Sample语言编译与运行及简单虚拟机器的设计实现

记录一下编译原理课程设计的内容（Java ）。这是一次课程设计，代码中有很多漏洞，欢迎来喷。

Sample语言的编译包括，词法分析，语法分析，语义分析及中间代码生成，中间代码转化为汇编代码。词法分析采用有穷自动机实现，语法分析和语义分析均为自上而下进行。中间代码转化为汇编的过程中统一采用变址寻址方式，简单粗暴，未做更多优化。

Sample语言具有一般高级语言的共同特征：字符集包括所有的大小写字母、数字和一些分界符；有多种内部数据类型：整型、实型、布尔型和字符型；语句说明包括说明语句和可执行语句；语句控制包括顺序、条件和循环3种结构。具体来说主要包括如下一些语法成分。

（1）     由字母、数字以及下划线构成的字符集。

（2）     由关键字、标识符、常数、界符和运算符构成的单词集。

（3）     有整形、布尔型、实型和字符型4中数据结构。

（4）     包括算术表达式、逻辑表达式和关系表达式3种类型的表达式；语句由说明语句和可执行语句两种类型构成；说明语句包括常量说明（用const定义）和变量说明（用var定义）；可执行语句有赋值语句、if语句、while语句、do-while语句等。

（5）     程序由关键字program开头。

语法分析阶段涉及的句法如下：

算术表达式的语法定义如下。

（1）<算术表达式>：：=<项> <加法运算符> <项> | <项>

（2）<项>：：=<因子> <乘法运算符> <因子> | <因子>

（3）<因子>：：=<标识符> | <无符号整数> |（<算术表达式>）

（4）<加法运算符>：：= + | -

（5）<乘法运算符>：：=* | /

布尔表达式的语法定义如下。

（1）<布尔表达式>：：=<布尔项> or <布尔表达式> | <布尔项>

（2）<布尔项>：：=<布尔因子> or <布尔项> | <布尔因子>

（3）<布尔因子>：：=<布尔量> | ！<布尔因子>

（4）<布尔量>：：=<布尔表达式> | <算术表达式> <关系符> <算术表达式>

（5）<关系符>：：= < | > | < > | <=| >= | == |=

if，while、for、赋值等语句的定义如下。文字表达可能不太清楚，所以用图的形式描述。

目标代码生成是将语义分析所产生的中间代码变换成目标代码，从而实现了源程序的最后翻译，此阶段的工作也是最复杂的。它的复杂性在于，翻译工作有赖于目标机器的系统结构，涉及内存的使用、指令的选择以及寄存器的调度。因此我们将四元式到机器码的翻译分为两步，第一步是四元式到汇编语言的翻译，第二步是汇编语言到机器码的翻译。

 

接下来就是简单虚拟机器的设计的实现了。该虚拟机将完成从汇编代码到二进制代码的转换，并将二进制代码加载到内存、执行。

我们首先需要设计一台抽象的计算机——虚拟裸机，包括寄存器的设计与使用、内存的设计与使用、指令格式的设计、寻址方式的设计等。

抽象计算机的虚拟硬件配置。

1、内存为256×256个单元（64K），一个单元成为一个字，一个字有两个字节，地址为0~65535。单元可以存放置零，也可以存放数据。内存单元若存放数据，则数据范围为-32768~+32767或0~65535。一条机器指令占用一个单元，若不考虑数据占用的内存单元，程序最大长度为256×256。

2、虚拟机具有四个通用寄存器（2字节）、一个标志寄存器FlagReg和一个堆栈寄存器TopReg。4个通用寄存器分别标记为R0、R1、R2、R3，除可用于存放操作数和计算结果外，还可用于变址寻址。标志寄存器FlagReg用于保存cmp指令比较结果。堆栈寄存器TopReg用作系统栈顶指针。

 

寻址方式及寄存器功能说明。

1、内存单元若存放指令，高四位（第15、14、13、12位）为操作码、低12位（11~0）

       用于描述地址。第11、10位表征第一地址，第一地址只能是寄存器。

                 00：表示第一地址为R0；

                 01：表示第一地址为R1；

                 02：表示第一地址为R2；

                 03：表示第一地址为R3；

                 第9、8位表征第二地址的寻址方式，第二地址可以是内存直接地址、寄存器或变

       址寻址，还可以是0~255范围内的直接数。

00：表示直接地址寻址（M），第二操作数在内存低地址区域，地址范围为0~255，7~0位表示内存地址。

01：表示寄存器寻址，3~0位的值可为0~3，分别表示R0~R3（实际上是用第一位和第0位）。7~4位或为0，或为1（实际上使用第5位）。0表示寄存器直接寻址（Ri），

第二操作数在寄存器Ri中；1表示寄存器间址寻址（@Ri），在寄存器Ri中存放的是第二操作数地址。

       10：表示直接数访问立即寻址（D），7~0位表示直接数，直接数范围为0~255。

       11：表示以C*255为基址，以R3为位移的变址寻址（C[R3]，0≤C≤FFh），7~0位表示C。C相当于段号或页号，R3相当于段内位移或页内位移。当R3用于变址寻址时，R3仅低8位有效，地址计算公式为：C*256+（R3&0x00ff）。因二进制位有限，这里约定只有R3可以作为变址寄存器。

       2、堆栈寄存器TopReg（2字节）的初始值为0，系统堆栈从内存地址65535开始（0-1=65535）。执行call指令时，TopReg减1，系统将断点存入TopReg所指的内存单元，入口由call指令的第二地址确定；当执行ret指令时，从TopReg所指的单元获取断点，系统将TopReg增1。用户程序从地址0开始存放，CPU模拟器从该地址开始执行程序指令。在编制用户程序时，应注意和堆栈存储区域的冲突。

       3、输入输出指令无第二地址，由于第一地址只能是寄存器，故输入输出指令只能对寄存器进行操作。jmp、jmpneg、jmppos、jmpzero和call指令无第一地址。因断点在堆栈中，故ret指令无第一、第二地址。

       4、对于某些指令，某些二进制位可能不使用，在编写机器语言程序时，统一将其置位0。

 

机器语言指令描述。

1、read（0h）：从键盘读一个字到第一地址。等待用户从键盘输入一个十进制数据，数值范围为-32768~+32767。数据可以空格、Tab和回车结束。在输入过程中，可利用Backspace键删除已输入的字符，也可键入Esc键终止程序执行。若输入数据中存在非法字符，则虚拟裸机拒绝接受，要求用户重新输入。

2、write（1h）：从第一地址写一个字到屏幕。

3、load（2h）：从第二地址将字装入第一地址。

4、store（3h）：将第一地址中的字存放到第二地址。

5、call（4h）：转移到第二地址指定的内存单元，执行子程序，断点保留在系统堆栈中。

6、ret（5h）：由系统堆栈获得断点，返回。

7、add（6h）：将第一地址中的字加上第二地址中的字，结果保留在第一地址中。

8、sub（7h）：将第一地址中的字减去第二地址中的字，结果保留在第一地址中。

9、mul（8h）：将第一地址中的字乘以第二地址中的字，结果保留在第一地址中。

10、div（9h）：将第一地址中的字除以第二地址中的字，结果保留在第一地址中。

11、cmp（Ah）：将第一地址中的字和第二地址中的字比较，由系统置位标志寄存器FlagReg。

标志寄存器FlagReg=-1，表示第一地址中的字小于第二地址中的字。

标志寄存器FlagReg=1，表示第一地址中的字大于第二地址中的字。

标志寄存器FlagReg=0，表示第一地址中的字等于第二地址中的字。

 

12、jmp（Bh）：无条件转移到第二地址指定的内存单元。

13、jmpneg（Ch）：若标志寄存器FlagReg中的值为-1，转移到第二地址指定的内存单元。

14、jmppos（Dh）：若标志寄存器FlagReg中的值为1，转移到第二地址指定的内存单元。

15、jmpzero（Eh）：若标志寄存器FlagReg中的值为0，转移到第二地址指定的内存单元。

16、halt（Fh）：终止程序执行。

指令系统。

指令格式如下（16Bit）：

15-12                11-10             9-8                  7-0

操作码

第一地址

寻址方式

第二地址

①    操作码

②    第一地址为寄存器（R0-R3）

③    寻址方式和第二地址

④    指令分类

 

到此为止一个简单的编译器已经完成了。测试程序中有一个辗转相减法求最大公约数和最小公倍数的例程。

运行结果如下。

上图中12和30为输入数据，输出6为最大公约数，60为最小公倍数。

代码地址：https://github.com/fhlt/Compile.git