LCC编译器的源程序分析

1、(摘自：h)LCC编译器的源程序分析(1)C编译器的目标2LCC编译器的源程序分析(2)LCC编译器的预处理4LCC编译器的源程序分析(3)选择不同的目标代码接口7LCC编译器的源程序分析(4)处理文件参数10LCC编译器的源程序分析(5)行号同步与类型初始化15LCC编译器的源程序分析(6)词法分析21LCC编译器的源程序分析(7)词法分析23LCC编译器的源程序分析(8)语法分析的开始35LCC编译器的源程序分析(9)声明分析41LCC编译器的源程序分析(10)声明类型47LCC编译器的源程序分析(11)声明与符号表51LCC编译器的源程序分析(12)自定义类型的声明55LCC编译器的源程

2、序分析(13)指针类型的声明57LCC编译器的源程序分析(14)结构类型的声明59LCC编译器的源程序分析(15)结构类型成员的声明62LCC编译器的源程序分析(16)函数的声明66LCC编译器的源程序分析(17)参数变量的声明71LCC编译器的源程序分析(18)函数定义73LCC编译器的源程序分析(19)全局函数的定义80LCC编译器的源程序分析(20)复合语句83LCC编译器的源程序分析(21)局部变量的声明87LCC编译器的源程序分析(22)基本表达式92LCC编译器的源程序分析(23)一元运算表达式96LCC编译器的源程序分析(24)条件表达式101LCC编译器的源程序分析(25)赋值

3、表达式102LCC编译器的源程序分析(26)逗号表达式103LCC编译器的源程序分析(27)基本语句104LCC编译器的源程序分析(28)函数表达式语句111LCC编译器的源程序分析(29)if条件语句117LCC编译器的源程序分析(30)while循环语句118LCC编译器的源程序分析(31)do while循环语句120LCC编译器的源程序分析(32)for循环语句121LCC编译器的源程序分析(33)break语句123LCC编译器的源程序分析(34)continue语句124LCC编译器的源程序分析(35)switch语句125LCC编译器的源程序分析(36)case语句127LCC编

4、译器的源程序分析(37)default语句129LCC编译器的源程序分析(38)return语句129LCC编译器的源程序分析(39)goto语句130LCC编译器的源程序分析(40)赋值表达式树132LCC编译器的源程序分析(41)赋值表达式的有向无环图134LCC编译器的源程序分析(42)赋值表达式的有向无环图136LCC编译器的源程序分析(43)赋值表达式的有向无环图138LCC编译器的源程序分析(44)函数名称的代码生成139LCC编译器的源程序分析(45)函数代码入口和出口的代码生成140LCC编译器的源程序分析(46)计算需要使用栈大小143LCC编译器的源程序分析(47)计算需要

5、使用栈大小145LCC编译器的源程序分析(48) 寄存器分配146LCC编译器的源程序分析(49) 寄存器分配147LCC编译器的源程序分析(50) 分配一个寄存器148LCC编译器的源程序分析(51) 分配一个寄存器149LCC编译器的源程序分析(52)寄存器溢出151LCC编译器的源程序分析(53)指令的选择154LCC编译器的源程序分析(54)指令模式匹配155LCC编译器的源程序分析(55)最终代码的生成161LCC编译器的源程序分析(56)寄存器分配的属性结构162LCC编译器的源程序分析(57)不同目标代码生成的接口结构163LCC编译器的源程序分析(58)后端使用的节点结构164

6、LCC编译器的源程序分析(59)代码生成的源程序注释165LCC编译器的源程序分析(60)代码表的结构196LCC编译器的源程序分析(61)复合语句的代码块流程199LCC编译器的源程序分析(62)生成常量树节点的流程199LCC编译器的源程序分析(63)创建DAG森林的源程序200LCC编译器的源程序分析(64)符号表的结构注释201LCC编译器的源程序分析(65)后端接口的结构注释202LCC编译器的源程序分析(66)DAG树分析例子205LCC编译器的源程序分析(67)删除内存链表205LCC编译器的源程序分析(68)内存分配链表206LCC编译器的源程序分析(69)全局变量的初始化20

7、9LCC编译器的源程序分析(1)C编译器的目标先从简单的目标来分析这个大规模的C编译器，毕竟它的功能比较复杂，并且源程序的行数也是非常多的。因此，把简单的目标定出来，然后再分析它，这样才会有的放矢。接着再跟着编译运行的主线来分析它的源程序。下面先看一下简单的C例子，如下：#001 #include <stdio.h>#002 #003 int main(void)#004 #005 int nTest1 = 1;#006 int nTest2 = 2;#007 int nTest3;#008 int i;#009 #010 nTest3 = nTest1 + nTest2;#011

8、 printf("nTest3 = %drn",nTest3);#012 #013 for (i = 0; i < 5; i+)#014 #015 printf("%drn",nTest3+i);#016 #017 #018 printf(_TIME_" "_DATE_"rnhello worldn");#019 return 0;#020 #021 上面的程序就是用来说明编译器工作的例子，它在第一行里包含了头文件，由于后面调用printf函数输出显示到屏幕里。第二行空行，第三行是main函数，它是C程序的入

9、口函数。在main函数里，定义了几个局部变量，分别第5，6，7，8行的变量。第10行作两个变量nTest1和nTest2的加法，然后赋值给变量nTest3。第11行显示变量nTest3的值，是用10进制输出显示。在第13到16行是5次输出nTest3+i值。在第18行里输出编译这个程序的时间和hello world的字符串。C编译器的任务，就是把上面的源程序变换到汇编代码输出，或者变成其它中间代码输出。在这里LCC编译器是输出汇编代码的，所以就不介绍其它的中间代码输出。那么LCC把上面的源程序变成什么样的汇编输出呢？下面就先把它的目标代码看一下，如下：#001 global $main#002

10、 section .text#003 $main:#004 push ebx#005 push esi#006 push edi#007 push ebp#008 mov ebp, esp#009 sub esp, 16#010 mov dword ebp + -12, 1#011 mov dword ebp + -16, 2#012 mov edi, dword ebp + -12#013 mov esi, dword ebp + -16#014 lea edi, esi + edi#015 mov dword ebp + -8, edi#016 mov edi, dword ebp + -

11、8#017 push dword edi#018 lea edi, $L2#019 push dword edi#020 call $printf#021 add esp, 8#022 mov dword ebp + -4, 0#023 $L3:#024 mov edi, dword ebp + -8#025 mov esi, dword ebp + -4#026 lea edi, esi + edi#027 push dword edi#028 lea edi, $L7#029 push dword edi#030 call $printf#031 add esp, 8#032 $L4:#0

12、33 inc dword ebp + -4#034 cmp dword ebp + -4, 5#035 jl near $L3#036 lea edi, $L8#037 push dword edi#038 call $printf#039 add esp, 4#040 mov eax, 0#041 $L1:#042 mov esp, ebp#043 pop ebp#044 pop edi#045 pop esi#046 pop ebx#047 ret#048 extern $printf#049 section .data#050 times ($-$) & 0 nop#051 $L

13、8:#052 db '00:30:28 Apr 07 2007', 13, 10, 'hello world', 10, 0#053 times ($-$) & 0 nop#054 $L7:#055 db '%d', 13, 10, 0#056 times ($-$) & 0 nop#057 $L2:#058 db 'nTest3 = %d', 13, 10, 0#059 LCC是可以生成很多目标代码的C编译器，在这里主要介绍生成X86的NASM汇编的代码。上面的汇编代码就是NASM的汇编格式，可以使用NASM编译

14、生成目标文件，然后再用连接程序生成可执行文件。如果不能看懂上面的NASM汇编，就需要去看NASM手册了，这个手册在网上有下载。如果想更深入理解汇编生成机器码的过程，当然也可以深入分析NASM的程序实现。从上面的C和汇编也可以看出，汇编代码比C代码要复杂，行数也比较多，还分了数据段和代码段。所以使用C编译器是可以大大地提高生产效率的，并且更容易理解，这样就容易降低软件的成本，容易开发大规模的软件工程。LCC编译器的源程序分析(2)LCC编译器的预处理上面已经介绍了C编译器的目标，其实在实现这个目标之前，是经历了很多阶段处理的，其中第一个阶段的处理，就是预处理。预处理的任务是做什么呢？在LCC里预

15、处理主要是把所有包含的头文件和源程序生成一个中间文件，并且把所有宏展开，替换为真实的值。前面介绍的例子源程序，经过预处理后，就会生成下面的代码，如下：#line 1 "hello.c"#line 1 "include/stdio.h"typedef unsigned int size_t;typedef unsigned short wchar_t;typedef wchar_t wint_t;typedef wchar_t wctype_t;typedef char * va_list;#line 39 "include/stdio.h&qu

16、ot;struct _iobuf char *_ptr; int _cnt; char *_base;int _flag; int _file; int _charbuf; int _bufsiz; char *_tmpfname; ;typedef struct _iobuf FILE;extern FILE *_iob;typedef long fpos_t;extern FILE (*_imp_iob);int _filbuf(FILE *);int flsbuf(int, FILE *);FILE * _fsopen(const char *, const char *, int);v

17、oid clearerr(FILE *);int fclose(FILE *);int _fcloseall(void);FILE * fdopen(int, const char *);int feof(FILE *);int ferror(FILE *);int fflush(FILE *);int fgetc(FILE *);wchar_t fgetwc(FILE *);wchar_t getwc(FILE *);int _fgetchar(void);int fgetpos(FILE *, fpos_t *);char * fgets(char *, int, FILE *);int

18、fileno(FILE *);int _flushall(void);FILE * fopen(const char *, const char *);int fprintf(FILE *, const char *, .);int xfprintf(FILE *,const char *,.);int fputc(int, FILE *);int _fputchar(int);int fputs(const char *, FILE *);size_t fread(void *, size_t, size_t, FILE *);FILE * freopen(const char *, con

19、st char *, FILE *);int fscanf(FILE *, const char *, .);int xfscanf(FILE *,const char *,.);int fsetpos(FILE *, const fpos_t *);int fseek(FILE *, long, int);long ftell(FILE *);size_t fwrite(const void *, size_t, size_t, FILE *);int getc(FILE *);int getchar(void);char * gets(char *);int getw(FILE *);in

20、t _pclose(FILE *);FILE * popen(const char *, const char *);int printf(const char *, .);int xprintf(const char *,.);int dprintf(const char *, .);int putc(int, FILE *);int putchar(int);int puts(const char *);int _putw(int, FILE *);int remove(const char *);int rename(const char *,const char *);void rew

21、ind(FILE *);int _rmtmp(void);int scanf(const char *, .);int xscanf(const char *,.);void setbuf(FILE *, char *);int setvbuf(FILE *, char *, int, size_t);int _snprintf(char *, size_t, const char *, .);int sprintf(char *, const char *, .);int xsprintf(char *, const char *, .);int snprintf(char *,size_t

22、,const char *,.);int xsnprintf(char *,size_t,const char *,.);int sscanf(const char *, const char *, .);int xsscanf(const char *,const char *,.);char * _tempnam(char *, char *);FILE * tmpfile(void);char * tmpnam(char *);char *tempnam(char *,char *);int ungetc(int, FILE *);int _unlink(const char *);in

23、t vfprintf(FILE *, const char *, va_list);int vprintf(const char *, va_list);int _vsnprintf(char *, size_t, const char *, va_list);int _vsnwprintf(wchar_t *, size_t, const wchar_t *, va_list);int vsnprintf(char *,size_t,const char *,va_list);int xvsnprintf(char *,size_t,const char *,va_list);int xvs

24、nprintf(char *,size_t,const char *,va_list);int vsprintf(char *, const char *, va_list);int xvsprintf(char *, const char *, va_list);void perror(const char *);void _wperror(const wchar_t *);#line 2 "hello.c"int main(void) int nTest1 = 1; int nTest2 = 2; int nTest3;int i; nTest3 = nTest1 +

25、nTest2; printf("nTest3 = %drn",nTest3); for (i = 0; i < 5; i+) printf("%drn",nTest3+i); printf("00:30:28"" ""Apr 07 2007""rnhello worldn"); return 0;现在就来分析一下经过预处理的中间文件。#line 1 "hello.c"这行告诉编译器要编译的源文件名称和行号。这里是hello.c的第一行。#line 1

26、 "include/stdio.h"在hello.c的第一行里包含了一个头文件include/stdio.h，而这个头文件源程序紧跟着后面，直到#line 2 "hello.c"行前，都是包含的头文件源程序。在那行的后面才是hello.c的源程序，可以看到在main函数里的宏定义也被替换掉了。如下：printf("00:30:28"" ""Apr 07 2007""rnhello worldn");预处理把宏定义_TIME_变成了"00:30:28"字符串

27、，把宏定义_DATE_变成了"Apr 07 2007"。这两个宏定义生成的字符串跟编译时间相关，其实就是把当前编译的时间生成字符放到相应的位置。上面的中间源程序是LCC预处理生成样子，没有删除任何一行，即使是空行也没有删除一行。其实在C里，还有使用#define定义的宏定义，也会替换掉的。因此，在宏定义处理里，没有复杂的计算，只是字符串的替换。在这里没有介绍完整的预处理代码，因为把主要精力放到C编译器去。C编译器就是接收上面这样的中间文件，进行编译处理的。 LCC编译器的源程序分析(3)选择不同的目标代码接口在LCC里，最重要的一个特征是可以输出不同的目标代码。比如同一个C

28、程序，可以生成MIPS，X86等汇编代码，只需要选择不同的目标参数。这里只分析生成X86的代码，所以命令行的参数如下：参数-target=x86/nasm是让C编译器选择生成X86的NASM汇编代码。参数是前面已经介绍的中间文件，它是经过预处理的。参数是生成的目标文件。C编译的入口函数是main，它在文件里，定义如下：/int main(int argc, char *argv)在main函数开始里，就是处理参数的代码，如下：#001 int main(int argc, char *argv) #002 #003 int i, j;#004 #005 for (i = argc - 1; i

29、 > 0; i-)#006 #007 if (strncmp(argvi, "-target=", 8) = 0)#008 #009 break;#010 #011 #012 #013 if (i > 0) #014 #015 char *s = strchr(argvi, '');#016 if (s != NULL)#017 #018 *s = '/'#019 #020 #021 for (j = 0; && bindingsj.ir; j+)#022 #023 if (strcm

30、p(&argvi8, ) = 0) #024 #025 IR = bindingsj.ir;#026 break;#027 #028 #029 #030 if (s != NULL)#031 #032 *s = ''#033 #034 #035 #036 if (!IR) #037 #038 fprint(stderr, "%s: unknown target", argv0);#039 if (i > 0)#040 #041 fprint(stderr, " %s'", &arg

31、vi8);#042 #043 #044 fprint(stderr, " must specify one ofn");#045 #046 for (i = 0; ; i+)#047 #048 fprint(stderr, "t-target=%sn", );#049 #050 #051 exit(EXIT_FAILURE);#052 程序的第5行到第11行是找到目标代码的参数，也就是识别-target=参数。如果找到就跳出循环。程序的第13行到第34行是找到相应的生成目标代码的接口。C编译器已经定

32、义好可以生成代码的数组，因此这里只需要简单地比较一下名称，就可以找到相应的目标代码的接口了。接口定义的结构如下：typedef struct binding char *name; Interface *ir; Binding;name保存目标代码的名称，ir保存了接口。而接口定义如下：#001 typedef struct interface #002 Metrics charmetric;#003 Metrics shortmetric;#004 Metrics intmetric;#005 Metrics longmetric;#006 Metrics longlongmetric;#0

33、07 Metrics floatmetric;#008 Metrics doublemetric;#009 Metrics longdoublemetric;#010 Metrics ptrmetric;#011 Metrics structmetric;#012 unsigned little_endian:1;#013 unsigned mulops_calls:1;#014 unsigned wants_callb:1;#015 unsigned wants_argb:1;#016 unsigned left_to_right:1;#017 unsigned wants_dag:1;#0

34、18 unsigned unsigned_char:1;#019 void (*address)(Symbol p, Symbol q, long n);#020 void (*blockbeg)(Env *);#021 void (*blockend)(Env *);#022 void (*defaddress)(Symbol);#023 void (*defconst) (int suffix, int size, Value v);#024 void (*defstring)(int n, char *s);#025 void (*defsymbol)(Symbol);#026 void

35、 (*emit) (Node);#027 void (*export)(Symbol);#028 void (*function)(Symbol, Symbol, Symbol, int);#029 Node (*gen) (Node);#030 void (*global)(Symbol);#031 void (*import)(Symbol);#032 void (*local)(Symbol);#033 void (*progbeg)(int argc, char *argv);#034 void (*progend)(void);#035 void (*segment)(int);#0

36、36 void (*space)(int);#037 void (*stabblock)(int, int, Symbol*);#038 void (*stabend) (Coordinate *, Symbol, Coordinate *, Symbol *, Symbol *);#039 void (*stabfend) (Symbol, int);#040 void (*stabinit) (char *, int, char *);#041 void (*stabline) (Coordinate *);#042 void (*stabsym) (Symbol);#043 void (

37、*stabtype) (Symbol);#044 Xinterface x;#045 Interface;接口定义了输出汇编目标代码需要的函数和数据成员。以后再一个函数一个函数地介绍。继续分析main函数里，第36行到第52行是找不到生成目标代码接口的出错处理。命令行的参数是-target=x86/nasm，所以找到的接口，就是x86/name的接口，它保存在IR全局变量里。到这里，就分析完成选择不同的目标代码生成接口了。LCC编译器的源程序分析(4)处理文件参数上面已经介绍选择不同的目标输出的参数处理，那么接着下来，自然的事情就是处理剩下的两个参数的问题，当然LCC是可以处理更多其它参数的，

38、但这里只介绍两个文件参数的处理。命令行如下：其中是输入文件，是输出文件。那么LCC是怎么样打开输入文件和输出文件呢？输入文件又有什么技巧呢？要仔细地理解源程序，就知道它的输入处理是非常高效的。当选择合适的目标输出后，就调用下面的函数来处理：/init(argc, argv);这个函数就是用来处理其它参数的。它的源程序如下：#001 void init(int argc, char *argv) #002 #003 #004 extern void input_init(int, char *); #005 input_init(argc, argv);#006 #007 #008 #009 e

39、xtern void main_init(int, char *); #010 main_init(argc, argv);#011 #012 #013 #014 extern void type_init(int, char *); #015 type_init(argc, argv);#016 #017 第1行代码里传入了命令行的参数。第5行代码是处理参数的处理。如果在第5行里调用没有处理main_init，那么在第10行里会再次调用它进行参数处理。第15行调函数type_init进行类型初始化，比如C缺省的数据类型初始化，比如int类型，就初始化为4字节的有符号类型，还有很多其C默认的类

40、型定义。先来分析函数input_init的源程序是做什么工作的，下面就是它的程序：#001 void input_init(int argc, char *argv) #002 #003 static int inited;#004 #005 if (inited)#006 return;#007 #008 inited = 1;#009 main_init(argc, argv);#010 #011 limit = cp = &bufferMAXLINE+1;#012 bsize = -1;#013 lineno = 0;#014 file = NULL;#015 #016 fill

41、buf();#017 if (cp >= limit)#018 cp = limit;#019 #020 nextline();#021 第5行处理是否初始化，因为只允许初始化一次。第8行设置初始化变量为1，让这段代码不要运行两次。第9行调用主要参数处理函数。后面再接着介绍。第11行让当前行指针和缓冲区指针指向输入缓冲区的尾部。第12行初始化读取文件块大小为-1，也就是读取文件失败的状态。第13行设置分析的C程序行号为0。第14行设置当前输入文件名称为空。第16行是从输入文件里读取数据到输入缓冲区，同时设置当前处理的指针。第17行判断当前指针是否大于数据缓冲区的指针。第20行读取下一行源

42、程序到缓冲区里。调用函数main_init主要处理参数，并且打开输入的文件和输出的文件。它的程序如下：#001 void main_init(int argc, char *argv) #002 #003 char *infile = NULL, *outfile = NULL;#004 int i;#005 static int inited;#006 #007 if (inited)#008 return;#009 #010 inited = 1;#011 for (i = 1; i < argc; i+)#012 if (strcmp(argvi, "-g")

43、= 0 | strcmp(argvi, "-g2") = 0)#013 glevel = 2;#014 else if (strncmp(argvi, "-g", 2) = 0) #015 /* -gn,x */#016 char *p = strchr(argvi, ',');#017 glevel = atoi(argvi+2);#018 if (p) #019 #020 comment = p + 1;#021 if (glevel = 0)#022 glevel = 1;#023 if (stabIR.stabline = NUL

44、L) #024 #025 stabIR.stabline = IR->stabline;#026 stabIR.stabend = IR->stabend;#027 IR->stabline = stabline;#028 IR->stabend = stabend;#029 #030 #031 #032 else if (strcmp(argvi, "-x") = 0)#033 xref+;#034 else if (strcmp(argvi, "-A") = 0) #035 #036 +Aflag;#037 #038 else

45、 if (strcmp(argvi, "-P") = 0)#039 Pflag+;#040 else if (strcmp(argvi, "-w") = 0)#041 wflag+;#042 else if (strcmp(argvi, "-v") = 0)#043 fprint(stderr, "%s %sn", argv0, rcsid);#044 else if (strncmp(argvi, "-s", 2) = 0)#045 density = strtod(&argvi2,

46、NULL);#046 else if (strncmp(argvi, "-errout=", 8) = 0) #047 #048 FILE *f = fopen(argvi+8, "w");#049 if (f = NULL) #050 #051 fprint(stderr, "%s: can't write errors to %s'n", argv0, argvi+8);#052 exit(EXIT_FAILURE);#053 #054 #055 fclose(f);#056 f = freopen(argvi+8

47、, "w", stderr);#057 assert(f);#058 #059 else if (strncmp(argvi, "-e", 2) = 0) #060 #061 int x;#062 if (x = strtol(&argvi2, NULL, 0) > 0)#063 errlimit = x;#064 #065 else if (strncmp(argvi, "-little_endian=", 15) = 0)#066 IR->little_endian = argvi15 - '0'

48、;#067 else if (strncmp(argvi, "-mulops_calls=", 18) = 0)#068 IR->mulops_calls = argvi18 - '0'#069 else if (strncmp(argvi, "-wants_callb=", 13) = 0)#070 IR->wants_callb = argvi13 - '0'#071 else if (strncmp(argvi, "-wants_argb=", 12) = 0)#072 IR->

49、wants_argb = argvi12 - '0'#073 else if (strncmp(argvi, "-left_to_right=", 15) = 0)#074 IR->left_to_right = argvi15 - '0'#075 else if (strncmp(argvi, "-wants_dag=", 11) = 0)#076 IR->wants_dag = argvi11 - '0'#077 else if (*argvi != '-' | strcmp

50、(argvi, "-") = 0) #078 #079 if (infile = NULL)#080 infile = argvi;#081 else if (outfile = NULL)#082 outfile = argvi;#083 #084 #085 if (infile != NULL && strcmp(infile, "-") != 0#086 && freopen(infile, "r", stdin) = NULL) #087 #088 fprint(stderr, "%s

51、: can't read %s'n", argv0, infile);#089 exit(EXIT_FAILURE);#090 #091 #092 if (outfile != NULL && strcmp(outfile, "-") != 0#093 && freopen(outfile, "w", stdout) = NULL) #094 #095 fprint(stderr, "%s: can't write %s'n", argv0, outfile);

52、#096 exit(EXIT_FAILURE);#097 #098 第7行到第10行，同样是让这个函数只运行一次的代码。第79行到第82行是读取输入文件和输出文件的名称。第85行到第90行是打开输入的文件，并处理出错的情况。第92行到第97行是打开输出的文件，并处理出错的情况。其它代码就是处理其它参数的功能，这里就不详略地介绍了。OK，到这里就已经把输入的文件和输入的文件打开，准备好处理源程序的基础了。由于在函数input_init里已经调用main_init，后面再调用它已经是不再处理了。下面再来看看函数input_init里调用的两个函数fillbuf和nextline。先来看函数fillbuf：#001 void fillbuf(vo