简易的编译器——语义分析

一、前提了解

        语义是指源程序及其组成部分所表述的含义。语义与语法的区别在于：语法是关于程序及其组成部分的构成规则的描述，是上下文无关的，而语义是关于语法结构的含义及其使用规则的描述，是上下文有关的。在语法分析正确的基础上，需要进行语义检查。只有当源程序的语义正确了，编译程序才能用另一种形式的语言将其含义表达出来，实现翻译，即“忠实地”将源程序所表达的含义传递给目标程序。也就是说，源程序编译后的目标程序虽然在语法结构上不同，但它们所表达的语义必须是一致的，否则编译就失去了意义。因此，在进行翻译之前，必须检查这些语法正确的语法单位其内部逻辑含义是否正确，称为语义分析。

（1）、中间代码生成

中间代码是源程序的不同表现形式，也称为中间表示。对于已通过静态语义检查的程序，编译程序可将其翻译为后续的中间表示形式，即中间代码生成。中间代码生成的过程体现了如何在更低的级别诠释程序的动态语义。其作用包括：（1）搭建源语言和目标语言之间的桥梁，避开二者之间较大的语义跨度，使编译程序的逻辑结构更加简单明确；（2）有利于编译程序的重定向；（3）有利于进行与目标机无关的优化。

三地址代码（Three-Address Code, TAC）是中间代码的一种抽象形式，其比较接近汇编语言。四元式是三地址代码的一种具体实现，它是具有四个域的记录结构，具体表示为：

（op,arg1,arg2,result）

其含义为：arg1和arg2进行op指定的操作，结果存放到result中。其中，op为运算符，arg1、arg2和result分别为第一、第二运算对象和结果，它们可以是用户定义的变量或临时变量，arg1和arg2还可以是常量。如果op是单目运算符，只需要一个运算对象，则arg2用下划线“_”来代替，为它留出位置。通过静态语义检查的程序，可以将其翻译为四元式表示的中间代码。表4.1为PL/0编程语言常见的四元式代码形式，另外，标识符的声明通常存放在符号表里。

（2）、常见的四元式代码形式

编号	四元式代码	含义
(1)	(syss,_,_,_)	程序开始（system start）
(2)	(syse,_,_,_)	程序结束（system end）
(3)	(const,iden_,_)	声明标识符ident（常量）
(4)	(var,ident,_,_)	声明标识符ident（变量）
(5)	(procedure,ident,_,_)	声明标识符ident（函数）
(6)	(+,A,B,T)	加法运算，将A+B的结果赋给T
(7)	(-,A,B,T)	减法运算，将A-B的结果赋给T
(8)	(*,A,B,T)	乘法运算，将A*B的结果赋给T
(9)	(/,A,B,T)	除法运算，将A/B的结果赋给T
(10)	(<,A,B,T)	小于，将A<B的结果赋给T
(11)	(<=,A,B,T)	小于或等于，将A<=B的结果赋给T
(12)	(>,A,B,T)	大于，将A>B的结果赋给T
(13)	(>=,A,B,T)	大于或等于，将A>=B的结果赋给T
(14)	(#,A,B,T)	不等于，将A#B的结果赋给T
(15)	(=,A,B,T)	等于，将A=B的结果赋给T
(16)	(=,A,_,T)	将A（的值）赋给常量T
(17)	(:=,A,_,T)	将A（的值）赋给变量T
(18)	(jrop,A,B,P)	当A rop B为真时跳转到四元式P
(19)	(read,A,_,_)	为变量A输入值
(20)	(write,A,_,_)	输出A的值
(21)	(call,fun,_,A)	调用fun函数，返回值存入变量A
(22)	(call,fun,_,_)	调用fun函数，不保存返回值
(23)	(ret,A,_,_)	返回返回值A
(24)	(ret,_,_,_)	返回，无返回值

二、思想

在语法分析情况下，检查语义错误。

构建并使用符号表，利用符号表进行中间代码生成，以四元式的形式展示。

1、设计流程图

 2、数据结构

        该程序中符号表的数据结构为单链表结构存储，分为初始化链表、添加链表节点、查找链表节点、遍历链表四个函数形式。

 （1）Type数组为char字符类型，其表示标识符声明类型，0表示为const保留字的声明，1表示为var保留字的声明，2表示为procedure保留字的声明；

（2）varia数组为char字符类型，其存储着所声明的标识符；

（3）price变量为int数字类型，其表示所声明标识符的值，默认情况下为0（未赋值），但是程序字procedure的声明不包含。

（4）Type_n变量为int数字类型，其表示type字符串数组的个数；

（5）varia_n变量为int数字类型，其表示type字符串数组的个数；

（6）next链表结构则表示下一跳。

        而四元式存储中间代码的数据结构为结构体数组结构存储：

如上图所示，存储四元式的中间代码是以结构体数组存储形式：

（1）id变量为int数字类型，其表示为四元式整个列表的序号；

（2）op数组为char字符类型，其表示为运算符；

（3）arg1数组为char字符类型，其表示为第一运算对象，可以为标识符或者是无符号整数；

（4）arg2数组为char字符类型，其表示为第二运算对象，可以为标识符或者是无符号整数；

（5）result数组为char字符类型，其表示为结果，可以为跳转序号或者标识符；

（6）line变量为int数字类型，其表示为四元式在输入文件中的行数，与上下文相关联；

（7）true_false变量为int数字类型，其表示为当有跳转表达式时，其给出的表达式的真假，若不是跳转表达式，则值为-1；若是且该表达式为真时，值为1，若该表达式为假时，为0。

其中，也定义了，若无输出结果，则以T的大写形式表达，例如T1、T2等。

三、符号表的分析过程

（1）语义错误分析

        若再语义分析检查中，发现语义错误，一般分为三种常见类型：标识符重复定义声明、程序字调用错误、未声明的标识符应用。

        在标识符声明中，会出现标识符重复定义声明错误。

        而在语义分析中，另外有函数is_no()函数，来表达程序字调用错误、未声明的标识符应用该两种错误。

        在函数中，首先判断是否会出现程序字-1重复读取的错误（程序字”procedure“，只有”procedure“和”call“可以调用它，故再符号表的链表中赋值为-1），若序字出现在其它地方则报错，若出现未定义变量引用则报错。        

 

（2）标识符声明

        标识符声明的类型主要就三种：“const“、”var“、”procedure“。其主要定义在函数find_signal()中。

        在搜寻到该三种保留字后，首先查找下个单词是否为标识符，并在符号表的链表中查找是否存在该标识符，若存在，则为重复定义，输出语义错误和所在文件行数；若不存在，则再次查找无符号整数，将标识符和无符号整数（该标识符定义的值）添加进符号表的链表中。而明显，程序字”procedure“是没有赋值的，且它情况较为特殊，只有”procedure“和”call“可以调用它，故再符号表的链表中赋值为-1，确保再次查找符号表时，注意到程序字定义的特殊性，以免错误引用。

四、四元式的分析过程

        在该程序中，中间代码分为声明标识符、加减乘除运算（不包含表达式）、函数调用、读写操作、条件判断五个部分。

（1）声明标识符

在一行的单词中，判断单词是否为"const"、"var"、"procedure"，若是搜寻下一个标识符，将序号、保留字、标识符保存更新到结构体数组中。

（2）加减乘除运算（不包含表达式）

在一行的单词中，判断运算符位置，再搜寻是否有“=“或者”:=“符号，若有，则结果为其左侧标识符；若无，则没有结果。再查找第一运算对象、第二运算对象。最后将运算符、第一运算对象、第二运算对象、结果保存更新到结构体数组中。

（3）函数调用

函数调用，基本就是“call“保留字的调用程序字，若出现，则将其保存更新到结构体数组中。

（4）读写操作

在读写操作中，分为其中有表达式的一类和无表达式的一类。

在无表达式的一类中，其读写操作中出现的就是一个标识符。该语句在搜寻到读写时，再次查找是否存在运算符，若未出现则表示无表达式的一类。直接将序号、保留字、标识符保存更新到结构体数组中。

图 未含表达式的读写操作

在有表达式的一类中，将表达式浅浅的认为是标识符/无符号整数+运算符+标识符/无符号整数，其中结果值在定义中已定义，例如T1、T2等，结果值需查找是否重复，先将表达式中的序号、运算符、标识符、标识符和结果保存更新到结构体数组，后将保留字以及其中的表达式的结果保存更新到结构体数组中。

（5）条件判断

条件主要分为“if“、”while“两个保留字的判断，在该程序中，仅写入了两个符号的判断（”<=“、”#“），若需要判断多个表达式，则可持续加入符号进行判断。

在条件的表达式中，需要调用符号表来判断该表达式是否真假，若真，则将其四元式的结构体数组中的true_false变量赋值为1；若假，则将其true_false变量赋值为0，其中其它四元式中的true_false变量默认为-1。

在其利用符号表调用来判断表达式的真假时，即是利用事先声明的标识符取出值，该值再与其表达式中的无符号整数进行大小判断（即运算符判断）。

而存储在符号表中的链表里的标识符只声明并没有赋值时，判断是否大于或等于0，若小于0（即为-2）时，该表明不知真假，故而需要给出真时的四元式以及假时的四元式。若大于0，则必其可以判断该表达式为真或为假，从而确定只给出一个为真的四元式或为假的四元式。

其中，in_there()函数表示为插入生成四元式。

图 以“<=“符号的表达式真或假或真假的判断给出四元式

五、打印中间代码

（1）定义程序开始和结束的四元式

        程序开始和结束时，需要定义两个四元式，即程序开始（system start）：(syss,_,_,_)和程序结束（system end）：(syse,_,_,_)。

（2）插入返回值ret

        这里认为一个if/while后接一个begin-end，如果该begin后end结束是begin,则不属于程序字procedure的范围。

        首先在每一行的单词分析中，就已经安插进了如何找到"if"或"while"或"end"或"begin"的行数。再找寻end-begin在文件中的行数，并与四元式中的line（即每个四元式在文件中的行数）比较。在找寻end-begin在文件中的行数以后，即四元式的行数以后，后退一个数组标号（不包含行数之前的数组内容）。并在该四元式开始后退的数组内容中添加返回，无返回值：(ret,_,_,_)。

图 插入返回值ret

（3）表达式真假的跳转结果

        跳转操作极为复杂，需要结合符号表以及四元式整体列表进行跳转操作。

        其与行数相关,找寻while/if最近的一组begin-end的end的行数，跳入:下一个四元式的行数,但不能跳入到跳出；跳出：找到相对应的四元式的行数。

        由于在写入四元式时，就已经写出了真或假或真假的四元式，只剩下跳转未写入。

        其用结构体中的true_false循环判断一个四元式（带有表达式的）是否为1（真）或0（假）。若该四元式为真，则查找下一个四元式，若下一个四元式还是进行真假跳转的，则再找下一个，直到一个无真假跳转的真假跳转的四元式为止。若该四元式为假，则查找该四元式的line在文件中的行数，与其后接的最近的一组begin-end的end的行数比较，若找到其值大于end的行数时，跳转到该四元式，将其四元式的序号赋值给假四元式的result结果中；若找不到，即已经找完，则跳到最后一个四元式，即为程序结束意义的四元式。

图 该四元式为真时的跳转

图 该四元式为假时的跳转

（4）打印输出四元式结果

图 含表达式的读写操作

（5）打印结果

        若第一运算对象、第二运算对象、运算结果为初值0（未有值），则将其赋值为“_“。

        并打印出所有四元式的（序号，运算符/保留字，第一运算对象，第二运算对象，运算结果<跳转序号/值/标识符>）。

        其中，需要注意的是，若语义完全正确的情况下，才可输出中间代码（四元式）和符号表，否则，直接输出语义错误以及在文件中的行数位置。

 六、输入与输出

（1）语义正确情况下输出四元式、符号表

 （2）语义出现错误

 

剩余代码若展示过于多，故不予展示。

需要私聊。