“手把手教你构建 C 语言编译器” 这一系列教程将带你从头编写一个 C 语言的编译器。希望通过这个系列，我们能对编译器的构建有一定的了解，同时，我们也将构建出一个能用的 C 语言编译器，尽管有许多语法并不支持。
在开始进入正题之前，本篇是一些闲聊，谈谈这个系列的初衷。如果你急切地想进入正篇，请跳过本章。
前言
为什么要学编译原理
如果要我说计算机专业最重要的三门课，我会说是《数据结构》、《算法》和《编译原理》。在我看来，能不能理解“递归”像是程序员的第一道门槛，而会不会写编译器则是第二道。
（当然，并不是说是没写过编译器就不是好程序员，只能说它是一个相当大的挑战吧）
以前人们会说，学习了编译原理，你就能写出更加高效的代码，但随着计算机性能的提升，代码是否高效显得就不那么重要了。那么为什么要学习编译原理呢？
原因只有一个：装B。
好吧，也许现在还想学习编译原理的人只可能是因为兴趣了。一方面想了解它的工作原理；另一方面希望挑战一下自己，看看自己能走多远。
理论很复杂，实现也很复杂？
我对编译器一直心存敬佩。所以当学校开《编译原理》的课程后，我是抱着满腔热情去上课的，但是两节课后我就放弃了。原因是太复杂了，听不懂。
一般编译原理的课程会说一些：
1、如何表示语法（BNF什么的）
2、词法分析，用什么有穷自动机和无穷自动机
3、语法分析，递归下降法，什么 LL(k)，LALR 分析。
4、中间代码的表示
5、代码的生成
6、代码优化
我相信绝大多数（98％）的学生顶多学到语法分析就结束了。并且最重要的是，学了这么多也没用！依旧帮助不了我们学习编译器！这其中最主要的原因是《编译原理》试图教会我们的是如何构造“编译器生成器”，即构造一个工具，根据文法来生成编译器（如 lex/yacc）等等。
这些理论试图教会我们如何用通用的方法来自动解决问题，它们有很强的实际意义，只是对于一般的学生或程序员来说，它们过于强大，内容过于复杂。如果你尝试阅读 lex/yacc （或 flex/bison）的代码，就会发现太可怕了。
然而如果你能跟我一样，真正来实现一个简单的编译器，那么你会发现，比起可怕的《编译原理》，这点复杂度还是不算什么的（因为好多理论根本用不上）。
项目的初衷
有一次在 Github 上看到了一个项目（当时很火的），名叫 c4，号称用 4 个函数来实现了一个小的 C 语言编译器。它最让我震惊的是能够自举，即能自己编译自己。并且它用很少的代码就完成了一个功能相当完善的 C 语言编译器。
一般的编译器相关的教程要么就十分简单（如实现四则运算），要么就是借助了自动生成的工具（如 flex/bison）。而 c4 的代码完全是手工实现的，不用外部工具。可惜的是它的代码初衷是代码最小化，所以写得很乱，很难懂。所以本项目的主要目的：
1、实现一个功能完善的 C 语言编译器
2、通过教程来说明这个过程。
c4 大致500+行。重写的代码历时一周，总共代码加注释1400行。项目地址: Write a C Interpreter。
声明：本项目中的代码逻辑绝大多数取自 c4 ，但确为自己重写。
预警
在写编译器的时候会遇到两个主要问题：
1、麻烦，会有许多类似的代码，写起来很无聊。
2、难以调试，一方面没有很好的测试用例，另一方面需要对照生成的代码来调试（遇到的时候就知道了）。
所以我希望你有足够的耐心和时间来学习，相信当你真正完成的时候会像我一样，十分有成就感。
虽然标题是编译器，但实际上我们构建的是 C 语言的解释器，这意味着我们可以像运行脚本一样去运行 C 语言的源代码文件。这么做的理由有两点：
1、解释器与编译器仅在代码生成阶段有区别，而其它方面如词法分析、语法分析是一样的。
2、解释器需要我们实现自己的虚拟机与指令集，而这部分能帮助我们了解计算机的工作原理。
编译器的构建流程
一般而言，编译器的编写分为 3 个步骤：
1、词法分析器，用于将字符串转化成内部的表示结构。
2、语法分析器，将词法分析得到的标记流（token）生成一棵语法树。
3、目标代码的生成，将语法树转化成目标代码。
已经有许多工具能帮助我们处理阶段1和2，如 flex 用于词法分析，bison 用于语法分析。只是它们的功能都过于强大，屏蔽了许多实现上的细节，对于学习构建编译器帮助不大。所以我们要完全手写这些功能。
所以我们会根据下面的流程：
1、构建我们自己的虚拟机以及指令集。这后生成的目标代码便是我们的指令集。
2、构建我们的词法分析器
3、构建语法分析器
编译器的框架
我们的编译器主要包括 4 个函数：
1、next() 用于词法分析，获取下一个标记，它将自动忽略空白字符。
2、program() 语法分析的入口，分析整个 C 语言程序。
3、expression(level) 用于解析一个表达式。
4、eval() 虚拟机的入口，用于解释目标代码。
这里有一个单独用于解析“表达式”的函数 expression 是因为表达式在语法分析中相对独立并且比较复杂，所以我们将它单独作为一个模块（函数）。
因为我们的源代码看起来就像是：
#include
#include
#include
#include
int token; // current token
char *src, *old_src; // pointer to source code string;
int poolsize; // default size of text/data/stack
int line; // line number
void next() {
token = *src++;
return;
}
void expression(int level) {
// do nothing
}
void program() {
next(); // get next token
while (token > 0) {
printf("token is: %c\n", token);
next();
}
}
int eval() { // do nothing yet
return 0;
}
int main(int argc, char **argv)
{
int i, fd;
argc--;
argv++;
poolsize = 256 * 1024; // arbitrary size
line = 1;
if ((fd = open(*argv, 0)) < 0) {
printf("could not open(%s)\n", *argv);
return -1;
}
if (!(src = old_src = malloc(poolsize))) {
printf("could not malloc(%d) for source area\n", poolsize);
return -1;
}
// read the source file
if ((i = read(fd, src, poolsize-1)) <= 0) {
printf("read() returned %d\n", i);
return -1;
}
src[i] = 0; // add EOF character
close(fd);
program();
return eval();
}
上面的代码看上去挺复杂，但其实内容不多，就是读取一个源代码文件，逐个读取每个字符，并输出每个字符。这里重要的是注意每个函数的作用，后面的文章中，我们将逐个填充每个函数的功能，最终构建起我们的编译器。
本节的代码可以在 Github 上下载，也可以直接 clone
git clone -b step-0 https://github.com/lotabout/write-a-C-interpreter
这样我们就有了一个最简单的编译器：什么都不干的编译器，下一章中，我们将实现其中的eval函数，即我们自己的虚拟机。
参考资料
最后想介绍几个资料：
1、Let’s Build a Compiler 很好的初学者教程，英文的。
2、Lemon Parser Generator，一个语法分析器生成器，对照《编译原理》观看效果更佳。
祝你学得愉快。
