c语言编译器UCC学习旅程总结与感悟_C

在2013年上本科时候，刚开始学c语言时，程序编译运行。就很神奇，编译过程中，编译器怎么就知道成千上万行代码中哪句代码有问题，能定位到某一行某一列，甚至还能提示你如何修改代码，这是如何做到的呢，也太奇妙了吧！！！尽管有这样的疑惑，但是当时的我实在太菜，也不是计算机专业，于是也没有深究。但是这个疑惑和好奇一直伴随着我。

后面读了计算机研究生，决定解开这个迷惑，寒假期间，于是按照网上推荐，买了经典的编译原理龙书，虎书等等多本书，看了感觉还是很高深，于是去B站看了哈工大老师的编译原理视频，感觉自己好像懂了，但是好像又什么都没懂，仍然没有解开我一直以来的疑惑，也没有获得编译技术感性的认识，由于学习和科研事情较多，就又搁置一边了。

最近一个月前，随着自己对C语言的熟练使用和 *** 作系统内核的开发，以及想做一个好用的C语言IDE（具备代码智能提示，语法错误动态检测等基本功能），再次点燃了我对编译器的执念，曾经的疑惑和好奇心一直涌在心头，加上之前已经掌握的编译原理的一些基础知识（不久前也买了本自己动手实现编译器链接器认真看了，一本自己动手实现lua虚拟机编译器也大概看了），我决定了，这一次，我一定要彻底解决我这个一直以来的疑惑。

1. 学习哪个C编译器源码？

从理解规律来说，“应该是先感性认识，再理性认识，再到感性认识”，是最好的学习方式。因为我有了研究生阶段对于编译原理的一些基础，而且我也有着很多的c语言程序开发经验，因此，我现在缺乏的是C编译器的源码直接学习了。纸上得来终觉浅，绝知此事要躬行。

因此要找一个适合学习的编译器才行，因此，网上又搜索适合学习开源编译器源码，仍然找到推荐的大量各种各样C语言编译器的答案。

这里我做了个总结：我觉得比较好的学习原则如下：

编译器源代码本身也是用C语言写的（因为我对C语言熟悉）
源码大概在2w行以内（因为一般而言一个人能学习掌握的开源代码1w行左右）
源码结构清晰，命名规范（不要太缩写，且见名知意，最好是驼峰命名，因为匈牙利命名法，实在觉得下划线和减号-辨识度不好，而且标识符冗长）
代码注释非常丰富，因为这样才容易理解
有配套的书籍，因为配套的书籍会非常严谨和详细的描述里面的实现细节，对于理解代码最为奏效

网上搜索后，有如下一些好的答案：
GitHub 上有没有什么简单精致的编译器源码适合初学者研读？？ - 知乎

想学一下编译原理，有什么书籍推荐吗？ - 知乎

学编译原理有什么好书？ - 知乎

推荐比较多的

TCC：全称tiny CC，说是短小精悍，而且还可以不需要编译，直接执行C语言，也就是可以把c语言直接当脚本执行，但是没有详细的学习资料
LCC：代码不清晰
GCC：代码量太多，没法学
LLVM：代码量太多，没法学
UCC： UCC, your C Compiler!

上述都是完整版C语言的编译器，还推荐了很多其它的开源学习编译器，但是都是一个C语言子集的编译器（比如不支持浮点数，如我看的书自己动手实现编译器和链接器做的SC语言，又比如c4编译器等），或者其它编程语言的（lua，luna，javac），很多的就是个玩具语言，玩具编译器罢了，不适合真刀真q的学。说实话，有些开源项目再好，如果没有好的配套资料和教材，那也不适合自己学习。还有一点就算，网友还推荐了一些开源编译器，虽然代码量只有几千行，功能也很完整，但是还是没有详细资料啊！！！

总结来看，最后选了UCC，代码1.5w行，代码质量高，网上有csdn系列博客（C编译器剖析_前言_SheIsC的博客-CSDN博客_c编译器剖析 pdf），有pdf可以下载，还能买到邹昌伟的一本书（C编译器剖析，而且里面写的前言，真的引起了强烈的共鸣，一种这就是原来这就是我一直想找的一本书的感觉），非常适合学习。而且功能性各方面，编译报错，和gcc，clang它们对标的，太棒了。

其它相关参考文章：

C语言开源项目 - 简书

给开源编译器插入后门 | Bojie Li（这个很有意思，也就如果官方的发行版（官方自己编译好的exe）如果都有问题，那么就能留后门而不会被发现了，所以这个问题我觉得确实存在。因此工具链必须完全自主发展，才能完全避免）

2. 如何学习？

既然确立了学习对象，那么就是认真学了。

不要浮躁，要静下心来跟着教程学习，因为这是至少15天以上的全身心投入学习才能学明白的，因为编译器源码是所有其它源码（比如RTOS内核源码等）中最难的
针对每一个函数，先自己分析能看懂不（相当于预习），看不懂再自己跟着教程对这个函数的讲解，学明白，而且把自己的思考都记录为代码注释
用vscode或者sourceinsight等代码阅读软件，同时在纸上自己画示意图，推敲
最后要运行实践，才能更加明白，否则容易忘记

3. UCC学习总结

UCC没有预处理器（比如宏展开，头文件插入等），只能处理别的预处理器先处理过的文件。

UCC进行语法分析（词法分析包含在了里面顺便进行，就是GetNextToken()函数），生成一颗语法树（由多个结构体链起来，每个结构体描述一个信息集合，符号的类型初步形成），检查是否符合C89标准文法，其实就是递归下降逐步匹配的过程
语义检查，会对语法树进行语义检查（按照c标准语义规定文档，逐个节点检查，同时完善每个符号的类型）。比如2=3，语法检查能通过，但是语义检查会报错，因为常量不能赋值（语义文档规定的）。这棵树最多两个孩子，因为每个运算符最多只有两个 *** 作对象，另外，有多的结构的情况，会被归为另一个结构体情况（变成另一个支树），因此总是只有两个孩子。
中间代码生成，就是把现在的语法树转为中间代码（t0=a+b；t1=t0+c等），这是很接近汇编指令的一种中间代码了，产生了大量的临时变量（因为c语言的三个数连加，而汇编只能两两相加，因此中间代码就是很多的这种两两表达式，是为了便于汇编指令生成），然后就可以做很多的优化空间（这也是提供编译器性能的地方，是学术研究热点，编译出更少的指令和优化不必要的执行，意味着目标指令更少，执行速度也能更快）
中间代码翻译成3地址码，这是统一表示为运算符，目标 *** 作数， *** 作数1，2，3的指令形式，还是一种中间指令，但是这个指令已经非常接近汇编指令了
将3地址码逐条翻译为汇编指令吗，这个是利用模板替换的方式（翻译到x86 linux平台，就用对应的汇编指令模板，其它平台也是同样的），因为很多指令是套路的，比如函数进入和退出，每个函数其实都是那些固定指令

UCC只能得到每个c文件的汇编文件，还需要传递给其它的工具链，链接器，汇编器等，最后才能成为一个可运行的二进制文件。

4. 感悟

看完了UCC编译器源码，很有难度，但是收获很多，没有半个月的全身心投入，认认真真，静下心一点点看，是很难看明白的。其中的一个感觉就是，对于外行或者一般的内行，就算能掌握一个东西的基本原理和具体实现，也只能做到平庸水平。比如编译器，不是把教材上的原理看懂了，也拿了个实际开源编译器源码都掌握了，也能开发出这样一个编译器，就叫做牛逼了，这个只能叫做一般水平。编译器里面的代码优化这些是提高性能的核心，需要深入的研究，做出的编译器才能是先进的产品，否则就是个玩具而已，或者平庸的产品。

我的学习过程中的一些记录：

UCC编译器学习笔记1_标biao的博客-CSDN博客

UCC编译器学习笔记2_标biao的博客-CSDN博客

UCC编译器学习笔记3_标biao的博客-CSDN博客

UCC编译器学习笔记4_标biao的博客-CSDN博客

UCC编译器学习笔记5_标biao的博客-CSDN博客

UCC编译器学习笔记6_标biao的博客-CSDN博客

UCC编译器学习笔记7_标biao的博客-CSDN博客

UCC编译器学习笔记8_标biao的博客-CSDN博客

UCC编译器学习笔记9_标biao的博客-CSDN博客

UCC编译器学习笔记10_标biao的博客-CSDN博客

UCC编译器学习笔记11_标biao的博客-CSDN博客