如何设计一门语言（一）——什么是坑(a)
這個系列的起因是這樣的，王垠寫了一篇噴go的博客http://www.yinwang.org/blog-cn/2013/04/24/go-language/，里面說go已經爛到無可救藥了，已經懶得說了，所以讓大家去看http://www.mindomo.com/view.htm?m=8cc4f95228f942f8886106d876d1b041，里面有詳細的解釋。然后這篇東西被發上了微博，很多博友立刻展示了人性丑陋的一面：
1、那些go的擁護者們，因為go被噴了，就覺得自己的人格受到了侮辱一樣，根本來不及看到最后一段的鏈接，就開始張牙舞爪。
2、王垠這個人的確是跟人合不來，所以很多人就這樣斷定他的東西“毫無參考價值”。
不過說實話，文章里面是噴得有點不禮貌，這也在一定程度上阻止了那些不學無術的人們繼續閱讀后面的精華部分。如果所有的文章都這樣那該多好啊，那么爛人永遠都是爛人，不糾正自己的心態永遠獲得不了任何有用的知識，永遠過那種月入一蛆的日子，用垃圾的語言痛苦的寫一輩子沒價值的程序。
廢話就說到這里了，下面我來說說我自己對于語言的觀點。為什么要設計一門新語言？原因無非就兩個，要么舊的語言實在是讓人受不了，要么是針對領域設計的專用語言。后一種我就不講了，因為如果沒有具體的領域知識的話，這種東西永遠都做不好（譬如SQL永遠不可能出自一個數據庫很爛的人手里），基本上這不是什么語言設計的問題。所以這個系列只會針對前一種情況——也就是設計一門通用的語言。通用的語言其實也有自己的“領域”，只是太多了，所以被淡化了。縱觀歷史，你讓一個只做過少量的領域的人去設計一門語言，如果他沒有受過程序設計語言理論的系統教育，那只能做出屎。譬如說go就是其中一個——雖然他爹很牛逼，但反正不包含“設計語言”這個事情。
因此，在21世紀你還要做一門語言，無非就是對所有的通用語言都不滿意，所以你想自己做一個。不滿意體現在什么方面？譬如說C#的原因可能就是他爹不夠帥啦，譬如說C++的原因可能就是自己智商太低hold不住啦，譬如說Haskell的原因可能就是用的人太少招不到人啦，譬如說C的原因可能就是實在是無法完成人和抽象所以沒有linus的水平的人都會把C語言寫成屎但是你又招不到linus啦，總之有各種各樣的原因。不過排除使用者的智商因素來講，其實有幾個語言我還是很欣賞的——C++、C#、Haskell、Rust和Ruby。如果要我給全世界的語言排名，前五名反正是這五個，雖然他們之間可能很難決出勝負。不過就算如此，其實這些語言也有一些讓我不爽的地方，讓我一直很想做一個新的語言（來給自己用（？）），證據就是——“看我的博客”。
那么。一個好的語言的好，體現在什么方面呢？一直以來，人們都覺得，只有庫好用，語言才會好用。其實這完全是顛倒了因果關系，如果沒有好用的語法，怎么能寫出好用的庫呢？要找例子也很簡單，只要比較一下Java和C#就夠了。C#的庫之所以好用，跟他語言的表達能力強是分不開的，譬如說linq（，to xml，to sql，to parser，etc），譬如說WCF（僅考慮易用性部分），譬如說WPF。Java能寫得出來這些庫嗎？硬要寫還是可以寫的，但是你會發現你無論如何都沒辦法把他們做到用起來很順手的樣子，其實這都是因為Java的語法垃圾造成的。這個時候可以抬頭看一看我上面列出來的五種語言，他們的特點都是——因為語法的原因，庫用起來特別爽。
當然，這并不要求所有的人都應該把語言學習到可以去寫庫。程序員的分布也是跟金字塔的結構一樣的，庫讓少數人去寫就好了，大多數人盡管用，也不用學那么多，除非你們想成為寫庫的那些。不過最近有一個很不好的風氣，就是有些人覺得一個語言難到自己無法【輕松】成為寫庫的人，就開始說他這里不好那里不好了，具體都是誰我就不點名了，大家都知道，呵呵呵。
好的語言，除了庫寫起來又容易又好用以外，還有兩個重要的特點：容易學，容易分析。關于容易學這一點，其實不是說，你隨便看一看就能學會，而是說，只要你掌握了門道，很多未知的特性你都可以猜中。這就有一個語法的一致性問題在里面了。語法的一致性問題，是一個很容易讓人忽略的問題，因為所有因為語法的一致性不好而引發的錯誤，原因都特別的隱晦，很難一眼看出來。這里我為了讓大家可以建立起這個概念，我來舉幾個例子。
第一個例子是我們喜聞樂見的C語言的指針變量定義啦：
int a, *b, **c;相信很多人都被這種東西坑過，所以很多教科書都告訴我們，當定義一個變量的時候，類型最后的那些星號都要寫在變量前面，避免讓人誤解。所以很多人都會想，為什么要設計成這樣呢，這明顯就是挖個坑讓人往下跳嘛。但是在實際上，這是一個語法的一致性好的例子，至于為什么他是個坑，問題在別的地方。
我們都知道，當一個變量b是一個指向int的指針的時候，*b的結果就是一個int。定義一個變量int a;也等于在說“定義a是一個int”。那我們來看上面那個變量聲明：int *b;。這究竟是在說什么呢？其實真正的意思是“定義*b是一個int”。這種“定義和使用相一致”的方法其實正是我們要推崇的。C語言的函數定義參數用逗號分隔，調用的時候也用逗號分隔，這是好的。Pascal語言的函數定義參數用分號分隔，調用的時候用逗號分隔，這個一致性就少了一點。
看到這里你可能會說，你怎么知道C語言他爹就是這么想的呢？我自己覺得如果他不是這么想的估計也不會差到哪里去，因為還有下面一個例子：
這也是一個“定義和使用相一致”的例子。就第一行代碼來說，我們要如何看待“int F(int a, int b);”這個寫法呢？其實跟上面一樣，他說的是“定義F(a, b)的結果為int”。至于a和b是什么，他也告訴你：定義a為int，b也為int。所以等價的，下面這一行也是“定義(*f)(a, b)的結果為int”。函數類型其實也是可以不寫參數名的，不過我們還是鼓勵把參數名寫進去，這樣Visual Studio的intellisense會讓你在敲“(”的時候把參數名給你列出來，你看到了提示，有時候就不需要回去翻源代碼了。
關于C語言的“定義和使用相一致”還有最后一個例子，這個例子也是很美妙的：
typedef是這樣的一個關鍵字：他把一個符號從變量給修改成了類型。所以每當你需要給一個類型名一個名字的時候，就先想一想，怎么定義一個這個類型的變量，寫出來之后往前面加個typedef，事情就完成了。
不過說實話，就一致性來講，C語言也就到此為止了。至于說為什么，因為上面這幾條看起來很美好的“定義和使用相一致”的規則是不能組合的，譬如說看下面這一行代碼：
因為C語言的這種做法違反了人類的直覺，所以這條本來很好的原則，采用了錯誤的方法來實現，結果就導致了“坑”的出現。因為大家都習慣“int* a;”，然后C語言告訴大家其實正確的做法是“int *a;”，那么當你接連的出現兩三個變量的時候，問題就來了，你就掉坑里去了。
這個時候我們再回頭看一看上面那一段長長的函數指針數組變量的聲明，會發現其實在這種時候，C語言還是希望你把它看成“int* b;”的這種形式的：f是一個數組，數組返回了一個函數指針，函數返回int，函數的參數是int(*a)(int, int)所以他還是一個函數指針。
我們為什么會覺得C語言在這一個知識點上特別的難學，就是因為他同時混用了兩種原則來設計語法。那你說好的設計是什么呢？讓我們來看看一些其它的語言的作法：
這些語言的做法，雖然并沒有遵守“定義和使用相一致”的原則，但是他們比C語言好的地方在于，他們只采用一種原則——這就比好的和壞的混在一起要強多了（這一點go也是，做得比C語言更糟糕）。
當然，上面這個說法對Haskell來說其實并不公平。Haskell是一種帶有完全類型推導的語言，他不認為類型聲明是聲明的一部分，他把類型聲明當成是“提示”的一部分。所以實際上當你真的需要一個這種復雜結構的函數的時候，實際上你并不會真的去把它的類型寫出來，而是通過寫一個正確的函數體，然后讓Haskell編譯器幫你推導出正確的類型。我來舉個例子：
關于foldr有一個很好的理解方法，譬如說foldr 0 (+) [1,2,3,4]說的就是1 + (2 + (3 + (4 + 0)))。而(.)其實是一個把兩個函數合并成一個的函數：f (.) g = \x->f(g( x ))。所以上述代碼的意思就是，如果我有下面的三個函數：
add1 x = x + 1 mul2 x = x * 2 sqr x = x * x那么當我寫下下面的代碼的時候：
superApply [(\x->x*x), (*2), (+1)] 1
Haskell代碼的簡潔程度真是喪心病狂啊，因為如果我們要用C++來寫出對應的東西的話（C語言的參數無法是一個帶長度的數組類型所以其實是寫不出等價的東西的），會變成下面這個樣子：
C++不僅要把每一個步驟寫得很清楚，而且還要把類型描述出來，整個代碼就變得特別的混亂。除此之外，C++還沒辦法跟Haskell一樣吧三個函數直接搞成一個vector然后送進這個SuperApply里面直接調用。當然有人會說，這還不是因為Haskell里面有foldr嘛。那讓我們來看看同樣有foldr（reverse + aggregate = foldr）的C#會怎么寫：
C#基本上已經達到跟Haskell一樣的描述過程了，而且也可以寫出下面的代碼了，就是無論聲明和使用的語法的噪音稍微有點大……
為什么要在討論語法的一致性的時候說這些問題呢，在這里我想向大家展示Haskell的另一種“定義和使用相一致”的做法。Haskell整個語言都要用pattern matching去理解，所以上面的這段代碼
superApply [(\x->x*x), (*2), (+1)] 1 其實就是
(foldr id (.) [(\x->x*x), (*2), (+1)]) 1 只要superApply指的是這個函數，那無論在什么上下文里面， 你都可以放心的做這種替換而程序的意思絕對不會有變化——這就是haskell的帶有一致性的原則。那讓我們來看看Haskell是如何執行他這個一致性的。在這里我們需要知道一個東西，就是如果我們有一個操作符+，那我們要把+當成函數來看，我們就要寫(+)。如果我們有一個函數f，如果我們要把它當成操作符來看，那就要寫成`f`（這是按鍵！左邊的那個符號）。因此Haskell其實允許我們做下面的聲明：
(Point x y) + (Point z w) = Point (x+z) (y+w) (+) (Point x y) (Point z w) = Point (x+z) (y+w)(Point x y) `Add` (Point z w) = Point (x+z) (y+w) Add (Point x y) (Point z w) = Point (x+z) (y+w)
斐波那契數列的簡單形式甚至還可以這么寫：
甚至連遞歸都可以寫成：
Haskell到處都貫徹了“函數和操作符的替換關系”和“pattern matching”兩個原則來做“定義和實現相一致”的基礎，從而實現了一個比C語言那個做了一半的混亂的原則要好得多的原則。
有些人可能會說，Haskell寫遞歸這么容易，那會不會因為鼓勵人們寫遞歸，而整個程序充滿了遞歸，很容易stack overflow或者降低運行效率呢？在這里你可以往上翻，在這篇文章的前面有一句話“好的語言，除了庫寫起來又容易又好用以外，還有兩個重要的特點：容易學，容易分析?！?#xff0c;這在Haskell里面體現得淋漓盡致。
我們知道循環就是尾遞歸，所以如果我們把代碼寫成尾遞歸，那Haskell的編譯器就會識別出來，從而在生成x86代碼的時候把它處理成循環。一個尾遞歸遞歸函數的退出點，要么是一個不包含自身函數調用的表達式，要么就是用自身函數來和其它參數來調用。聽起來比較拗口，不過說白了其實就是：
當你寫出這樣的代碼的時候，Haskell把你的代碼編譯了之后，就會真的輸出一個循環，從而上面的擔心都一掃而空。
實際上，有很多性能測試都表明，在大多數平臺上，Haskell的速度也不會被C/C++慢超過一倍的同時，要遠比go的性能高出許多。在Windows上，函數式語言最快的是F#。Linux上則是Scala。Haskell一直都是第二名，但是只比第一名慢一點點。
為了不讓文章太長，好分成若干次發布，每次間隔都較短，所以今天的坑我只想多講一個——C++的指針的坑。剩下的坑留到下一篇文章里面。下面要講的這個坑，如果不是在粉絲群里面被問了，我還不知道有人會這么做：
我想說，這完全是C++兼容C語言，然后讓C語言給坑了。其實這個問題在C語言里面是不會出現的，因為C語言的指針其實說白了只有一種：char*。很多C語言的函數都接受char*，void*還是后來才有的。C語言操作指針用的malloc和free，其實也是把他當char*在看。所以當你malloc了一個東西，然后cast成你需要的類型，最后free掉，這一步cast存在不存在對于free能否正確執行來說是沒有區別的。
但是事情到了C++就不一樣了。C++有繼承，有了繼承就有指針的隱式類型轉換。于是看上面的代碼，我們new[]了一個指針是Derived*類型的，然后隱式轉換到了Base*。最后我們拿他delete[]，因為delete[]需要調用析構函數，但是Base*類型的指針式不能正確計算出Derived數組的10個析構函數需要的this指針的位置的，所以在這個時候，代碼就完蛋了（如果沒完蛋，那只是巧合）。
為了兼容C語言，“new[]的指針需要delete[]”和“子類指針可以轉父類指針”的兩條規則成功的沖突到了一起。實際上，如果需要解決這種問題，那類型應該怎么改呢？其實我們可以跟C#一樣引入Derived[]的這種指針類型。這還是new[]出來的東西，C++里面也可以要求delete[]，但是區別是他再也不能轉成Base[]了。只可惜，T[]這種類型被C語言占用了，在函數參數類型里面當T*用。C語言浪費語法罪該萬死呀……
from: http://www.cnblogs.com/geniusvczh/archive/2013/04/27/3047560.html
待續
總結
以上是生活随笔為你收集整理的如何设计一门语言（一）——什么是坑(a)的全部內容，希望文章能夠幫你解決所遇到的問題。
- 上一篇： 跟vczh看实例学编译原理——三：Tin
- 下一篇： 如何设计一门语言（二）——什么是坑(b)