gcc源码分析（AST抽象语法树）

三、AST相关

抽象语法树是编译系统中最常见的一种树形的中间表示形式，用来对前端语言的源代码进行规范的抽象表示。不同的高级程序设计语言通过其相应的词法/语法分析过程，会得到不同形式的抽象语法树，这些抽象语法树与编程语言的特征紧密相关，一般都包含了部分语言相关的AST节点表示。从这个角度上来讲，AST是编程语言相关的， C语言的源代码经过C语言特定的词法/语法分析过程，将生成C语言的AST。

1、AST（抽象语法树）

在gcc中GENERIC是指规范的AST，，即GENERIC形式的AST均能在gcc/tree. h中所表示的树节点表示。引入GENERIC的目的是寻找一种与前端语言无关的AST统一表示，是一种通用的处理tree_identifier而已。AST这种树形的中间表示，主要包括：树节点的种类及其语义、树节点的存储、AST操作以及AST的生成过程等。

1.1 树结点的声明

树节点声明中最基本的4个概念：

• 标识（TREE_CODE）:DEFTREECODE宏定义中的SYM参数，描述了该节点代表的是一个什么样的节点。
• 名称（NAME）:DEFTREECODE宏定义中的NAME参数，表示该树节点的名称，使用字符串来描述，主要用来进行AST中间结果的显示，方便用户直观地了解该树节点的信息。
• 类型（TREE_CODE CLASS, TCC）:DEFTREECODE宏定义中的TYPE参数，描述了该树节点的TREE_CODE所属的类型。
• 长度：DEFTREECODE宏定义中的LEN参数，用来描述该树节点所包含的操作数的数目。

用下面这种宏去定义：

 DEFTREECODE (ERROR_MARK, "error_mark", tcc_exceptional, 0)

树节点的类型主要包括了常量节点、类型节点、声明节点、比较表达式节点、单目运算表达式节点、双目运算表达式节点等。

1.2 树结点的结构

1.2.1 tree_node联合体

tree_node联合体定义了全部树结点结构体。

## gcc/tree-core.h
union GTY ((ptr_alias (union lang_tree_node),
            desc ("tree_node_structure (&%h)"), variable_size)) tree_node {
   
  struct tree_base GTY ((tag ("TS_BASE"))) base;
  struct tree_typed GTY ((tag ("TS_TYPED"))) typed;
.......
}

1.2.2 tree_base结构体

其中最关键的是tree_base结构体：该结构体定义了所有树节点最基本的属性，是构成其他树节点存储结构的基类（类似于面向对象的概念，这个思想在gcc中大量使用）。其主要包括了code字段，用来存储TREE_CODE，并标识该树节点的语义，其取值在枚举类型enum tree_code中取值。tree_base结构体中还定义了大量的标志字段，分别描述该树节点的某些语法、语义的信息，例如常量标志、无符号标志、只读标志等。

struct GTY(()) tree_base {
   
  ENUM_BITFIELD(tree_code) code : 16;

  unsigned side_effects_flag : 1;
  unsigned constant_flag : 1;
  unsigned addressable_flag : 1;
  unsigned volatile_flag : 1;
  unsigned readonly_flag : 1;
  unsigned asm_written_flag: 1;
  unsigned nowarning_flag : 1;
  unsigned visited : 1;

  unsigned used_flag : 1;
  unsigned nothrow_flag : 1;
  unsigned static_flag : 1;
  unsigned public_flag : 1;
  unsigned private_flag : 1;
  unsigned protected_flag : 1;
  unsigned deprecated_flag : 1;
  unsigned default_def_flag : 1;
  .......
}

1.2.3 tree_common结构体

tree chain字段可以将多个有一定关系的树节点连接成一个链表。tree type字段的值在不同的树节点中有不同的含义。例如，在所有表达式节点中，type字段指向表达式的类型节点；在指针类型节点（其TREE_CODE为POINTER_TYPE）中，此字段指向指针所指向的类型节点；在数组引用节点（其TREE_CODE为ARRAY_TYPE）中，此字段指向数组元素的类型节点；在TREE_CODE为VECTOR_TYPE的树节点中，该字段指向向量元素的类型节点。通常使用TREE_TYPE（node）宏来访问node节点的type字段。

struct GTY(()) tree_typed {
   
  struct tree_base base;
  tree type;
};

struct GTY(()) tree_common {
   
  struct tree_typed typed;
  tree chain;/**将多个有一定关系的树节点连接成一个链表/
};

1.2.4 常量结构体

gcc中定义了struct tree_int_cst、struct tree_real_cst、struct tree_fixed_cst、struct tree_vector、struct tree_string、struct tree_complex等几种结构体，分别存储整型常量、实数常量、定点数常量、向量常量、字符串常量以及复数常量。

//1、整型常量
struct GTY(()) tree_int_cst {
   
  struct tree_typed typed;
  HOST_WIDE_INT val[1];
};  
//2、实数常量
/*结构体struct tree_real_cst用来存储实数常量*/
struct GTY(()) tree_real_cst {
   
  struct tree_typed typed;
  struct real_value * real_cst_ptr;
};
//3、定点数常量
struct GTY(()) tree_fixed_cst {
   
  struct tree_typed typed;
  struct fixed_value * fixed_cst_ptr;
};
/*
常用的宏定义：
             #define TREE_FIXED_CST_PTR(NODE) (FIXED_CST_CHECK (NODE)->fixed_cst.fixed_cst_ptr)
             #define TREE_FIXED_CST(NODE) (*TREE_FIXED_CST_PTR (NODE))
*/
//4、字符串常量
/*字符串使用struct tree_string结构体来存储*/
struct GTY(()) tree_string {
   
  struct tree_typed typed;
  int length;
  char str[1];
};
/*这部分可以分析内存信息：字符串常量节点所描述的字符串常量就存储在struct tree_string中以str成员指向的地址空间中*/
//5．复数常量
struct GTY(()) tree_complex {
   
  struct tree_typed typed;
  tree real;
  tree imag;
};
/*
下面两个宏分别用来访问该实数常量的实部（real字段）和虚部（imag字段），这两个字段均为指向树节点的指针。
             #define TREE_REALPART(NODE) (COMPLEX_CST_CHECK (NODE)->complex.real)
             #define TREE_IMAGPART(NODE) (COMPLEX_CST_CHECK (NODE)->complex.imag)
*/
//6、向量常量
struct GTY(()) tree_vector {
   
  struct tree_typed typed;
  tree GTY ((length ("TYPE_VECTOR_SUBPARTS (TREE_TYPE ((tree)&%h))"))) elts[1];    //用以获取节点的各个向量
};

1.2.5 标识符节点

标识符节点使用struct tree_identifier结构体存储，定义如下：

struct GTY(()) tree_identifier {
   
  struct tree_common common;/*struct tree_common common结构体字段描述了该树节点的基本属性。*/
  struct ht_identifier id;
};

struct GTY(()) ht_identifier {
   
  const unsigned char *str;
  unsigned int len;
  unsigned int hash_value;
};

上述的struct ht_identifier在libcpp/include/symtab.h中予以定义，该结构体中的str和len字段分别描述该标识符对应的字符串名称及其长度，hash_value是该标识符名称的一个hash值，该hash值在标识符的查找、比较等操作中使用。

注：AST是源代码在GCC系统中的一种中间表示形式，该中间形式是通过GCC前端的词法/语法分析所构造的。

其他的树结点的结构不做详细介绍，有兴趣可自行查看。

2、符号绑定,作用域与block树节点

2.1 lang_identifier结构体

在前面已知gcc中通过一个tree_identifier结构体来代表一个标识符的树节点，但实际分配时会为标识符分配一个扩展的lang_identifier节点，其结构如下:

struct GTY(()) lang_identifier {
   
  struct c_common_identifier common_id;
  struct c_binding *symbol_binding; /* vars, funcs, constants, typedefs */
  struct c_binding *tag_binding;    /* struct/union/enum tags */
  struct c_binding *label_binding;  /* labels */
};

lang_identifier结构体除了通过c_common_identifier记录标识符的字符串、长度、hash、链表等信息外，还多了三个c_binding指针，这3个指针分别用来将此标识符绑定三种不同类型的声明(符号、tag、label),每个c_binding指针都是一个链表，其按照标识符声明出现的逆序记录在源码解析过程中同名的所有声明节点。

int x;
void