尧图网页设计 
简介本资源是一份面向计算机专业高年级本科生与研究生的《编译原理》课程设计实践材料聚焦C语言编译器核心模块的完整实现助力学生系统掌握词法分析、语法分析与中间代码生成等关键编译技术。压缩包为单个353KB的Word文档.doc内容涵盖课程设计报告全文包括明确的设计目的、规范的实现要求、模块化总体方案主程序/词法分析/语法分析/中间代码生成及详细代码级设计说明如词法扫描子程序scaner1()的空格跳过、标识符识别、关键字匹配与整数解析逻辑以及语法分析文法定义和递归下降翻译框架。已有512人学习下载文档内含运行示例如输入begin x:1;...输出二元组、种别码对照表、流程图示意与界面选项说明choice1–词法分析、choice2–语法分析、choice3–中间代码结构清晰、理论与代码紧密结合是开展编译原理综合实践与报告撰写的可靠参考范本。1. 为什么写一个 C 语言编译器比跑通一个 ResNet 还让人头皮发紧这不是在复现某个开源编译器的 patch也不是用 ANTLR 自动生成词法语法分析器就交差的课程实验——它指的是从零手写一个能将合法 C89 子集含变量声明、if/while、算术表达式、函数调用源码经词法分析 → 语法分析 → 语义检查 → 中间代码生成 → 目标代码生成x86-64 或 RISC-V 汇编最终产出可被gcc -c接收并链接成可执行文件的.s文件的完整编译器。它不追求支持struct位域或_Generic但必须能编译int main(){return 34*5;}并正确输出mov eax, 23它不实现链接器但生成的汇编必须通过as汇编、ld链接它不用 LLVM IR而是自己设计三地址码结构体、手写寄存器分配图着色或线性扫描、处理栈帧布局与调用约定。适合谁计算机专业大三学生刚学完《编译原理》第三版第二章到第七章手头有龙书第2版或清华《编译原理》第三版作参考Linux 环境下能make、会看gdb反汇编、愿意为一条mov %rax, -8(%rbp)多 debug 两小时的人。这不是玩具项目是把教科书里黑匣子般的“中间代码优化”“活动记录”“符号表冲突检测”全拧开、一颗螺丝一颗螺丝装回去的硬核实操。2. 从 lexer.c 开始手写词法分析器的 3 个不可妥协原则2.1 为什么不用 flex——状态机必须亲手焊死在内存里很多同学第一反应是flexbison但课程设计明确要求“理解词法分析过程”而flex生成的yy_scan_string()调用链深、状态跳转抽象、错误定位难。更关键的是你无法在yylex()返回TOK_ID时同时拿到该标识符的原始字符串、行号、列偏移——而后续语义分析阶段查重命名、报错位置全靠这个。所以必须手写用fgetc()逐字读用switch(state)维护有限状态机每个case对应一个识别分支如state ST_ID时持续读字母数字遇到非 ID 字符则回退并返回 token。重点不是快是可控——比如当读到0x123G时你得在G处截断并报“十六进制常量非法字符”而不是交给flex默认跳过。// lexer.c 片段识别十进制整数支持前导零但不支持八进制语义 int lex_number(FILE *f) { int c fgetc(f); long val 0; int digits 0; while (c 0 c 9) { val val * 10 (c - 0); if (val INT_MAX) { /* 溢出检查 */ fprintf(stderr, line %d: integer constant too large\n, line_no); exit(1); } c fgetc(f); digits; } ungetc(c, f); // 关键必须回退一个字符 return TOK_INT_LITERAL; }提示ungetc()是生死线。所有词法分析器都必须保证每次yylex()返回后输入流指针恰好停在下一个 token 的第一个字符上。漏掉这句语法分析器会直接错位——比如把int a1;解析成int a1;少读后面全崩。2.2 Token 结构体带位置信息的最小可行设计别用enum { TOK_INT, TOK_ID, ... }就完事。必须封装成结构体否则无法传递字符串值和位置typedef struct { int type; // TOK_INT, TOK_ID, TOK_PLUS... char *str; // mallocd copy of identifier or number string int line; // 行号从1开始 int col; // 列号从0开始 union { int ival; // 整型字面值 double dval; // 浮点字面值本项目暂不实现 } u; } Token;str字段必须mallocstrndup不能指向文件缓冲区因为后续多次fgetc会覆盖line/col在每次fgetc()后实时更新遇\n行号1列号归0ival在lex_number()中计算并存入。这是后续所有报错的基础——没有line/col你的error(expected ; but got %s, tok.str)就是空中楼阁。2.3 关键边界注释、字符串字面量、预处理指令的取舍课程设计范围必须明确砍掉什么✅ 必须支持//行注释、/* */块注释需处理嵌套注释错误、双引号字符串支持\转义不支持\n等多字节转义❌ 明确不支持预处理指令#include,#define、宏展开、条件编译、宽字符、UTF-8⚠️ 技术债警告字符串字面量中若出现未转义的如abcdef必须报错而非截断——这需要在lex_string()中维护一个in_escape标志位读到\后下一个字符无论是什么都吞掉除非是\自身否则遇到就结束字符串。3. 语法分析递归下降 手动错误恢复比 LR(1) 更贴近人脑3.1 为什么放弃 yacc/bison——调试栈帧就是调试编译器本身yacc生成的yyparse()是黑盒当yyparse()返回1语法错误你只知道“错了”但不知道错在哪条产生式、哪个 lookahead token 导致失败。而递归下降 parser 的每个函数parse_expr(),parse_stmt()都是你写的 C 函数gdb下断点、printf打印当前lookahead、观察match(TOK_SEMI)是否失败——这才是“理解语法分析”的路径。更重要的是课程设计要求你写出 FIRST/FOLLOW 集而递归下降强制你把 FIRST 集显式编码进if (lookahead TOK_IF || lookahead TOK_WHILE || ...)里。3.2 核心产生式的手写映射从 EBNF 到 C 函数以statement → if ( expr ) statement [ else statement ] | while ( expr ) statement | { statement_list } | expr_stmt为例对应函数骨架// parse_stmt.c Stmt *parse_statement() { Stmt *s NULL; switch (lookahead) { case TOK_IF: s parse_if_statement(); break; case TOK_WHILE: s parse_while_statement(); break; case TOK_LBRACE: s parse_block_statement(); break; default: s parse_expr_statement(); break; // 兜底可能是赋值或函数调用 } return s; } Stmt *parse_if_statement() { match(TOK_IF); // consume if match(TOK_LPAREN); // consume ( Expr *cond parse_expr(); // 注意这里必须是表达式不是语句 match(TOK_RPAREN); Stmt *then_body parse_statement(); Stmt *else_body NULL; if (lookahead TOK_ELSE) { match(TOK_ELSE); else_body parse_statement(); } return new_if_stmt(cond, then_body, else_body); }注意match()函数必须做两件事1检查lookahead是否等于期望 token2调用next_token()更新lookahead。如果检查失败必须触发错误恢复见 3.3不能直接exit()——否则一个if (x就让整个编译器崩溃。3.3 错误恢复同步序列不是玄学是三条while循环LR 分析器用“移进/归约冲突”描述错误而递归下降用“同步序列synchronization sequence”——即当parse_if_statement()发现lookahead ! TOK_LPAREN时不是报错退出而是跳过若干 token 直到遇到TOK_SEMI,TOK_RBRACE,TOK_ELSE,TOK_WHILE等“安全重启点”。这是课程设计高分关键void recover_to_sync_point() { // 同步序列分号、右大括号、else、while、for、return —— 这些是语句级边界 while (lookahead ! TOK_SEMI lookahead ! TOK_RBRACE lookahead ! TOK_ELSE lookahead ! TOK_WHILE lookahead ! TOK_FOR lookahead ! TOK_RETURN lookahead ! TOK_EOF) { next_token(); // 吞掉一个 token } }调用时机在parse_if_statement()中match(TOK_LPAREN)失败后先recover_to_sync_point()再next_token()吃掉同步点 token然后继续解析——这样if x y z;会被恢复为if ;至少不影响后续while语句解析。4. 符号表与语义检查用哈希表实现作用域链不是用 mapstring, int4.1 作用域链设计每个{}创建新 Scopeexit 时 pop不要用单层全局符号表C 语言有块作用域{ int x; ... }中的x不可见于外层必须模拟作用域嵌套。典型设计是Scope链表typedef struct Scope { HashTable *symbols; // 当前作用域的符号key: name, value: Symbol* struct Scope *parent; // 指向上层作用域 } Scope; static Scope *current_scope NULL; void enter_scope() { Scope *new_scope malloc(sizeof(Scope)); new_scope-symbols hash_table_create(); // 简单链地址哈希表 new_scope-parent current_scope; current_scope new_scope; } void exit_scope() { Scope *old current_scope; current_scope old-parent; hash_table_destroy(old-symbols); free(old); }enter_scope()在parse_block_statement()开头调用exit_scope()在结尾调用。这样int x; { int x; }就能检测到内层x重定义错误——查符号时先查current_scope-symbols查不到再查parent直到NULL。4.2 Symbol 结构体存类型、偏移、是否已定义不止存名字Symbol必须携带足够信息供后续代码生成使用typedef enum { SYM_VAR, SYM_FUNC, SYM_PARAM } SymbolKind; typedef struct Symbol { char *name; Type *type; // 指向类型结构体int, pointer to int... SymbolKind kind; int offset; // 栈偏移局部变量或全局地址全局变量 bool is_defined; // 函数是否已定义处理声明与定义分离 struct Symbol *next; // 哈希冲突链 } Symbol;offset在enter_scope()后初始化为-8第一个局部变量从%rbp-8开始每声明一个变量就减去其大小int为 4但 x86-64 要求 16 字节对齐实际减 8 或 16is_defined用于检查void foo(); foo();是否有定义——若foo在符号表中kindSYM_FUNC !is_defined则报错。4.3 类型检查运算符两侧必须类型兼容不是只看是不是 intexpr → expr expr的语义动作不能只写left-type right-type。C 语言有隐式转换规则int float→floatchar * int→char *指针算术。课程设计至少实现算术运算int和int→intint和float→float升格pointer int→pointer关系运算pointer pointer合法int pointer需警告课程设计可设为错误赋值左值类型必须能接受右值int x; x 3.14;→ 隐式截断不报错int *p; p 123;→ 错误。实现方式为每个Expr节点增加Type *type字段在parse_expr()后递归设置check_arith_op()函数根据左右类型返回结果类型或报错。5. 中间代码与目标代码三地址码 → x86-64 汇编寄存器分配是最大坑5.1 三地址码TAC设计用结构体链表不是字符串拼接别用sprintf(buf, t%d %s %s, t, left, right)必须用结构体表示每条指令便于后续优化和寄存器分配typedef enum { TAC_ASSIGN, TAC_ADD, TAC_SUB, TAC_MUL, TAC_DIV, TAC_CALL, TAC_RETURN, TAC_LABEL, TAC_GOTO, TAC_IF_GOTO } TacOp; typedef struct Tac { TacOp op; Operand *dst; // 目的操作数临时变量、变量、常量 Operand *src1; // 源操作数1 Operand *src2; // 源操作数2部分指令为空 char *label; // goto 或 if-goto 的标签名 struct Tac *next; } Tac; // Operand 可表示临时变量(t1)、变量(x)、常量(42)、地址(x) typedef struct Operand { enum { OP_TEMP, OP_VAR, OP_CONST, OP_ADDR } kind; union { int temp_id; // t1 → 1 char *var_name; // x int const_val; // 42 char *addr_name; // x } u; } Operand;生成示例a b c * d→t1 c * dt2 b t1a t2每条Tac都是独立节点next指针连成链表。这是后续做公共子表达式删除、死代码消除的基础。5.2 x86-64 目标代码生成栈帧布局与调用约定是铁律不要幻想“生成能运行的汇编”先确保gcc -c能过。关键约束使用 System V ABI参数前 6 个放%rdi,%rsi,%rdx,%rcx,%r8,%r9返回值放%rax栈帧必须以push %rbp; mov %rsp, %rbp开头pop %rbp; ret结尾局部变量必须分配在%rbp下方负偏移且%rsp必须 16 字节对齐函数入口处sub $16, %rsp调用外部函数如printf前必须movq $0, %rax告诉printf无向量寄存器使用。生成t1 b c的汇编# 假设 b 在 %rbp-8, c 在 %rbp-16, t1 临时变量分配在 %rbp-24 movl -8(%rbp), %eax addl -16(%rbp), %eax movl %eax, -24(%rbp)提示所有内存访问必须用movl32 位而非movq因为int是 32 位%rbp偏移必须是 4 的倍数int占 4 字节否则gcc汇编时报operand size mismatch。5.3 寄存器分配线性扫描算法不是图着色图着色太重课程设计用线性扫描Linear Scan足够遍历 TAC 链表为每个Operand计算其生命周期live range按起始位置排序维护一个活跃区间列表为每个新 interval 分配可用寄存器或溢出到栈。核心数据结构typedef struct LiveInterval { int start; // TAC 序号从 0 开始 int end; // TAC 序号 Operand *op; // 对应的操作数 int reg; // 分配的寄存器号-1 表示溢出 } LiveInterval;算法步骤遍历所有 TAC对每个Operand除常量计算def和use位置生成LiveInterval按start排序所有 interval维护active列表当前活跃的 interval按end排序对每个新 interval从active头部移除end current.start的 interval若active.size 16x86-64 通用寄存器数分配最小空闲寄存器否则溢出到栈movl %eax, -X(%rbp)。6. 避坑指南那些让助教皱眉、让你重写三天的致命细节6.1 现象gcc -c main.s报错Error: invalid instruction suffix for mov原因汇编中用了mov %eax, %ebxATT 语法要求指定操作数大小后缀如movl或用了mov eax, ebxIntel 语法但gcc默认 ATT。解决统一用 ATT 语法所有指令加后缀movl32 位、movq64 位、addl、cmpl内存操作数必须带大小指示符movl $1, %eax立即数movl -4(%rbp), %eax内存。6.2 现象程序运行结果总是 0gdb查看%rax却是正确值原因函数末尾没写movl %eax, %rax32 位值需零扩展到 64 位返回寄存器或main函数没ret指令导致执行到随机内存。解决所有函数生成汇编时末尾必须movl %eax, %rax即使返回intmain函数必须以ret结束且前面有pop %rbp。6.3 现象if (x) { y1; } else { y2; }编译后y总是 2原因三地址码生成时if-else的else分支没生成goto跳过then块导致then和else顺序执行。解决if-else必须生成三个标签L1:条件判断后跳转目标、L2:then 块结尾跳转目标、L3:else 块结尾跳转目标if条件为假时jmp L2then块末尾jmp L3else块末尾直接L3:。6.4 现象int a[10];声明后a[5]访问报段错误原因数组变量在符号表中存为SYMBOL_VAR但类型是array[10] of int代码生成时没计算base index * sizeof(int)而是直接movl a, %eax取地址而非取值。解决Expr节点需区分lvalue可寻址和rvalue值a[5]是 lvalue生成汇编时必须leal 20(%rbp), %eax5*420再movl (%eax), %eax取值。6.5 现象gcc main.o -o main成功但./main段错误原因main函数没遵循 ABI没保存 callee-saved 寄存器如%rbx,%r12-%r15或调用printf前没movq $0, %rax。解决在main函数 prologue 中若用到%rbx必须push %rbx调用printf前必须xorq %rax, %rax清零%rax。7. 最后一关用diff和gdb验证生成代码的正确性不是靠眼睛看7.1 构建黄金标准用gcc -S -O0生成参考汇编别信教科书里的“理想汇编”用真实工具链验证。对测试用例test.cgcc -S -O0 -masmintel test.c -o test.gcc.s # Intel 语法便于对比 gcc -S -O0 test.c -o test.gcc.att.s # ATT 语法与你生成格式一致然后用diff -u test.gcc.att.s your_output.s查差异。重点看函数头尾是否都有push %rbp; mov %rsp, %rbp/pop %rbp; ret局部变量偏移是否从%rbp-4、%rbp-8开始不是%rbp4return语句是否生成movl $X, %eaxleaveret。7.2 动态验证用gdb单步执行比对寄存器值编译你的main.s和gcc生成的main.s为main.o分别链接gcc -c main.s -o my_main.o gcc -c test.gcc.att.s -o gcc_main.o gcc my_main.o -o my_prog gcc gcc_main.o -o gcc_prog然后gdb ./my_prog在main入口下断点runstepi单步用info registers看%rax、%rbp是否与gcc_prog一致。特别关注call printf前%rdi第一个参数是否是你期望的值——这是最容易出错的 ABI 点。7.3 参数表你的编译器 vs GCC 的关键行为对照行为你的编译器应做到GCC -O0黄金标准验证方法int x1,y2;生成两条movl $1,-4(%rbp)同diff汇编x y 3;movl -8(%rbp),%eax; addl $3,%eax; movl %eax,-4(%rbp)同gdb单步看%eaxif (x0) y1;cmpl $0,-4(%rbp); jle L1; movl $1,-8(%rbp); L1:同objdump -d看跳转目标printf(%d, x);movl -4(%rbp),%esi; leaq .LC0(%rip),%rdi; movq $0,%rax; call printf同gdb看%rdi%rsi%rax我带过三届编译原理课设最常看到的翻车点不是算法不会而是ungetc()忘写、%rax忘清零、movl写成mov。最后交作业前一定用gcc -c和gdb过一遍最简int main(){return 42;}——如果它都不能过后面全是徒劳。希望帮到你。本文还有配套的精品资源点击获取 手写C语言编译器：从词法分析到x86-64汇编生成
简介本资源是一份面向计算机专业高年级本科生与研究生的《编译原理》课程设计实践材料聚焦C语言编译器核心模块的完整实现助力学生系统掌握词法分析、语法分析与中间代码生成等关键编译技术。压缩包为单个353KB的Word文档.doc内容涵盖课程设计报告全文包括明确的设计目的、规范的实现要求、模块化总体方案主程序/词法分析/语法分析/中间代码生成及详细代码级设计说明如词法扫描子程序scaner1()的空格跳过、标识符识别、关键字匹配与整数解析逻辑以及语法分析文法定义和递归下降翻译框架。已有512人学习下载文档内含运行示例如输入begin x:1;...输出二元组、种别码对照表、流程图示意与界面选项说明choice1–词法分析、choice2–语法分析、choice3–中间代码结构清晰、理论与代码紧密结合是开展编译原理综合实践与报告撰写的可靠参考范本。1. 为什么写一个 C 语言编译器比跑通一个 ResNet 还让人头皮发紧这不是在复现某个开源编译器的 patch也不是用 ANTLR 自动生成词法语法分析器就交差的课程实验——它指的是从零手写一个能将合法 C89 子集含变量声明、if/while、算术表达式、函数调用源码经词法分析 → 语法分析 → 语义检查 → 中间代码生成 → 目标代码生成x86-64 或 RISC-V 汇编最终产出可被gcc -c接收并链接成可执行文件的.s文件的完整编译器。它不追求支持struct位域或_Generic但必须能编译int main(){return 34*5;}并正确输出mov eax, 23它不实现链接器但生成的汇编必须通过as汇编、ld链接它不用 LLVM IR而是自己设计三地址码结构体、手写寄存器分配图着色或线性扫描、处理栈帧布局与调用约定。适合谁计算机专业大三学生刚学完《编译原理》第三版第二章到第七章手头有龙书第2版或清华《编译原理》第三版作参考Linux 环境下能make、会看gdb反汇编、愿意为一条mov %rax, -8(%rbp)多 debug 两小时的人。这不是玩具项目是把教科书里黑匣子般的“中间代码优化”“活动记录”“符号表冲突检测”全拧开、一颗螺丝一颗螺丝装回去的硬核实操。2. 从 lexer.c 开始手写词法分析器的 3 个不可妥协原则2.1 为什么不用 flex——状态机必须亲手焊死在内存里很多同学第一反应是flexbison但课程设计明确要求“理解词法分析过程”而flex生成的yy_scan_string()调用链深、状态跳转抽象、错误定位难。更关键的是你无法在yylex()返回TOK_ID时同时拿到该标识符的原始字符串、行号、列偏移——而后续语义分析阶段查重命名、报错位置全靠这个。所以必须手写用fgetc()逐字读用switch(state)维护有限状态机每个case对应一个识别分支如state ST_ID时持续读字母数字遇到非 ID 字符则回退并返回 token。重点不是快是可控——比如当读到0x123G时你得在G处截断并报“十六进制常量非法字符”而不是交给flex默认跳过。// lexer.c 片段识别十进制整数支持前导零但不支持八进制语义 int lex_number(FILE *f) { int c fgetc(f); long val 0; int digits 0; while (c 0 c 9) { val val * 10 (c - 0); if (val INT_MAX) { /* 溢出检查 */ fprintf(stderr, line %d: integer constant too large\n, line_no); exit(1); } c fgetc(f); digits; } ungetc(c, f); // 关键必须回退一个字符 return TOK_INT_LITERAL; }提示ungetc()是生死线。所有词法分析器都必须保证每次yylex()返回后输入流指针恰好停在下一个 token 的第一个字符上。漏掉这句语法分析器会直接错位——比如把int a1;解析成int a1;少读后面全崩。2.2 Token 结构体带位置信息的最小可行设计别用enum { TOK_INT, TOK_ID, ... }就完事。必须封装成结构体否则无法传递字符串值和位置typedef struct { int type; // TOK_INT, TOK_ID, TOK_PLUS... char *str; // mallocd copy of identifier or number string int line; // 行号从1开始 int col; // 列号从0开始 union { int ival; // 整型字面值 double dval; // 浮点字面值本项目暂不实现 } u; } Token;str字段必须mallocstrndup不能指向文件缓冲区因为后续多次fgetc会覆盖line/col在每次fgetc()后实时更新遇\n行号1列号归0ival在lex_number()中计算并存入。这是后续所有报错的基础——没有line/col你的error(expected ; but got %s, tok.str)就是空中楼阁。2.3 关键边界注释、字符串字面量、预处理指令的取舍课程设计范围必须明确砍掉什么✅ 必须支持//行注释、/* */块注释需处理嵌套注释错误、双引号字符串支持\转义不支持\n等多字节转义❌ 明确不支持预处理指令#include,#define、宏展开、条件编译、宽字符、UTF-8⚠️ 技术债警告字符串字面量中若出现未转义的如abcdef必须报错而非截断——这需要在lex_string()中维护一个in_escape标志位读到\后下一个字符无论是什么都吞掉除非是\自身否则遇到就结束字符串。3. 语法分析递归下降 手动错误恢复比 LR(1) 更贴近人脑3.1 为什么放弃 yacc/bison——调试栈帧就是调试编译器本身yacc生成的yyparse()是黑盒当yyparse()返回1语法错误你只知道“错了”但不知道错在哪条产生式、哪个 lookahead token 导致失败。而递归下降 parser 的每个函数parse_expr(),parse_stmt()都是你写的 C 函数gdb下断点、printf打印当前lookahead、观察match(TOK_SEMI)是否失败——这才是“理解语法分析”的路径。更重要的是课程设计要求你写出 FIRST/FOLLOW 集而递归下降强制你把 FIRST 集显式编码进if (lookahead TOK_IF || lookahead TOK_WHILE || ...)里。3.2 核心产生式的手写映射从 EBNF 到 C 函数以statement → if ( expr ) statement [ else statement ] | while ( expr ) statement | { statement_list } | expr_stmt为例对应函数骨架// parse_stmt.c Stmt *parse_statement() { Stmt *s NULL; switch (lookahead) { case TOK_IF: s parse_if_statement(); break; case TOK_WHILE: s parse_while_statement(); break; case TOK_LBRACE: s parse_block_statement(); break; default: s parse_expr_statement(); break; // 兜底可能是赋值或函数调用 } return s; } Stmt *parse_if_statement() { match(TOK_IF); // consume if match(TOK_LPAREN); // consume ( Expr *cond parse_expr(); // 注意这里必须是表达式不是语句 match(TOK_RPAREN); Stmt *then_body parse_statement(); Stmt *else_body NULL; if (lookahead TOK_ELSE) { match(TOK_ELSE); else_body parse_statement(); } return new_if_stmt(cond, then_body, else_body); }注意match()函数必须做两件事1检查lookahead是否等于期望 token2调用next_token()更新lookahead。如果检查失败必须触发错误恢复见 3.3不能直接exit()——否则一个if (x就让整个编译器崩溃。3.3 错误恢复同步序列不是玄学是三条while循环LR 分析器用“移进/归约冲突”描述错误而递归下降用“同步序列synchronization sequence”——即当parse_if_statement()发现lookahead ! TOK_LPAREN时不是报错退出而是跳过若干 token 直到遇到TOK_SEMI,TOK_RBRACE,TOK_ELSE,TOK_WHILE等“安全重启点”。这是课程设计高分关键void recover_to_sync_point() { // 同步序列分号、右大括号、else、while、for、return —— 这些是语句级边界 while (lookahead ! TOK_SEMI lookahead ! TOK_RBRACE lookahead ! TOK_ELSE lookahead ! TOK_WHILE lookahead ! TOK_FOR lookahead ! TOK_RETURN lookahead ! TOK_EOF) { next_token(); // 吞掉一个 token } }调用时机在parse_if_statement()中match(TOK_LPAREN)失败后先recover_to_sync_point()再next_token()吃掉同步点 token然后继续解析——这样if x y z;会被恢复为if ;至少不影响后续while语句解析。4. 符号表与语义检查用哈希表实现作用域链不是用 mapstring, int4.1 作用域链设计每个{}创建新 Scopeexit 时 pop不要用单层全局符号表C 语言有块作用域{ int x; ... }中的x不可见于外层必须模拟作用域嵌套。典型设计是Scope链表typedef struct Scope { HashTable *symbols; // 当前作用域的符号key: name, value: Symbol* struct Scope *parent; // 指向上层作用域 } Scope; static Scope *current_scope NULL; void enter_scope() { Scope *new_scope malloc(sizeof(Scope)); new_scope-symbols hash_table_create(); // 简单链地址哈希表 new_scope-parent current_scope; current_scope new_scope; } void exit_scope() { Scope *old current_scope; current_scope old-parent; hash_table_destroy(old-symbols); free(old); }enter_scope()在parse_block_statement()开头调用exit_scope()在结尾调用。这样int x; { int x; }就能检测到内层x重定义错误——查符号时先查current_scope-symbols查不到再查parent直到NULL。4.2 Symbol 结构体存类型、偏移、是否已定义不止存名字Symbol必须携带足够信息供后续代码生成使用typedef enum { SYM_VAR, SYM_FUNC, SYM_PARAM } SymbolKind; typedef struct Symbol { char *name; Type *type; // 指向类型结构体int, pointer to int... SymbolKind kind; int offset; // 栈偏移局部变量或全局地址全局变量 bool is_defined; // 函数是否已定义处理声明与定义分离 struct Symbol *next; // 哈希冲突链 } Symbol;offset在enter_scope()后初始化为-8第一个局部变量从%rbp-8开始每声明一个变量就减去其大小int为 4但 x86-64 要求 16 字节对齐实际减 8 或 16is_defined用于检查void foo(); foo();是否有定义——若foo在符号表中kindSYM_FUNC !is_defined则报错。4.3 类型检查运算符两侧必须类型兼容不是只看是不是 intexpr → expr expr的语义动作不能只写left-type right-type。C 语言有隐式转换规则int float→floatchar * int→char *指针算术。课程设计至少实现算术运算int和int→intint和float→float升格pointer int→pointer关系运算pointer pointer合法int pointer需警告课程设计可设为错误赋值左值类型必须能接受右值int x; x 3.14;→ 隐式截断不报错int *p; p 123;→ 错误。实现方式为每个Expr节点增加Type *type字段在parse_expr()后递归设置check_arith_op()函数根据左右类型返回结果类型或报错。5. 中间代码与目标代码三地址码 → x86-64 汇编寄存器分配是最大坑5.1 三地址码TAC设计用结构体链表不是字符串拼接别用sprintf(buf, t%d %s %s, t, left, right)必须用结构体表示每条指令便于后续优化和寄存器分配typedef enum { TAC_ASSIGN, TAC_ADD, TAC_SUB, TAC_MUL, TAC_DIV, TAC_CALL, TAC_RETURN, TAC_LABEL, TAC_GOTO, TAC_IF_GOTO } TacOp; typedef struct Tac { TacOp op; Operand *dst; // 目的操作数临时变量、变量、常量 Operand *src1; // 源操作数1 Operand *src2; // 源操作数2部分指令为空 char *label; // goto 或 if-goto 的标签名 struct Tac *next; } Tac; // Operand 可表示临时变量(t1)、变量(x)、常量(42)、地址(x) typedef struct Operand { enum { OP_TEMP, OP_VAR, OP_CONST, OP_ADDR } kind; union { int temp_id; // t1 → 1 char *var_name; // x int const_val; // 42 char *addr_name; // x } u; } Operand;生成示例a b c * d→t1 c * dt2 b t1a t2每条Tac都是独立节点next指针连成链表。这是后续做公共子表达式删除、死代码消除的基础。5.2 x86-64 目标代码生成栈帧布局与调用约定是铁律不要幻想“生成能运行的汇编”先确保gcc -c能过。关键约束使用 System V ABI参数前 6 个放%rdi,%rsi,%rdx,%rcx,%r8,%r9返回值放%rax栈帧必须以push %rbp; mov %rsp, %rbp开头pop %rbp; ret结尾局部变量必须分配在%rbp下方负偏移且%rsp必须 16 字节对齐函数入口处sub $16, %rsp调用外部函数如printf前必须movq $0, %rax告诉printf无向量寄存器使用。生成t1 b c的汇编# 假设 b 在 %rbp-8, c 在 %rbp-16, t1 临时变量分配在 %rbp-24 movl -8(%rbp), %eax addl -16(%rbp), %eax movl %eax, -24(%rbp)提示所有内存访问必须用movl32 位而非movq因为int是 32 位%rbp偏移必须是 4 的倍数int占 4 字节否则gcc汇编时报operand size mismatch。5.3 寄存器分配线性扫描算法不是图着色图着色太重课程设计用线性扫描Linear Scan足够遍历 TAC 链表为每个Operand计算其生命周期live range按起始位置排序维护一个活跃区间列表为每个新 interval 分配可用寄存器或溢出到栈。核心数据结构typedef struct LiveInterval { int start; // TAC 序号从 0 开始 int end; // TAC 序号 Operand *op; // 对应的操作数 int reg; // 分配的寄存器号-1 表示溢出 } LiveInterval;算法步骤遍历所有 TAC对每个Operand除常量计算def和use位置生成LiveInterval按start排序所有 interval维护active列表当前活跃的 interval按end排序对每个新 interval从active头部移除end current.start的 interval若active.size 16x86-64 通用寄存器数分配最小空闲寄存器否则溢出到栈movl %eax, -X(%rbp)。6. 避坑指南那些让助教皱眉、让你重写三天的致命细节6.1 现象gcc -c main.s报错Error: invalid instruction suffix for mov原因汇编中用了mov %eax, %ebxATT 语法要求指定操作数大小后缀如movl或用了mov eax, ebxIntel 语法但gcc默认 ATT。解决统一用 ATT 语法所有指令加后缀movl32 位、movq64 位、addl、cmpl内存操作数必须带大小指示符movl $1, %eax立即数movl -4(%rbp), %eax内存。6.2 现象程序运行结果总是 0gdb查看%rax却是正确值原因函数末尾没写movl %eax, %rax32 位值需零扩展到 64 位返回寄存器或main函数没ret指令导致执行到随机内存。解决所有函数生成汇编时末尾必须movl %eax, %rax即使返回intmain函数必须以ret结束且前面有pop %rbp。6.3 现象if (x) { y1; } else { y2; }编译后y总是 2原因三地址码生成时if-else的else分支没生成goto跳过then块导致then和else顺序执行。解决if-else必须生成三个标签L1:条件判断后跳转目标、L2:then 块结尾跳转目标、L3:else 块结尾跳转目标if条件为假时jmp L2then块末尾jmp L3else块末尾直接L3:。6.4 现象int a[10];声明后a[5]访问报段错误原因数组变量在符号表中存为SYMBOL_VAR但类型是array[10] of int代码生成时没计算base index * sizeof(int)而是直接movl a, %eax取地址而非取值。解决Expr节点需区分lvalue可寻址和rvalue值a[5]是 lvalue生成汇编时必须leal 20(%rbp), %eax5*420再movl (%eax), %eax取值。6.5 现象gcc main.o -o main成功但./main段错误原因main函数没遵循 ABI没保存 callee-saved 寄存器如%rbx,%r12-%r15或调用printf前没movq $0, %rax。解决在main函数 prologue 中若用到%rbx必须push %rbx调用printf前必须xorq %rax, %rax清零%rax。7. 最后一关用diff和gdb验证生成代码的正确性不是靠眼睛看7.1 构建黄金标准用gcc -S -O0生成参考汇编别信教科书里的“理想汇编”用真实工具链验证。对测试用例test.cgcc -S -O0 -masmintel test.c -o test.gcc.s # Intel 语法便于对比 gcc -S -O0 test.c -o test.gcc.att.s # ATT 语法与你生成格式一致然后用diff -u test.gcc.att.s your_output.s查差异。重点看函数头尾是否都有push %rbp; mov %rsp, %rbp/pop %rbp; ret局部变量偏移是否从%rbp-4、%rbp-8开始不是%rbp4return语句是否生成movl $X, %eaxleaveret。7.2 动态验证用gdb单步执行比对寄存器值编译你的main.s和gcc生成的main.s为main.o分别链接gcc -c main.s -o my_main.o gcc -c test.gcc.att.s -o gcc_main.o gcc my_main.o -o my_prog gcc gcc_main.o -o gcc_prog然后gdb ./my_prog在main入口下断点runstepi单步用info registers看%rax、%rbp是否与gcc_prog一致。特别关注call printf前%rdi第一个参数是否是你期望的值——这是最容易出错的 ABI 点。7.3 参数表你的编译器 vs GCC 的关键行为对照行为你的编译器应做到GCC -O0黄金标准验证方法int x1,y2;生成两条movl $1,-4(%rbp)同diff汇编x y 3;movl -8(%rbp),%eax; addl $3,%eax; movl %eax,-4(%rbp)同gdb单步看%eaxif (x0) y1;cmpl $0,-4(%rbp); jle L1; movl $1,-8(%rbp); L1:同objdump -d看跳转目标printf(%d, x);movl -4(%rbp),%esi; leaq .LC0(%rip),%rdi; movq $0,%rax; call printf同gdb看%rdi%rsi%rax我带过三届编译原理课设最常看到的翻车点不是算法不会而是ungetc()忘写、%rax忘清零、movl写成mov。最后交作业前一定用gcc -c和gdb过一遍最简int main(){return 42;}——如果它都不能过后面全是徒劳。希望帮到你。本文还有配套的精品资源点击获取