手把手教你做一個 C 語言編譯器（2）：虛擬機器
本章是“手把手教你構建 C 語言編譯器”系列的第三篇，本章我們要構建一臺虛擬的電腦，設計我們自己的指令集，執行我們的指令集，說得通俗一點就是自己實現一套匯編語言。它們將作為我們的編譯器最終輸出的目的碼。
本系列：
計算機的內部工作原理
我們關心計算機的三個基本部件：CPU、暫存器及記憶體。程式碼（彙編指令）以二進位制的形式儲存在記憶體中，CPU 從中一條條地載入指令執行。程式執行的狀態儲存在暫存器中。
記憶體
我們從記憶體開始說起。現代的作業系統都不直接使用記憶體，而是使用虛擬記憶體。虛擬記憶體可以理解為一種對映，在我們的程式眼中，我們可以使用全部的記憶體地址，而作業系統需要將它對映到實際的記憶體上。當然，這些並不重要，重要的是一般而言，程序的記憶體會被分成幾個段：
- 程式碼段（text）用於存放程式碼（指令）。
- 資料段（data）用於存放初始化了的資料，如
int i = 10;，就需要存放到資料段中。 - 未初始化資料段（bss）用於存放未初始化的資料，如
int i[1000];，因為不關心其中的真正數值，所以單獨存放可以節省空間，減少程式的體積。 - 棧（stack）用於處理函式呼叫相關的資料，如呼叫幀（calling frame）或是函式的區域性變數等。
- 堆（heap）用於為程式動態分配記憶體。
它們在記憶體中的位置類似於下圖：
|
但我們的虛擬機器並不模擬完整的計算機，我們只關心三個內容：程式碼段、資料段以及棧。其中的資料段我們只存放字串，因為我們的編譯器並不支援初始化變數，因此我們也不需要未初始化資料段。理論上我們的虛擬器需要維護自己的堆用於記憶體分配，但實際實現上較為複雜且與編譯無關，故我們引入一個指令MSET
綜上，我們需要首先在全域性新增如下程式碼：
C| 1234 | int*text,// text segment*old_text,// for dump text segment*stack;// stackchar*data;// data segment |
注意這裡的型別，雖然是int型，但理解起來應該作為無符號的整型，因為我們會在程式碼段（text）中存放如指標/記憶體地址的資料，它們就是無符號的。其中資料段（data）由於只存放字串，所以是 char * 型的
接著，在main函式中加入初始化程式碼，真正為其分配記憶體：
| 123456789101112131415161718192021222324 | intmain(){close(fd);...//allocate memory forvirtual machineif(!(text=old_text=malloc(poolsize))){printf("could not malloc(%d) for text area\n",poolsize);return-1;}if(!(data=malloc(poolsize))){printf("could not malloc(%d) for data area\n",poolsize);return-1;}if(!(stack=malloc(poolsize))){printf("could not malloc(%d) for stack area\n",poolsize);return-1;}memset(text,0,poolsize);memset(data,0,poolsize);memset(stack,0,poolsize);...program(); |
暫存器
計算機中的暫存器用於存放計算機的執行狀態，真正的計算機中有許多不同種類的暫存器，但我們的虛擬機器中只使用 4 個暫存器，分別如下：
PC程式計數器，它存放的是一個記憶體地址，該地址中存放著 下一條 要執行的計算機指令。SP指標暫存器，永遠指向當前的棧頂。注意的是由於棧是位於高地址並向低地址增長的，所以入棧時SP的值減小。BP基址指標。也是用於指向棧的某些位置，在呼叫函式時會使用到它。AX通用暫存器，我們的虛擬機器中，它用於存放一條指令執行後的結果。
要理解這些暫存器的作用，需要去理解程式執行中會有哪些狀態。而這些暫存器只是用於儲存這些狀態的。
在全域性中加入如下定義：
C| 1 | int*pc,*bp,*sp,ax,cycle;// virtual machine registers |
在 main 函式中加入初始化程式碼，注意的是PC在初始應指向目的碼中的main函式，但我們還沒有寫任何編譯相關的程式碼，因此先不處理。程式碼如下：
| 12345678 | memset(stack,0,poolsize);...bp=sp=(int*)((int)stack+poolsize);ax=0;...program(); |
與 CPU 相關的是指令集，我們將專門作為一個小節。
指令集
指令集是 CPU 能識別的命令的集合，也可以說是 CPU 能理解的語言。這裡我們要為我們的虛擬機器構建自己的指令集。它們基於 x86 的指令集，但要更為簡單。
首先在全域性變數中加入一個列舉型別，這是我們要支援的全部指令：
C| 1234 | // instructionsenum{LEA,IMM,JMP,CALL,JZ,JNZ,ENT,ADJ,LEV,LI,LC,SI,SC,PUSH,OR,XOR,AND,EQ,NE,LT,GT,LE,GE,SHL,SHR,ADD,SUB,MUL,DIV,MOD,OPEN,READ,CLOS,PRTF,MALC,MSET,MCMP,EXIT}; |
這些指令的順序安排是有意的，稍後你會看到，帶有引數的指令在前，沒有引數的指令在後。這種順序的唯一作用就是在列印除錯資訊時更加方便。但我們講解的順序並不依據它。
MOV
MOV 是所有指令中最基礎的一個，它用於將資料放進暫存器或記憶體地址，有點類似於 C 語言中的賦值語句。x86 的 MOV 指令有兩個引數，分別是源地址和目標地址：MOV dest, source （Intel 風格），表示將 source 的內容放在 dest 中，它們可以是一個數、暫存器或是一個記憶體地址。
一方面，我們的虛擬機器只有一個暫存器，另一方面，識別這些引數的型別（是數還是地址）是比較困難的，因此我們將 MOV 指令拆分成 5 個指令，這些指令只接受一個引數，如下：
IMM <num>將<num>放入暫存器ax中。LC將對應地址中的字元載入ax中，要求ax中存放地址。LI將對應地址中的整數載入ax中，要求ax中存放地址。SC將ax中的資料作為字元存放入地址中，要求棧頂存放地址。SI將ax中的資料作為整數存放入地址中，要求棧頂存放地址。
你可能會覺得將一個指令變成了許多指令，整個系統就變得複雜了，但實際情況並非如此。首先是 MOV 指令其實有許多變種，根據型別的不同有 MOVB, MOVW 等指令，我們這裡的LC/SC 和 LI/SI 就是對應字元型和整型的存取操作。
但最為重要的是，通過將 MOV 指令拆分成這些指令，只有 IMM 需要有引數，且不需要判斷型別，所以大大簡化了實現的難度。
在 eval() 函式中加入下列程式碼：
| 12345678910111213 | voideval(){intop,*tmp;while(1){if(op==IMM){ax=*pc++;}// load immediate value to axelseif(op==LC){ax=*(char*)ax;}// load character to ax, address in axelseif(op==LI){ax=*(int*)ax;}// load integer to ax, address in axelseif(op==SC){ax=*(char*)*sp++=ax;}// save character to address, value in ax, address on stackelseif(op==SI){*(int*)*sp++=ax;}// save integer to address, value in ax, address on stack}...return0;} |
其中的 *sp++ 的作用是退棧，相當於 POP 操作。
這裡要解釋的一點是，為什麼 SI/SC 指令中，地址存放在棧中，而 LI/LC 中，地址存放在ax 中？原因是預設計算的結果是存放在 ax 中的，而地址通常是需要通過計算獲得，所以執行 LI/LC 時直接從 ax 取值會更高效。另一點是我們的 PUSH 指令只能將 ax 的值放到棧上，而不能以值作為引數，詳細見下文。
PUSH
在 x86 中，PUSH 的作用是將值或暫存器，而在我們的虛擬機器中，它的作用是將 ax 的值放入棧中。這樣做的主要原因是為了簡化虛擬機器的實現，並且我們也只有一個暫存器 ax 。程式碼如下：
| 1 | elseif(op==PUSH){*--sp=ax;}// push the value of ax onto the stack |
JMP
JMP <addr> 是跳轉指令，無條件地將當前的 PC 暫存器設定為指定的 <addr>，實現如下：
| 1 | elseif(op==JMP){pc=(int*)*pc;}// jump to the address |
要記得，pc 暫存器指向的是 下一條 指令。所以此時它存放的是 JMP 指令的引數，即<addr> 的值。
JZ/JNZ
為了實現 if 語句，我們需要條件判斷相關的指令。這裡我們只實現兩個最簡單的條件判斷，即結果（ax）為零或不為零情況下的跳轉。
實現如下：
C| 1 | elseif(op==JZ){pc=ax?pc+1:(int*)*pc;}// jump if ax is zero |
| 1 | elseif(op==JNZ){pc=ax?(int*)*pc:pc+1;}// jump if ax is zero |
子函式呼叫
這是彙編中最難理解的部分，所以合在一起說，要引入的命令有 CALL, ENT, ADJ 及LEV。
首先我們介紹 CALL <addr> 與 RET 指令，CALL 的作用是跳轉到地址為 <addr> 的子函式，RET 則用於從子函式中返回。
為什麼不能直接使用 JMP 指令呢？原因是當我們從子函式中返回時，程式需要回到跳轉之前的地方繼續執行，這就需要事先將這個位置資訊儲存起來。反過來，子函式要返回時，就需要獲取並恢復這個資訊。因此實際中我們將 PC 儲存在棧中。如下：
| 12 | elseif(op==CALL){*--sp=(int)(pc+1);pc=(int*)*pc;}// call subroutine//else if (op == RET) {pc = (int *)*sp++;} // return from subroutine; |
這裡我們把 RET 相關的內容註釋了，是因為之後我們將用 LEV 指令來代替它。
在實際呼叫函式時，不僅要考慮函式的地址，還要考慮如何傳遞引數和如何返回結果。這裡我們約定，如果子函式有返回結果，那麼就在返回時儲存在 ax 中，它可以是一個值，也可以是一個地址。那麼引數的傳遞呢？
各種程式語言關於如何呼叫子函式有不同的約定，例如 C 語言的呼叫標準是：
- 由呼叫者將引數入棧。
- 呼叫結束時，由呼叫者將引數出棧。
- 引數逆序入棧。
事先宣告一下，我們的編譯器引數是順序入棧的，下面的例子（C 語言呼叫標準）取自 維基百科：
C
1234567相關推薦手把手教你做一個 C 語言編譯器（2）：虛擬機器本章是“手把手教你構建 C 語言編譯器”系列的第三篇，本章我們要構建一臺虛擬的電腦，設計我們自己的指令集，執行我們的指令集，說得通俗一點就是自己實現一套匯編語言。它們將作為我們的編譯器最終輸出的目的碼。 本系列： 計算機的內部工作原理 我們關心計算機的三個基本部件 手把手教你做一個 C 語言編譯器（8）：表示式這是整個編譯器的最後一部分，解析表示式。什麼是表示式？表示式是將各種語言要素的一個組合，用來求值。例如：函式呼叫、變數賦值、運算子運算等等。 表示式的解析難點有二：一是運算子的優先順序問題，二是如何將表示式編譯成目的碼。我們就來逐一說明。 本系列： 運算子的優先順 手把手教你做一個 C 語言編譯器（7）：語句整個編譯器還剩下最後兩個部分：語句和表示式的解析。它們的內容比較多，主要涉及如何將語句和表示式編譯成彙編程式碼。這章講解語句的解析，相對於表示式來說它還是較為容易的。 本系列： 語句 C 語言區分“語句”（statement）和“表示式”（expression）兩 手把手教你做一個 C 語言編譯器（9）：總結恭喜你完成了自己的 C 語言編譯器，本章中我們發一發牢騷，說一說編寫編譯器值得注意的一些問題；編寫編譯器時遇到的一些難題。 本系列： 虛擬機器與目的碼 整個系列的一開始，我們就著手虛擬機器的實現。不知道你是否有同感，這部分對於整個編譯器的編寫其實是十分重要的。我認 手把手教你做一個 C 語言編譯器（6）：函式定義由於語法分析本身比較複雜，所以我們將它拆分成 3 個部分進行講解，分別是：變數定義、函式定義、表示式。本章講解函式定義相關的內容。 本系列： EBNF 表示 這是上一章的 EBNF 方法中與函式定義相關的內容。 C 手把手教你做一個 C 語言編譯器（4）：遞迴下降本章我們將講解遞迴下降的方法，並用它完成一個基本的四則運算的語法分析器。 本系列： 什麼是遞迴下降 傳統上，編寫語法分析器有兩種方法，一種是自頂向下，一種是自底自上。自頂向下是從起始非終結符開始，不斷地對非終結符進行分解，直到匹配輸入的終結符；自底向上是不斷地將終 手把手教你做一個 C 語言編譯器（3）：詞法分析器本章我們要講解如何構建詞法分析器。 本系列： 什麼是詞法分析器 簡而言之，詞法分析器用於對原始碼字串做預處理，以減少語法分析器的複雜程度。 詞法分析器以原始碼字串為輸入，輸出為標記流（token stream），即一連串的標記，每個標記通常包括： (token, 手把手教你做一個 C 語言編譯器（0）：前言“手把手教你構建 C 語言編譯器” 這一系列教程將帶你從頭編寫一個 C 語言的編譯器。希望通過這個系列，我們能對編譯器的構建有一定的瞭解，同時，我們也將構建出一個能用的 C 語言編譯器，儘管有許多語法並不支援。 在開始進入正題之前，本篇是一些閒聊，談談這個系列的初衷 手把手教你做一個 C 語言編譯器（1）：設計本章是“手把手教你構建 C 語言編譯器”系列的第二篇，我們要從整體上講解如何設計我們的 C 語言編譯器。 本系列： 首先要說明的是，雖然標題是編譯器，但實際上我們構建的是 C 語言的直譯器，這意味著我們可以像執行指令碼一樣去執行 C 語言的原始碼檔案。這麼做的理由 手把手教你做一個 C 語言編譯器（5）：變數定義本章中我們用 EBNF 來大致描述我們實現的 C 語言的文法，並實現其中解析變數定義部分。 由於語法分析本身比較複雜，所以我們將它拆分成 3 個部分進行講解，分別是：變數定義、函式定義、表示式。 本系列： EBNF 表示 EBNF 是對前一章提到的 BNF 的擴充 手把手教你構建 C 語言編譯器（2）本章是“手把手教你構建 C 語言編譯器”系列的第三篇，本章我們要構建一臺虛擬的電腦，設計我們自己的指令集，執行我們的指令集，說得通俗一點就是自己實現一套匯編語言。它們將作為我們的編譯器最終輸出的目的碼。 手把手教你構建 C 語言編譯器系列共有10個部分： #計算機的內部工作原理 計算機中有三個基本部件需要 手把手教你做藍芽聊天應用（四）－藍芽連線模組第4節 藍芽連線模組 藍芽連線的管理模組需要為ChatActivity提供於連線相關的所有功能，要設計的方便使用，並儘量隱藏連線的細節。 4.1 對外介面 我們首先來看看ConnectionManager需要向Chat Activity提供哪些介面。 手把手教你構建 C 語言編譯器（6）由於語法分析本身比較複雜，所以我們將它拆分成 3 個部分進行講解，分別是：變數定義、函式定義、表示式。本章講解函式定義相關的內容。 手把手教你構建 C 語言編譯器系列共有10個部分： EBNF 表示 這是上一章的 EBNF 方法中與函式定義相關的內容。 variable_decl ::= type {'* 手把手教你構建 C 語言編譯器（4）本章我們將講解遞迴下降的方法，並用它完成一個基本的四則運算的語法分析器。 手把手教你構建 C 語言編譯器系列共有10個部分： 什麼是遞迴下降 傳統上，編寫語法分析器有兩種方法，一種是自頂向下，一種是自底向上。自頂向下是從起始非終結符開始，不斷地對非終結符進行分解，直到匹配輸入的終結符；自底向上是不斷地將終 手把手教你構建 C 語言編譯器（8）這是整個編譯器的最後一部分，解析表示式。什麼是表示式？表示式是將各種語言要素的一個組合，用來求值。例如：函式呼叫、變數賦值、運算子運算等等。 表示式的解析難點有二：一是運算子的優先順序問題，二是如何將表示式編譯成目的碼。我們就來逐一說明。 手把手教你構建 C 語言編譯器系列共有10個部分： 運算子的優先順 手把手教你構建 C 語言編譯器（5）本章中我們用 EBNF 來大致描述我們實現的 C 語言的文法，並實現其中解析變數定義部分。 由於語法分析本身比較複雜，所以我們將它拆分成 3 個部分進行講解，分別是：變數定義、函式定義、表示式。 手把手教你構建 C 語言編譯器系列共有10個部分： EBNF 表示 EBNF 是對前一章提到的 BNF 的擴充 手把手教你構建 C 語言編譯器（9）恭喜你完成了自己的 C 語言編譯器，本章中我們發一發牢騷，說一說編寫編譯器值得注意的一些問題；編寫編譯器時遇到的一些難題。 手把手教你構建 C 語言編譯器系列共有10個部分： 虛擬機器與目的碼 整個系列的一開始，我們就著手虛擬機器的實現。不知道你是否有同感，這部分對於整個編譯器的編寫其實是十分重要的。我認 手把手教你構建 C 語言編譯器（1）本章是“手把手教你構建 C 語言編譯器”系列的第二篇，我們要從整體上講解如何設計我們的 C 語言編譯器。 手把手教你構建 C 語言編譯器系列共有10個部分： 首先要說明的是，雖然標題是編譯器，但實際上我們構建的是 C 語言的直譯器，這意味著我們可以像執行指令碼一樣去執行 C 語言的原始碼檔案。這麼做的理由 手把手教你構建 C 語言編譯器（0）“手把手教你構建 C 語言編譯器” 這一系列教程將帶你從頭編寫一個 C 語言的編譯器。希望通過這個系列，我們能對編譯器的構建有一定的瞭解，同時，我們也將構建出一個能用的 C 語言編譯器，儘管有許多語法並不支援。 手把手教你構建 C 語言編譯器系列共有10個部分： 在開始進入正題之前，本篇是一些閒聊，談談這 手把手教你構建 C 語言編譯器（3）本章我們要講解如何構建詞法分析器。 手把手教你構建 C 語言編譯器系列共有10個部分： 什麼是詞法分析器 簡而言之，詞法分析器用於對原始碼字串做預處理，以減少語法分析器的複雜程度。 詞法分析器以原始碼字串為輸入，輸出為標記流（token stream），即一連串的標記，每個標記通常包括： (token, |