编译原理的基本概念（一）

编译原理的基本概念（一）

1.词法分析
词法分析程序又称为扫描程序。进行词法分析时，依次读入源程序中的每个字符，依据语言的构词规则，识别出一个个具有独立意义的最小语法单位，即“单词”，并用某个单词符号来表示每个单词的词性是标识符、分界符还是数。

2.语法分析
语法分析程序的功能是：对词法分析的结果，根据语言规则，将一个个单词符号组成语言的各种语法类。分析时如果发现有不合语法规则的符号，要把这些出错的符号及错误性质报告给程序员。此外，在分析过程中若无法将某个单词符号进行归类，则该表达式有语法错误。分析过程常用语法树来表示句子。

3.语义分析
语义分析的功能是确定源程序的语义是否正确。语义分析主要能识别的语义错误有变量未经声明就使用，变量重复声明，运算对象类型是否匹配等。
为识别出这些语义错误，语义分析要使用编译程序中建立的许多表。

4.中间代码
语义分析程序通常将源程序生成一种中间表达形式，即中间代码。中间代码易于产生、易于翻译成目标程序的特点，可看成是一种抽象机的指令代码。

5.代码优化
经过语义分析后，编译程序将源程序生成中间代码，这时的中间代码往往有些重复和冗余。优化的目的是提高目标程序的执行效率。代码优化首先在中间代码上进行。在局部范围可能做的优化有：常数表达式的计算；根据操作符的某些性质，如可结合性、可交换性和分配性以及检测公共子表达式进行优化。

6.目标代码
编译的最后一步是将中间代码生成特定机器上的机器语言代码，即目标代码。目标代码的形式可以是绝对指令代码、可重定位的机器指令代码或汇编指令代码。

7.可重定位的机器代码
可重定位的机器代码可以装载到内存的任何地方，这种代码采用相对地址，起始地址为0，各条指令集所访问的地址都是相对于0的逻辑地址。若加载到内存单元 L 处，则所有指令地址及访问地址都要加上 L 。

8.符号表
符号表由若干记录组成的数据结构，每个标识符在表中有一条记录，每条记录有多个域，每个域记载标识符的一个属性。

9.错误处理
编译的各个阶段都可能发现源程序中的错误。任意时刻发现错误，都应该报告错误信息，包括错误出现的位置和错误信息等。

• 语法分析 可以检测出源程序中的非法符号，就好比语句中出现的错字和错词。
• 语法分析 能够发现程序中的各种语法错误，如括号不匹配。
• 语义分析 能够判断运算对象的类型是否匹配，变量是否重复声明或未经声明就使用等错误。

10.单遍编译程序
单遍编译程序只对源程序进行一遍扫描，就完成编译的各项任务，产生目标代码。其中不产生中间代码，常以语法分析程序为中心，词法分析和语义分析作为语法分析的子程序。
一“遍”是指编译程序在编译时把源程序或中间形式从头到尾扫描一遍，并做相关的处理，生成新的中间形式或目标代码。

11.端的概念
把编译程序分为前段和后端的优点是便于移植和编译程序的构建。

• 前端
  主要与源语言有关，包括词法分析、语法分析、语义分析和中间代码生成、符号表的建立，以及相应的错误处理和符号表操作。
• 后端
  主要与目标机器有关，包括代码优化、目标代码生成，以及相应的错误处理和符号表操作。

12.连接加载程序
连接加载程序完成两个主要任务。

• 连接
  把几个可重定位的机器代码文件连接成一个可执行的程序，这些文件可能是分别编译得到的，也可能是由系统提供的库文件。
• 加载
  读入可重定位的机器代码，根据装入地址将相对地址转换成绝对地址，并存储到内存中。

13.字母表
字母表是元素的非空有穷集合。字母表中的每个元素称为符号，因此字母表也可称为符号集。典型的符号有字母、数字、各种标点符号和运算符号。

14.符号串
符号串是由字母表上0个或多个符号组成的任何有穷序列。ε也是字母表上的符号串，它是由0个符号组成词
。一个字母表上的全部符号串所组成的集合是无穷的。

15.符号串及其集合的运算

（1）符号串的长度：若用x表示字母表上的符号串，则x的长度为所含字符的个数，记为｜x ｜。

例如：｜abc ｜=3，｜an+*a｜=5，｜ε｜=0。

（2）字符串相等：x，y为两个字符串，当且仅当组成它们的符号依次相等时，符号串x、y相等，记作 x=y。

例如：x=abc，y=abc，则 x=y。x=ab，y=ba，则x≠y。

（3）字符串的前缀：从字符串x 的末尾删除0个或多个字符后得到的字符串。

如：c，com，computer都是computer的前缀。

（4）字符串的后缀：从字符串ｘ的开头删除0个或多个符号后得到的字符串。

如：ty，puty ，computer 都是computer的后缀。

（5）字符串的子串：从字符串的开头和末尾删除0个或多个符号后得到的字符串。

如 put 是computer的子串，字符串的前缀和后缀都是它的子串。

（6）字符串的连接：若x、y是两个字符串，则 xy 表示连接，是将符号串y连接在符号串x的后面。若x，y是字母表∑上的两个符号串1，则xy也是也是字母表∑上的字符串。

如：x=ab，y=ba，则xy=abba。
注：连接没有交换率，即xY≠yx；而空串ε有εx=xε=x。

（7）集合的乘积运算：令A，B为两个符号串集合，A和B的乘积AB定义为：AB={xy ｜x∈A，y∈B}
>如：A={a，b}，B={c，d}，则AB={ac，ad，bc，bd}

（8）符号串的幂运算：若x是符号串，则x的幂运算定义为：
x⁰=ε，x¹=x，x²=xx，···，xⁿ=xx···x=xxⁿ⁻¹=xⁿ⁻¹x，其中n>0

如：x=abc，x⁰=ε，x¹=abc，x²=abcabc，···

（9）集合的幂运算：设A为符号串集合，则A的幂运算定义为：
A⁰={ε}，A¹=A，A²=AA，···，Aⁿ=AA···A=AAⁿ⁻¹=Aⁿ⁻¹A，其中n>0。

如:A={a，b}，则A⁰={ε}，A¹={a，b}，A²={aa，ab，ba，bb}，···

（10）集合的正闭包和集合的闭包：设A为一个集合，则集合A的正闭包用A⁺表示，定义为:A⁺=A¹∪A²∪···∪Aⁿ∪···
集合A的闭包用A表示，定义为：A=A⁰∪A⁺

如：A={a，b}则
A⁺={a，b，aa，ab，ba，bb，aaa，abb，···}
A*={ε，a，b，aa，ab，ba，bb，aaa，aab，···}

16.文法形式定义
文法可表示一个四元式 G=(V_n，V_t，P，Z) ，具体含义如下:

• V_n 是一个非空有穷集合，该集合中的每个元素称为非终结符。它们至少在规则中“::=”左边出现一次。
• V_t 是一个非空有穷集合，该集合中的每个元素只能在规则中“::=”的右边出现，称为终结符号。而V_t 和V_n 的并集 V=V_t ∪ V_n 就是该文法的字母表，并且V_t ∩ V_n =∅，即V_t 集合与V_n 集合的 交集为空。
• P 是一个非空的有穷集合，它的每个元素叫做产生式或规则。产生式的形式为：α→β 或 α::=β 。其中α 是产生式的左部且不能为空，β 是产生式右部，并且α、β∈(V_t ∪V_n )* ，“→”或“::=”含义相同，表示“定义为”或“由···组成”。
• Z 是 V_n 集合的一个特殊的非终结符号，称为文法的识别符号或开始符号。它至少出现必须在某个产生式的左部出现一次。

17.文法的EBNF表示
BNF为巴科斯-诺尔范式。文法的EBNF（扩充的BNF）表示就是为了提高文法规则的表达能力，增加了一些特殊的符号“｜、{、}、<、>、（、）、[、]”来表示文法，这些符号称为元符号。除了“｜”，其他的元符号总是成对出现。

• 元符号｜，表示“或”。对于具有相同左部的那些规则，如α→β₁ ，α→β₂ ，···，一α→β_n 可以缩写为：α→β₁ ｜β₂｜···｜β_n 。
• 元符号< 和 > ，用于括起由中文字组成的非终结符号或多个字母组成的符号。
• 元符号{ 和 } ，表示可重复连接， { t } n m \{t\}_n^{m} { t}nm​表示符号串t可重复连接n~m次，而 {t}表示符号串t可重复连接0到无穷次。
• 元符号 [ 和 ] 。[t]表示其中的符号串ｔ可有可无。
• 元符号（ 和 ），表示括号内的成分优先。常用于在规则中提取公因子。

  如：U→xy｜xw｜···｜xz
  可写成:
  U→x(y｜w｜···｜z）

18.推导

• 直接推导定义
• 推导定义：如果存在一个直接推导序列 ${\alpha }_0\Rightarrow {\alpha }_1\Rightarrow {\alpha }_2\Rightarrow \cdot \cdot \cdot \Rightarrow {\alpha }_n$ ，其中 n>0，那么称 ${\alpha }_0$ 产生 ${\alpha }_n$ 或 ${\alpha }_n$ 归约到 ${\alpha }_0$