（5）：變量定義 · 手把手教你做一個 C 語言編譯器

# 手把手教你做一個 C 語言編譯器（5）：變量定義本章中我們用 EBNF 來大致描述我們實現的 C 語言的文法，并實現其中解析變量定義部分。由于語法分析本身比較復雜，所以我們將它拆分成 3 個部分進行講解，分別是：變量定義、函數定義、表達式。 **本系列：** 1. [手把手教你做一個 C 語言編譯器（0）：前言](http://blog.jobbole.com/97332/) 2. [手把手教你做一個 C 語言編譯器（1）：設計](http://blog.jobbole.com/97350/) 3. [手把手教你做一個 C 語言編譯器（2）：虛擬機](http://blog.jobbole.com/97359/) 4. [手把手教你做一個 C 語言編譯器（3）：詞法分析器](http://blog.jobbole.com/97375/) 5. [手把手教你做一個 C 語言編譯器（4）：遞歸下降](http://blog.jobbole.com/97382/) ## EBNF 表示 EBNF 是對前一章提到的 BNF 的擴展，它的語法更容易理解，實現起來也更直觀。但真正看起來還是很煩，如果不想看可以跳過。 ``` program ::= {global_declaration}+ global_declaration ::= enum_decl | variable_decl | function_decl enum_decl ::= 'enum' [id] '{' id ['=' 'num'] {',' id ['=' 'num'} '}' variable_decl ::= type {'*'} id { ',' {'*'} id } ';' function_decl ::= type {'*'} id '(' parameter_decl ')' '{' body_decl '}' parameter_decl ::= type {'*'} id {',' type {'*'} id} body_decl ::= {variable_decl}, {statement} statement ::= non_empty_statement | empty_statement non_empty_statement ::= if_statement | while_statement | '{' statement '}' | 'return' expression | expression ';' if_statement ::= 'if' '(' expression ')' statement ['else' non_empty_statement] while_statement ::= 'while' '(' expression ')' non_empty_statement ``` 其中 `expression` 相關的內容我們放到后面解釋，主要原因是我們的語言不支持跨函數遞歸，而為了實現自舉，實際上我們也不能使用遞歸（虧我們說了一章的遞歸下降）。 P.S. 我是先寫程序再總結上面的文法，所以實際上它們間的對應關系并不是特別明顯。 ## 解析變量的定義本章要講解的就是上節文法中的 `enum_decl` 和 `variable_decl` 部分。 ### program() 首先是之前定義過的 `program` 函數，將它改成： ``` void program() { // get next token next(); while (token > 0) { global_declaration(); } } ``` 我知道 `global_declaration` 函數還沒有出現過，但沒有關系，采用自頂向下的編寫方法就是要不斷地實現我們需要的內容。下面是 `global_declaration` 函數的內容： ### global_declaration() 即全局的定義語句，包括變量定義，類型定義（只支持枚舉）及函數定義。代碼如下： ``` int basetype; // the type of a declaration, make it global for convenience int expr_type; // the type of an expression void global_declaration() { // global_declaration ::= enum_decl | variable_decl | function_decl // // enum_decl ::= 'enum' [id] '{' id ['=' 'num'] {',' id ['=' 'num'} '}' // // variable_decl ::= type {'*'} id { ',' {'*'} id } ';' // // function_decl ::= type {'*'} id '(' parameter_decl ')' '{' body_decl '}' int type; // tmp, actual type for variable int i; // tmp basetype = INT; // parse enum, this should be treated alone. if (token == Enum) { // enum [id] { a = 10, b = 20, ... } match(Enum); if (token != '{') { match(Id); // skip the [id] part } if (token == '{') { // parse the assign part match('{'); enum_declaration(); match('}'); } match(';'); return; } // parse type information if (token == Int) { match(Int); } else if (token == Char) { match(Char); basetype = CHAR; } // parse the comma seperated variable declaration. while (token != ';' && token != '}') { type = basetype; // parse pointer type, note that there may exist `int ****x;` while (token == Mul) { match(Mul); type = type + PTR; } if (token != Id) { // invalid declaration printf("%d: bad global declaration\n", line); exit(-1); } if (current_id[Class]) { // identifier exists printf("%d: duplicate global declaration\n", line); exit(-1); } match(Id); current_id[Type] = type; if (token == '(') { current_id[Class] = Fun; current_id[Value] = (int)(text + 1); // the memory address of function function_declaration(); } else { // variable declaration current_id[Class] = Glo; // global variable current_id[Value] = (int)data; // assign memory address data = data + sizeof(int); } if (token == ',') { match(','); } } next(); } ``` 看了上面的代碼，能大概理解嗎？這里我們講解其中的一些細節。 **向前看標記** ：其中的 `if (token == xxx)` 語句就是用來向前查看標記以確定使用哪一個產生式，例如只要遇到 `enum` 我們就知道是需要解析枚舉類型。而如果只解析到類型，如 `int identifier` 時我們并不能確定 `identifier` 是一個普通的變量還是一個函數，所以還需要繼續查看后續的標記，如果遇到 `(` 則可以斷定是函數了，反之則是變量。 **變量類型的表示** ：我們的編譯器支持指針類型，那意味著也支持指針的指針，如 `int **data;`。那么我們如何表示指針類型呢？前文中我們定義了支持的類型： ``` // types of variable/function enum { CHAR, INT, PTR }; ``` 所以一個類型首先有基本類型，如 `CHAR` 或 `INT`，當它是一個指向基本類型的指針時，如`int *data`，我們就將它的類型加上 `PTR` 即代碼中的：`type = type + PTR;`。同理，如果是指針的指針，則再加上 `PTR`。 ### enum_declaration() 用于解析枚舉類型的定義。主要的邏輯用于解析用逗號（`,`）分隔的變量，值得注意的是在編譯器中如何保存枚舉變量的信息。即我們將該變量的類別設置成了 `Num`，這樣它就成了全局的常量了，而注意到上節中，正常的全局變量的類別則是 `Glo`，類別信息在后面章節中解析 `expression` 會使用到。 ``` void enum_declaration() { // parse enum [id] { a = 1, b = 3, ...} int i; i = 0; while (token != '}') { if (token != Id) { printf("%d: bad enum identifier %d\n", line, token); exit(-1); } next(); if (token == Assign) { // like {a=10} next(); if (token != Num) { printf("%d: bad enum initializer\n", line); exit(-1); } i = token_val; next(); } current_id[Class] = Num; current_id[Type] = INT; current_id[Value] = i++; if (token == ',') { next(); } } } ``` ### 其它其中的 `function_declaration` 函數我們將放到下一章中講解。`match` 函數是一個輔助函數： ``` void match(int tk) { if (token == tk) { next(); } else { printf("%d: expected token: %d\n", line, tk); exit(-1); } } ``` 它將 `next` 函數包裝起來，如果不是預期的標記則報錯并退出。 ## 代碼本章的代碼可以在 [Github](https://github.com/lotabout/write-a-C-interpreter/tree/step-3) 上下載，也可以直接 clone ``` git clone -b step-3 https://github.com/lotabout/write-a-C-interpreter ``` 本章的代碼還無法正常運行，因為還有許多功能沒有實現，但如果有興趣的話，可以自己先試著去實現它。 ## 小結本章的內容應該不難，除了開頭的 EBNF 表達式可能相對不好理解一些，但如果你查看了 EBNF 的具體表示方法后就不難理解了。剩下的內容就是按部就班地將 EBNF 的產生式轉換成函數的過程，如果你理解了上一章中的內容，相信這部分也不難理解。下一章中我們將介紹如何解析函數的定義，敬請期待。