「700行手写编译器」Part 1：项目背景与设计思路 笔记

因为视频的作者说原本是想让编译器实现比基础的C编译器更多的内容，但是实际上实现的比C编译要缩减，B站视频的作者说实际上应该是C minus，看到评论区里有人说C - -，蛮好玩的，遂给专栏起名C - -编译器。
好吧，C - -编译器的专栏名审核通过不了！那就叫C minus编译器。

自举编译器：编译器自举指用本编译器被编译的语言来编写本编译器。

编译器自举一般都是编译器开发的一个里程碑事件。
编译器自举意味着被编译的语言荣升成自编译语言,而且编译器拥有自举能力对实现语言的语法语义本身没有限制。
目前的JAVA是已经实现自举的语言。

编译器的定义：编译器是用程序吧高级语言转化为低级语言，创建可执行程序的工具。

工业级编译器分为前端和后端。
1.前端（parser）：源代码->中间代码
前端分为两个部分：
①词法分析（tokenize）：产出是一大堆token
②语法分析（parse）：一般产出的是中间代码（AST，Abstract Syntax Tree，抽象语法树）或者（LVM，Low Level Virtual Machine）

面向过程的C、JAVA变成AST需要经历tokenize、parse的两个过程，得到了抽象语法树之后就会进入编译的最核心的环节-----后端。

2.后端：
①优化器（optimizer）：中间代码->中间代码，输入一个中间代码，然后经历一系列的优化过程（剔除重复或者没必要的操作）然后又得到了另一种或者同一种性能更高的中间代码。
②Code Gen（Code Generator，代码生成器）：中间代码->目标代码，把中间代码生成平台可执行的代码。
比如平台是x86，Code Gen就把中间代码生成汇编语言的代码，MOV…PUSH…ADD…；如果目标平台是Java虚拟机就会翻译成JVM的语言，Load…Store…ADD…；Code Gen是根据最终的平台选定中间代码生成目标代码的种类的。

著名的一个编译器的项目LLVM（IR）能实现把中间代码转换成能在不同平台上（x86，JVM，ARM…）执行的目标代码。
所以想实现可用的编译器的话，一种方式是写一个parser，把我们自己写的编译器的目标语言翻译成LLVM（IR），然后直接使用LLVM（IR）生成对应平台的目标行代码。

C - -编译器是：
1.前后端合一，没有中间优化
2.目标代码是基于自定义的VM（虚拟机），这样的话实现会更简单。
3.编译过程是one-pass parse的编译过程，就是读到源码之后，一行一行的做编译和分析，当我们把所有的代码都pass完了之后，我们的目标代码就已经生成好了，就不需要再单独去读源码了，源码只读一遍。

one-pass parse：源代码->parse & Code Gen ->VM code

one-pass parse的一些问题，定义变量只能定义在函数一开始的部分：

//对one-pass parse的正确的变量定义方式
void cal1(){
	int x;
	int y;
	x = 1;
	y = 1;
}

//对one-pass parse的错误的变量定义方式
void cal2(){
	int x;
	x = 1;
	int y = 1; // 错！ y定义不能出现在函数后边的位置
	           // 变量必须定义在函数一开头的位置
}

计算是基于：寄存器和stack两个实现的
寄存器：pc，sp（stack point，维护栈顶指针），bp（base point，维护上一个栈的栈顶），ax（通用寄存器）
这里我们为了简化，通用寄存器只有一个，所以做计算的时候是栈顶元素和该ax寄存器作为ALU的输入。
内存空间MEM：code（存放指令），data（静态数据、字面量…的存储），stack（栈的空间）
这里MEM中没有堆，堆通过“作弊”的方式实现，就是下面的Native-Call
指令集：Save & Load，运算类指令，分支跳转，Native-Call（主要用来处理I/O操作和动态内存的操作，正常的平台是不需要的）
Save & Load：Save把寄存器中的数据存入内存，Load把内存中的数据加载进寄存器。
运算类的指令：主要分为三类①arithmetic运算（算数运算）②bit运算（位运算）③逻辑运算
分支跳转：branch，JMP，CMP
Native-Call：I/O（print，open file，write file，read file），动态内存（malloc，free，memset）