编译要做什么

在预处理阶段生成了一个“干净”的源码文件，接下来的任务是把这个源码转换成汇编代码或者机器码。这一阶段主要包括：词法分析 → 语法分析 → 语义分析 → 中间表示及优化 → 汇编生成。

词法分析

目标：把字符流（源码）切分成有意义的最小单元：token

输入：预处理后的源码

输出：token 流，每个 token 有类型和值，例如：

• 关键字：int、return
• 标识符：main、x
• 字面量：42、3.14
• 操作符：+、*
• 分隔符：;、{、}

编译器通过正则式或 DFA（有限状态机）匹配字符，跳过空格、注释。生成 token 流供下一阶段使用。

1
2
3
4
5

int x = 42;

// 上述代码会被解析为如下 token

[int][identifier:x][=][integer:42][;]

语法分析 / 解析（Parsing）

目标：把 token 按照语言语法结构组织成 AST（Abstract Syntax Tree, 抽象语法树）。

输入：token 流

输出：AST，反映程序结构（声明、表达式、控制流）

编译器基于 上下文无关文法（CFG） 对 token 流做递归下降或 LR/LL 解析。

AST 的节点表示语法元素，例如：

• 函数定义节点
• 变量声明节点
• 表达式节点

1
2
3
4
5
6
7
8
9
10

int x = 42 + 3;

// 上述代码的 AST 可能表示为

Assignment
 ├─ Variable: x
 └─ BinaryOp: +
     ├─ Literal: 42
     └─ Literal: 3

语义分析（Semantic Analysis）

目标：检查程序是否符合语言规则（类型、作用域、模板等）。任务包括：

• 类型检查：保证操作符两边类型合法，隐式类型转换可行。
• 名称解析 / 作用域分析：变量、函数引用是否存在，是否符合作用域。
• 重载解析：选择合适的函数重载。
• 模板实例化（C++ 特有）：生成实际代码。
• 表达式合法性检查：数组下标、指针操作是否合法。

中间表示 / 优化（IR & Optimization）

目标：生成与具体硬件无关的中间代码，并进行优化。

输入：AST

输出：中间表示（IR，Intermediate Representation），通常是三地址码或 SSA（Static Single Assignment）形式。

优化策略：

• 常量折叠：int y = 2+3; → int y = 5;
• 死代码消除：未使用的变量、函数删除
• 循环优化：展开循环、循环不变代码外提
• 公共子表达式消除

现代编译器（Clang/LLVM、GCC）在 IR 阶段能做很多高级优化，直接影响性能。

1
2
3
4
5
6
7
8

int a = 2 + 3;
int b = 2 + 3;

// 上述代码可优化为如下形式

int tmp = 5;
int a = tmp;
int b = tmp;

生成目标汇编代码

目标：把 IR 转成特定 CPU 的汇编语言（x86, ARM 等）。

输入：优化后的 IR

输出：汇编文件 .s 或 .S

过程：

• 寄存器分配
• 指令选择（选择与 IR 对应的 CPU 指令）
• 栈帧分配（函数调用处理）
• 生成汇编指令与数据段布局

1
2
3
4
5
6
7

int main() { return 42; }

// 可生成如下 x86汇编代码

_main:
    mov eax, 42
    ret

总结