引言

自從華為方舟編譯器橫空出世，一舉成為全民網紅之后，一下子點燃了大家對編譯器的熱情。不過，對于大多數人來說，編譯器依舊是遙不可及的神秘存在。

今天，介紹一個國外大牛寫的C語言編譯器 - C4，揭開編譯器的神秘面紗。原來實現一個具備基本功能的編譯器，竟是如此簡單！

C4：4個函數實現的C語言編譯器

C4, C in four functions。

它是一個C語言編譯器項目(項目地址在文末)，整個實現只有：

一個C語言源碼文件528行C語言代碼4個函數

僅此而已。

讀懂這4個函數，528行代碼，你也可以實現一個C語言編譯器-1.jpg (34.72 KB, 下載次數: 0)

2020-7-17 12:33 上傳

C4代碼倉庫

它簡潔，卻不簡單。

它具備完整的詞法分析、語法分析、簡單的語義檢查、代碼生成、運行時環境(即虛擬機)。

與常見的C編譯器不同的是，它把C語言源程序編譯成字節碼(bytecode)，然后在一個精簡的虛擬機中解釋執行。

你以為這樣就完了？不，它令人稱道之處遠不止如此！

C4：可以自舉的C語言編譯器

若只是精簡，或許它還并不那么令人驚奇，畢竟網上有很多類似的編譯器項目，其中不乏一些非常簡單優雅，且非常出色的項目。

然而，C4最驚艷的地方是，它可以自舉。

所謂自舉，簡單來說，就是自己編譯自己。當然，最初始的那個C4編譯器的可執行文件，還是必須要通過GCC、Clang等編譯器進行編譯生成。

我們下面演示一下“Hello, World!”的例子，和C4自舉的例子。

Hello, World示例

先用GCC把C4編譯成可執行文件：

gcc??c4.c??-o??c4

運行“Hello, World!”測試程序hello.c：

讀懂這4個函數，528行代碼，你也可以實現一個C語言編譯器-2.jpg (12.31 KB, 下載次數: 0)

2020-7-17 12:33 上傳

結果如圖：

讀懂這4個函數，528行代碼，你也可以實現一個C語言編譯器-3.jpg (34.83 KB, 下載次數: 0)

2020-7-17 12:33 上傳

其中，“hello, world”是hello.c 輸出的，“exit(0) cycle = 9”是c4編譯器輸出的，表示程序正常運行結束，hello.c一共生成9條指令。

C4的自舉示例

我們用GCC編譯c4.c生成了可執行文件c4，我們稱之為編譯器A，然后用編譯器A來編譯c4的源碼c4.c，則生成一個編譯器B，然后再用編譯器B來編譯執行hello.c。

命令如下：

./c4 c4.c hello.c

結果如圖：

讀懂這4個函數，528行代碼，你也可以實現一個C語言編譯器-4.jpg (38.96 KB, 下載次數: 0)

2020-7-17 12:33 上傳

C4自舉執行

還可以這樣：

./c4??c4.c??c4.c??hello.c

也就是GCC編譯生成的c4是編譯器A，./c4 c4.c生成的是編譯器B， ./c4 c4.c c4.c編譯生成的則是編譯器C，最后用編譯器C來編譯運行hello.c。

讀懂這4個函數，528行代碼，你也可以實現一個C語言編譯器-5.jpg (34.62 KB, 下載次數: 0)

2020-7-17 12:33 上傳

C4遞歸自舉

理論上可以一直遞歸下去。只不過，從圖中可以看出，遞歸的層次越深，生成的字節碼越多，執行所需的時間也越多。

C4實現的C語言子集

C4致力于用最少的代碼，實現一個可以自舉的C編譯器。它的整個實現只有4個函數組成，可想而知，它不可能完整的實現整個C語言的規范，它只實現了C語言的一個子集。

數據類型

char int 指針 枚舉(enum) 數組 字符串

不支持struct、typedef、union等數據類型。

語句結構

if-else控制語句while循環語句return語句函數

不支持do-while、switch-case、for、continue、break、goto等語句結構。

運算符

它支持除+=、%=、<<=、&=等符合運算符之外的幾乎所有運算符。包括：

算術運算符關系運算符邏輯運算符位運算符賦值運算符雜項運算符(如三元運算符?:)

內建庫函數

C4編譯器實現時用到了一些系統庫函數，因此，為了實現自舉，它也內建支持了幾個庫函數。包括：

open、read、close、printf、malloc、free、memset、memcmp、exit

需要注意的是，它不支持以#開頭的預處理命令，如#include、#define、#if等。

代碼注釋只支持“//”開頭的單行注釋，不支持“/* */”標記的多行注釋形式。

與傳統的C語言編譯器相比，C4在實現上有其獨到之處。

下面，先簡單介紹一些傳統編譯器的實現過程。

傳統典型編譯器的實現

典型的編譯器的實現，一般都會有下面幾個過程：

詞法分析語法分析語義分析中間代碼生成代碼優化機器代碼生成

如GCC、Clang、華為方舟編譯器等均是如此。

讀懂這4個函數，528行代碼，你也可以實現一個C語言編譯器-6.jpg (30.59 KB, 下載次數: 0)

2020-7-17 12:33 上傳

這些階段，會對代碼進行多次掃描。這里的代碼，包括文本形式的源代碼、語法樹、中間代碼等表示形式。

典型的實現中，詞法分析和語法分析通常會糅合在一起，在語法分析時，調用詞法分析器逐個取得token。因此，理論上講，詞法分析和語法分析階段，只需要對源碼掃描一遍即可，并生成語法樹，有時也叫抽象語法樹(Abstract Syntax Tree)。

語義分析階段操作的主要對象就是這棵樹，至少要對這棵樹掃描一遍。有些實現中，在進行語義檢查的同時也會直接生成中間代碼。

在代碼優化階段，根據編譯器優化的力度的不同，可能會對中間代碼進行多次掃描。

這里所謂的“掃描一遍”，在編譯器術語中一般稱為pass。對LLVM有了解的朋友應該知道，LLVM中每一種類型的優化都是一個pass，要應用多種優化技術，就需要有多個pass。

C4的獨具特色之處

作為追求極簡主義的C4編譯器來說，它在實現上有很多獨具特色之處。

對C源碼解釋執行

傳統的C語言編譯器，最終都把C語言源碼編譯成可執行文件，也就是二進制的機器碼。

而C4則是把C語言源碼先編譯成其專門設計的字節碼(bytecode)，然后直接在虛擬機中解釋執行。

C4設計了39個字節碼指令，其中大部分與匯編語言中的指令有些類似，主要是內存加載指令，算術運算指令等，此外，還包含了為支持內建的庫函數而專門設計的9條特殊的庫函數調用指令。

它的虛擬機是典型的棧式虛擬機(Java虛擬機也是典型的棧式虛擬機，早期的Lua也是棧式虛擬機，但最新的Lua 5.x采用寄存器虛擬機)。

我們可以使用-d命令，把生成的字節碼dump出來。下圖是hello.c的字節碼：

讀懂這4個函數，528行代碼，你也可以實現一個C語言編譯器-7.jpg (35.49 KB, 下載次數: 0)

2020-7-17 12:33 上傳

對源碼只掃描一遍

與傳統的編譯器實現不同，C4它把詞法分析、語法分析、語義分析、代碼生成這幾個步驟巧妙的結合在一起，在把C語言源碼編譯成字節碼的整個過程中，只掃描了一遍源碼。

Lua的解釋器也是采用對源碼掃描一遍的方式，因此，C4和Lua的性能都相當不錯。

C4源碼的可讀性

對于C4的實現，網上也有一些討論。有人認為C4的實現非常簡潔、易讀，也有人認為C4的實現稍顯晦澀。

我個人認為，C4的實現確實非常簡潔，畢竟只有4個函數，500多行代碼。但是要真正完全理解，需要有一定的編譯原理基礎知識。

比如C4的語法分析過程中，就是典型的遞歸下降和算符優先算法相結合的實現方式。只要了解這些編譯器的經典算法原理，C4的實現邏輯理解起來，還是比較輕松的。

讀懂這4個函數，528行代碼，你也可以實現一個C語言編譯器-8.jpg (39.14 KB, 下載次數: 0)

2020-7-17 12:33 上傳

此外，C4為了追求以最少的代碼實現自舉，在實現上采用了一些技巧。

比如，我們前面提到，C4不支持struct類型。這也意味著C4的源碼中不能使用struct類型。為此，它選擇使用數組來模擬struct結構。這樣乍看起來，可能會產生一些困惑。

個人認為，C4的一個槽點，就是它變量的命名上，過于簡潔。比如標記字節碼的位置的變量用e表示，其實如果用emit的話，就會清晰許多，也會更容易理解。

C4的衍生實現

除了C4的原生實現外，網上也有很多基于C4的衍生實現。

比如有人給C4額外增加了80多行代碼，卻給C4添加了JIT功能，使得執行速度得到明顯提升。

也有人對C4做了簡單修改，使得它可以直接產生真實的機器碼，并最終生成ELF可執行文件。

這些都是非常有趣的項目，都很值得研究。

C4的項目地址

在github上，找到用戶名為rswier的大牛，就可以看到C4的項目了。

讀懂這4個函數，528行代碼，你也可以實現一個C語言編譯器-9.jpg (10.81 KB, 下載次數: 0)

2020-7-17 12:33 上傳

結語

現代的編譯器項目，如GCC和Clang/LLVM，它們實現邏輯非常復雜，代碼規模巨大，一個人幾乎不可能完全搞清楚。即便是網上備受推崇的精簡實現TCC和LCC，它們的實現也相對比較復雜的，作為一個新手來說，也很難徹底研究清楚。

而C4的實現，只有四個函數，500多行源碼，個人認為是非常適合新手研究的一個項目。當然了，研究之前，最好具備一些編譯器的基礎知識，那樣理解起來就會比較容易了。

讀懂這4個函數，528行代碼，你也可以實現一個C語言編譯器-10.jpg (50.57 KB, 下載次數: 0)

2020-7-17 12:33 上傳

本文只介紹了C4編譯器項目的一些背景知識，并沒有對C4的實現做過多探討。感興趣的朋友可以到github上面找到它，仔細研究一下，相信你會有不少收獲！

如果對C4的代碼實現感興趣，或者有疑問的話，歡迎留言討論！感興趣的朋友多的話，我可以考慮更新幾篇文章，詳細講解一下C4的代碼實現。

原創不易，覺得有用的話，別忘了點贊！謝謝！

對編譯器、OS內核、性能調優、虛擬化等技術感興趣的童鞋，歡迎右上角關注！

版權聲明：未經允許，禁止轉載。文中部分圖片來源網絡，如有侵權，請通知刪除！

總結

以上是生活随笔為你收集整理的c语言编译器好玩的代码,读懂这4个函数，528行代码，你也可以实现一个C语言编译器...的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。