挑战用 500 行 Python 写一个 C 编译器( 二 ) _Python

处理错误
要说 Bug ，其实基本上没有。有一个函数 die ，当发生任何奇怪的事情时就会调用它并转储编译器堆栈跟踪 - 如果幸运的话，会得到一个行号和一条有点模糊的错误消息。

文章插图
该舍弃什么？
最后，我必须决定不支持哪些内容，因为将所有 C 语言放入 500 行是不可行的。我决定想要一个真正像样的功能样本，以测试一般实现方法的能力。例如，如果我跳过了指针，我就可以通过 WASM 参数堆栈并摆脱很多复杂性，但这感觉就像作弊。
我最终实现了以下功能：

算术运算和二元运算符，具有适当的优先级
int、short 和 char 类型
字符串常量（带转义）
指针（无论多少层），包括正确的指针算术（递增 int* 加 4）
数组（仅单级，不是 int[][]）
功能
typedefs（以及词法分析器 hack！）

值得注意的是，它不支持：

结构，可以使用更多代码，基础知识就在那里，我只是无法将其压缩
枚举（enum）/联合（union）
预处理器指令（这本身可能有 500 行......）
浮点。也有可能， wasm_type的东西在里面，又无法将其挤进去
8 字节类型（long/long long 或 double）
其他一些小事情，例如就地初始化，这些都不太合适
任何类型的标准库或 i/o 不从 main 返回整数
Casting 表达式

编译器通过了 c-testsuite 中的 34/220 个测试用例。对我来说更重要的是，它可以成功编译并运行以下程序。

文章插图
好了，决定都做完了，让我们来看看代码吧！
Helper 类型
【挑战用 500 行 Python 写一个 C 编译器】编译器使用一小部分辅助类型和类。它们都不是特别奇怪，所以我会快速地略过它们。
Emitter 类
这是一个单程帮助器，用于发出格式良好的 WebAssembly 代码。
WebAssembly ，至少文本格式，被格式化为 s 表达式，但单个指令不需要加括号：

文章插图
Emitter 只是帮助发出具有良好缩进的代码，以便更容易阅读。它还有一个 no_emit 方法，稍后将用于丑陋的黑客攻击 - 请继续关注！
StringPool 类
StringPool 类用于保存所有字符串常量，以便将它们排列在连续的内存区域中，并将地址分配给代码生成器使用。当你在 c500 中写 char *s = "abc" 时，真正发生的是：

StringPool 附加一个空终止符
StringPool 检查是否已经存储了“abc” ，如果是，则将地址返回
否则， StringPool 将其与基地址 + 到目前为止存储的总字节长度一起添加到字典中 - 这个新字符串在池中的地址
StringPool 手回地址
当所有代码完成编译后，我们使用 StringPool 生成的巨大串联字符串创建一个 rodata 部分，存储在字符串池基地址处（追溯性地使 StringPool 分发的所有地址都有效）

Lexer 类
Lexer 类很复杂，因为词法 C 很复杂 ((\([\abfnrtv'"?]|[0-7]{1,3}|x[A-Fa-f0-9]{1,2 })) 是该代码中用于字符转义的真正正则表达式），但概念上很简单：词法分析器继续识别当前位置的token是什么。调用者不仅可以查看该 token ，也可以使用 next 告诉词法分析器前进， “消耗”该 token 。它还可以使用 try_next 仅当下一个 token 是某种类型时有条件地前进 - 基本上， try_next 是 if self.peek.kind == token: return self.next( ）。
由于所谓的“Lexer Hack （词法分析器黑客）” ，还有一些额外的复杂性。本质上，在解析 C 时，你想知道某个东西是类型名称还是变量名称（因为上下文对于编译某些表达式很重要），但它们之间没有语法区别：int int_t = 0; 是完全有效的 C ， typedef int int_t 也是如此；int_t x = 0; 。
要知道任意标记 int_t 是类型名称还是变量名称，我们需要将类型信息从解析/代码生成阶段反馈回词法分析器。对于想要保持其词法分析器、解析器和代码生成模块纯净且独立的常规编译器来说，这是一个巨大的痛苦，但实际上对我们来说并不难！