文法 。对于语言L，可能存在G和G’，使得 $L(G)=L(G’)=L$ ，有可能其中一个文法为二义的， 另一个为无二义的

二义性问题是 不可判定问题 ，即不存在一个算法，它能在有限步骤内，确切地判定一个文法
对于是否是二义的 ，可以找到一组无二义文法的充分条件

3.4 形式语言鸟瞰

乔姆斯基于1956年建立形式语言体系，他把文 法分成四种类型：0，1，2，3型 。

• 0型(短语文法，图灵机)：产生式形如：$\alpha \to \beta$ ，其中：$\alpha \in (V_T\cup V_N{)}^{\ast }$且至少含有一个非终结符；$\beta \in (V_T\cup V_N{)}^{\ast }$
• 1型(上下文有关文法，线性界限自动机) ：产生式形如：$\alpha \to \beta$ ，其中： $|\alpha |\le |\beta |$ ，仅 $S\to \epsilon$ 例外
• 2型(上下文无关文法，非确定下推自动机) ： 产生式形如：$A\to \beta$ ,其中： $A\in V_N；\beta \in (V_T\cup V_N{)}^{\ast }$ （可以利用栈分析）
• 3型(正规文法，有限自动机)： 产生式形如：$A\to \alpha B$ 或 $A\to \alpha$ （右线性文法）其中：α∈VT*；A，B∈VN ；（左线性文法：产生式形如：$A\to B\alpha$ 或 $A\to \alpha$ ）

四种类型文法描述能力比较

上下文无关文法

（自嵌套语言仅能由上下文无关文法产生）

上下文有关文法

0型语言

程序设计语言不是上下文无关语言，甚至不是上下文有关语言，只能由0型语言产生，如：

对于无法利用上下文无关法分析的部分一般交由语义分析处理。

习题

课后习题，题干和过程就引用网上的资料了

（end)