MarcoSSJ / Compile2019

编译大作业

开发环境

llvm ir 运行环境:ubuntu1604，LLVM version 6.0.0

编译器运行依赖环境:python 3.6
库：
ANTLR 可通过pip install antlr4-python3-runtime安装
LLVM lite 可通过pip install llvmlite安装

代码结构

• parser_/
  • 参考标准C的BNF文档使用antlr4语法写的c词法语法文件tinyc.g4
  • 文档下的Lexer.py,Parser.py等文件由antlr4生成
• preprocess/
  • 参考该篇博客使用antlr4语法写成的c预编译时的词法语法文件Cmacros.g4
  • 文档下的Lexer.py,Parser.py等文件由antlr4生成
• test/
  • 存储了部分进行测试的c代码文件
• SymbolTable.py
  • 存储符号表
• MacroTable.py
  • 存储宏定义变量的表
• macro.py preCompile.py
  • 使用visitor设计模式进行预编译语法树遍历的类
• visitor.py
  • 使用visitor设计模式对c语法树进行遍历的类
• main.py 程序入口 util.py 杂项函数

使用说明

python main.py <输入的C文件> <输出的C文件名>

功能实现与难点

预编译

本编译器支持对类似于#define IDENTIFIER(x,y...) INSTRUCTION这类宏函数的预编译。

我本来以为预编译会比较好写，但实际上预编译阶段需要至少做两件事情，1. 建立宏命令对应的数据结构； 2.遍历c文件替换可能的IDENTIFIER，在反复尝试和搜索资料后，博客中将预编译分两阶段处理的思路启发了我。我实现的编译器中预编译阶段也分成两阶段。

宏表

第一阶段用于根据输入c文本生成宏表（以#define ADD(A,B) A+B）

一个宏表中含有一个token组成的顺序列表，以及一个从param到参数下标的字典。在第一阶段解析时，需要将#define后紧跟字符串以IDENTIFIER分割，从而建立token的列表，并且需要递归地产生param到下标的字典。使用的是较简单的Cmacros.g4语法。

宏替换

在第二阶段用于根据输入c文本输出替换后的c文本，在该阶段对于一般的节点，有判断若子节点为lexer节点，输出lexer值并加上一个空格 （必要的空格，以防inti）。否则递归地输出子节点的值。

只有当遇到PostfixExpression节点时，会根据宏表中是否含有对应的值，若有，遍历宏表内token输出。

条件跳转

1. llvm对类型要求非常严格，而llvmlite中常常是INSTRU类型而不是我们所需要的IR.int(1)类型，这样在生成语句时容易产生br %".1" = i1 icmp , %".2", 0,"%.label1","%label2"这样的非三地址指令导致错误。为此我是这样解决的：如果是INSTRU类型，则用ir.int(1)(instru.get_reference())确保其为一个布尔类型而非指令类型。

2. 在llvm-lite中用于跳转的指令有branch,cbranch,if_else,branch可以用在for中，break，continue中进行跳转，if_else可以用在|| &&实现短路特性

   符号表

   我实现的符号表主要用来模仿一个栈结构，其中利用了python的dict类型。

运算优先级与冲突

在C的BNF文档中定义的语法生成表达式已经解决了运算优先级的问题。

另外我在编写g4文档时经常会遇到Mismatched Input 'x' expecting 'x'类错误，这是因为antlr4虽然可以将词法语法写在一起，但其词法语法解析是分成两个阶段的。当词法解析发生冲突时，会自动选择最顶层的token，因此如果不慎在lexer开头定义了~[ \t\r\n]+，那么就一定不能得到想要的值了。

解决方法也很简单，就和语法生成表达式解决运算优先级一样，只需要重排词法定义顺序从而确立他们的优先级就行了，一般需要保证上层的词法一定不会包含下层的词法。

最后，祝学弟学妹们享受软院的快乐大三