编译原理笔记（上海交大CS二专）

1 Introduction

20分出勤
10分大作业：交纸质版，报告性质的大作业
70分考试
汇编程序是翻译程序
汇编语言程序是汇编程序的源程序
编译程序将高级语言程序翻译成低级语言的程序
解释程序将源程序中的语句按动态顺序，逐句逐段翻译成可执行代码，并立即执行

1.1 编译的过程

• 词法分析：对组成源程序的字符串进行扫描和识别，识别出一个具有独立意义的单词，将字符串变换成单词符号流
  标识符：用户自己定义的变量名之类的
• 语法分析：在输出单词流的基础上，根据语言的语法规则分析单词流是否正确的组成各类语法单位
  语法错误：但一个语句中就能发现
• 语义分析、中间代码生成：明确你是想要干什么，根据语义规则逐一翻译成等价的中间语言代码，通常称为语法制导翻译
  语义错误：多条语句综合来看，发现的问题，比如说有变量名c没有定义
• 优化阶段：等价变换，使程序占用空间少，运行时间短
• 目标代码生成阶段：
  C++是一门通用的语言： 不同的指令系统，都有这个语言的编译系统，意味着有多个不一样的编译器

编译的前端：词法分析、语法分析、语义分析中间代码生成
后端：目标代码生成

1.2 编译程序的实现

$$Compile{r}_S^{L->A}+Compile{r}_A^{S->A}=Compile{r}_A^{L->A}$$
其中A表示硬件指令系统，L和S表示一种高级语言

• 自展：若$S\subseteq L$表示S是L的扩展
• 移植：
  $$C_S^{S->B}+C_A^{S->A}=C_A^{S->B}$$
  上面这是交叉编译器
  $$C_S^{S->B}+C_A^{S->B}=C_B^{S->B}$$

2 文法与语言

• 词法：正规文法
• 语法：上下文无关文法
• 语义：上下文有关文法

2.1 定义

• 字母表：符号的非空有穷集合，用$\Sigma$表示，通常程序语言的字母表是ASCII字符集
  ASCII码一般只用前128个字符

• 字符串：有字母表$\Sigma$ 的字符所组成的有穷序列，称为字母表上的符号串/字符串/字，用$\Sigma \ast$表示所有字符串的集合

• 空串：不包含任何字符的字符串，用$ϵ$ 表示

• 字符串的长度：字符串中字符的个数

• 字符串的联结：x=ab, y=cd, xy=abcd

• 前缀与后缀：若z=xy，则x是z的前缀，y是z的后缀

• 子串：非空字符串x删去他的前缀和后缀所得的字符串是x的子串

• 语言：给定字母表$\Sigma$，则$\Sigma$上任意字符串集合，称为$\Sigma$上的一个语言，记为$L$
  $ϵ$是语言，但是{}不是语言

• L ∪ M = { x ∣ x ∈ L , o r x ∈ M } L \cup M=\{ x|x \in L, or x \in M \} L∪M={x∣x∈L,orx∈M}
  若 Σ = { a , b } \Sigma =\{ a, b\} Σ={a,b}，则 Σ 2 = { a b , b a , a a , b b } \Sigma ^2 =\{ ab, ba, aa, bb\} Σ2={ab,ba,aa,bb}，显然 ${\Sigma }^3$是长度为3的字符串的集合，${\Sigma }^{\ast }={\Sigma }^0\cup {\Sigma }^1\cup {\Sigma }^2\cup {\Sigma }^3\cup .....$

• 文法：文法由四部分组成：终结符号集Vt、非终结符号集Vn、文法开始符、产生式的非空有限集合
  其中终结符号集与非终结符号集之间不能有交集

• <字母> L=a|b|c…

• <数字> D=0|1|2…

• <字母或数字> T->L|D

• <字母数字串> S->T|ST（这是左递归，即产生式的左部与右部的最左面相同）

• <标识符> 字母开始的字母数字串 I->L|LS
  是IS的一个子集，所以I才能做文法的开始符

• 开始符：一定是非终结符号，一定不是$ϵ$

• <产生式>左部一定是非终结符号，是终结符号集与非终结符号集的正闭包，即至少有一个非终结符号

• 终结符号：语言不可再分的基本符号，一般用小写字母表示

• 非终结符号：也称语法变量，一半用大写字母表示

• 文法符号串：终结符与非终结符的任意组合，一般用希腊字母表示
  为什么C++中运算符重载不能改变符号的优先级和结合性？？因为这些文法中都规定好了
  a=b=c=0是右结合的

• 直接推出：如果 $A->\delta$ ，则称 $\alpha A\beta$ 可直接推导出 $\alpha \delta \beta$

左到右是推导，右到左是规约

• 上下文无关文法：文法的所有产生式都是$P->\alpha$，且P是非终结符，$\alpha$是文法符号串，且分法开始符至少在产生式的左部出现一次。
• 从文法的开始符，经过至少零步推导的多步推导，得到的文法符号串，称文法符号串为句型
• 全部都是又终结符号组成的句型是一个句子
  所以说S一个文法的句型，但不可能是句子。句子是句型的一个特例。
• 语言：文法G所产生的句子的全体，称为文法G所产生的语言L(G)
• 文法的等价：如果文法产生的语言相同，则成为文法是等价的。
• 最左推导：每次推导，都是对句型的最左边的非终结符进行推导
  
  我们将将最右推导称为规范推导
  规范规约：从左往右将第一个规约起来，所以规范规约和最右推导互为逆过程
• 短语：就像“玩电脑”，如果$\alpha \beta \delta$是一个句型，如果$S=>\alpha A\delta$且$A=>\beta$
• 直接短语：只经过一步推导得到的短语
• 句柄：一个句型的最左直接短语
• 分析树：一棵树可以表示一个句型的推导
• 子树：每个子树对应的符号串是这个句型的一个短语
• 二义性：一个句子有两种不同的规范推导或两颗不同的分析树
  对于一个二义文法，如果能找到一个非二义文法，那么二义文法的二义性可以消除

3 词法分析

单词符号分为5类： 基本字、标识符、常数、运算符、界符
单词符号的编码：（单词类别，单词符号的属性值——符号表的入口地址）
输入预处理：剔除注释、多余的空白符、制表符换行符
扫描缓冲区：长度为2N，两个指针，只要单词长度小于N

正规集：正规表达式简称正规式，它表示的集合称为正规集，用L®表示
如果两个正规集相同，那么这两个正规式等价
若$\Sigma =a,b$，则R=a(a|b)*是正规式，正规集表示所有以a开头的字符串集。其中$\ast$表示闭包

用文法来识别单词，太浪费时间。用正规式进行词法分析就比较省时间。

3.1 有限自动机

• 有限自动机FAM：一般的状态转换图，用五元组表示（有穷字母表，有限状态集，唯一的初态，终态集，单值映射）
  确定性有限自动机DFA是非确定性有限自动机NFA的特例
  如果初态是一个集合，那么一定是NFA——存在空字$ϵ$一定是NFA
• 状态转换矩阵：表示状态转换图，m*n，m表示有限状态数量，n表示字母表数量
• FAM识别的语言：一个字符串能够从初始状态到终止状态，称为FAM所识别。为FAM所识别的字符串集称为FAM所识别的语言，记为L(M)
• 有限状态机的等价：如果L(M)=L(M’)，称为M和M’等价
  对于任意给定的NFA，一定存在一个DFA与之等价
  **怎么找DFA？？**用子集法
  
  **终态怎么找？**原来NFA的终态去哪里了，DFA的终态就是啥
• 状态的等价：从si出发能识别的字符，和从sj出发能识别的字符，如果二者相同，称为是等价的，否则就是可区分的
• 简化的DFA：如果DFA没有无关状态，也没有彼此等价的两个不用状态
  **如何简化呢？**生成DFA之后，先将所有的状态分成两类终态集A和非终态集B，然后读入一个元素a，看如果A中的状态中A1读a变到A3，而A2状态读到a变到B1，那么说明A1和A3是两个不同的，应该拆开。然后不断循环，直达大家都没法拆开，还在一起的状态都是等价的。

当然有可能初态和终态是同一个集合，那么意思就是最开始就没法分成两类，那么大家状态都是等价的
作业：3.10：a、d

3.2 一个例子

先是一个NFA

然后按照子集法进行“洗牌”，得到构造的表

根据这个表，重新命名得到DFA

然后再做DFA的简化，先分成终结集和非终结集，然后再分

---

大作业题目：中文文本中单词自动查错方法的探讨。
内容：

1. 问题
2. 主要难点
3. 解决方法：出一个自然语言的算法，
4. 可能需要什么工具：比如中文分词系统？比如词库？
   提交形式：纸质论文报告，16周提交。

4 语法分析

语法分析有两种方法：自上而下或自下而上，来判断一个输入串是否是一个合法的句子。
自上而下：推到，一个非终结符，可能对应好几个产生式的右部。其实就是看能否从根结点出发，向下生长出一棵语法分析树，其叶结点组成的句子恰为输入串。
自下而上：规约，从叶结点出发，向上归结出以文法开始符为根结点的语法分析树
任何一个句子都可能存在最左推导或者最右推导，但任何一个句型不一定存在。但句柄有且仅有一个
规范推导：最右推导

从文法的开始符S出发，经过0步推导或者多步推导得到的任何的符号串是句型。

4.1 试探分析法

从根节点（开始符S）开始，生长分析树来进行匹配。如果
空字既不是终结符，也不是非终结符
每一个非终结符号对应一个函数，名字就是非终结符号，函数体就是他产生式的右部
**为什么叫递归下降分析器？**因为这些函数可以递归调用自己
缺点：一但文法改了，程序也就要改

4.2 递归下降分析法

要消除左递归

4.3 非递归的预测分析法

推导的方法，利用分析表，对应LL(1)文法

4.4 算符优先分析方法

• 算符文法：对于上下文无关文法G，如果它不含有$ϵ$产生式，并且产生式右部不含相连的非终结符
• 算符优先文法OPG：对于一个不含$ϵ$规则的算符文法G，如果任意两个终结符号a和b，优先级更高、更低、相同三个关系只有一个关系成立，则称G是算符优先文法
• FIRSTVT(A)={a|A->a…或A->Ba…，其中a是终结符，B是非终结符}其实是产生式右部的第一个终结符
• LASTVT(A)={a|A->…a或A->…aB，其中a是终结符，B是非终结符}其实是产生式右部的最后一个终结符

4.5 LR分析法

• 活前缀DFA：对于规范句型的一个前缀，如果它不含句柄以外的任何符号，则称这个前缀为活前缀
• 规范句型：最右推导每次得到的句型
  在LR分析工作中的任一时刻，栈内的文法符号应该是某一规范句型活前缀

4.5.1 LR(0)文法

4.5.2 SLR(1)文法

如果同时存在右部相同的两个表达式：$A->\alpha$，$B->\alpha$，如果FOLLOW(A)和FOLLOW(B)不相交
若$a\in FOLLOW(A)$，则用$A->\alpha$归约
若$a\in FOLLOW(B)$，则用$B->\alpha$归约
相当于SLR(1)消除了LR(0)一些不该出现的情况

4.5.3 LR(1)文法不考

就怕SLR(1)方法中，两个FOLLOW集合有交集，这就有“归约-归约”冲突，因为我们只是简单的求一个FOLLOW集合，并不一定是规范归约的FOLLOW集合
所以用$[A->\alpha .,a]$只有当输入符号是a时才能用$A->\alpha$归约，而不是对FOLLOW(A)的所有符号

4.5.4 LALR(1)文法不考

LALR(1)分析表是LR(1)分析表的简化
同心的LR(1)项目集： 两个LR(1)项目集中，除了搜索符不同之外，核心部分都相同
LALR(1)分析法：将LR(1)项目集规范族中所有同心的项目集合并为一个，以减少项目集个数，所以说合并之后只可能有“归约-归约”冲突，新产生“移进-归约”冲突
那么多的分析表，有什么共同点？？ 所有分析表关于移进的部分都一样，不同的是关于归约的部分

5 语义分析

5.1 赋值语句

要考虑简单变量、数组、a=a*(b+c)这些情况
对于102010的三维数组d1=10，d2=20，d3=10，A[y,z,k]，low1=low2=low3=1，一个元素所占空间W=4，则x=A[y,z,k]的三地址语句序列为

1. t1=y*20
2. t1=t1+z
3. t2=t1*10
4. t2=t2+k
5. t3=A-211
6. t4=t2*4
7. t5=t3[t4]
8. x=t5
   如果是A[y,z,k]=x则7、8变成
   t3[t4]=x

5.2 布尔表达式

5.2.1 数值表示法

对布尔表达式 af 生成三地址代码，其中$a<b$ $c=d$ $e>f$分别是一个布尔量，对每个布尔量都有四条三地址代码

5.2.2 解释法（短路法）

每个布尔量有两个goto表达式，在语义分析的时候通过三地址代码的顺序来表示优先级
可是不知道跳转的位置怎么办？ 先空着，最后按照优先级一点一点合并，比如说true的两部分连成一条线，false的两部分连成一条线
对于a<b or c<d and not e<f

如果这个布尔表达式是用于if条件语句：
S->if(E) L=L+1; else L=L-1
那么后面增加：
106 t1=L+1
107 L=t1
108 goto 0
109 t2=L-1
110 L=t2
nextlist=108//这句话表示，108语句跳转的目标地址应该是nextlist，即下一个语句

6 优化

6.1 程序流图

到了中间结点一级，程序的数据流不好判断，需要构造程序流图。程序流图的每一个节点是 顺序执行 程序段，即基本块
不执行的语句在这一部分就被删掉了

6.2 无环有向图DAG

描述基本块内部，可以合并已知量（能常数就常数），删除多余代码（如果没有被引用）

6.3 循环优化

• 循环的定义：是程序流图中有唯一入口节点的强连通子图
• 必经结点集：首结点和他本身是每个结点的必经结点
  怎么求必经结点集？ 设D表示必经结点集，如果节点2的前驱节点是1和9，那么
  D ( 2 ) = { 2 } ∪ D ( 1 ) ∩ D ( 9 ) D(2)= \{2\}\cup D(1) \cap D(9) D(2)={2}∪D(1)∩D(9)
  变化一次就要再循环，直到大家都不变
  回边是什么？ 如4是5的必经节点集中的点，则5->4是回边

步骤总结一下

1. 找基本块
2. 找边，形成程序流图
3. 局部优化：基本块划分的时候就能优化，删除掉不可能执行到的代码
4. 循环优化：循环优化之前先要判断出是否是循环，循环优化的细节不要求

7 代码生成

代码生成的输入有两部分：一个是前端生成的中间代码，及三地址代码，一个是符号表

• 活跃信息：出了基本块之后变量是否被引用
• 待用信息：在基本块内某一变量下一个引用点
  [例8.1]四行代码
  t=a-b
  u=a+c
  v=a-t
  w=v+u
  
  转换出二地址代码
  mov a, R0
  sub R0, b
  mov a, R1
  add R1,c
  mov R1, u
  mov a, R1
  sub R1,R0
  add R1,u
  mov R1,w

8 复习课

1. 自展和移植

• 给定文法，描述这个文法对应的语言
• 给定语言，描述这个语言对应的文法
• 给定文法和句型，确定该句型的短语、直接短语、句柄和短素语

3. 正规式->最简DFA

• 正规式->NFA
• NFA->DFA
• 化简

4. 预测分析表、算符优先分析表、LR(0)、SLR(0)
5. 综合语句的三地址代码翻译

• 赋值语句
• 数组元素
• 条件语句
• 循环语句

• 程序流图的描述（基本块的划分、有向边）
• 局部优化DAG方法
• 循环体查找（必经结点集、回边）

7. 待用信息的确定和目标代码的生成