用c语言手搓一个500+行的类c语言解释器: 给编程初学者的解释器教程（6）- 语义分析
原创用c语言手搓一个500+行的类c语言解释器: 给编程初学者的解释器教程（6）- 语义分析
原创
项目github地址及源码：
https://github.com/yunwei37/tryC
这一部分，我们再回过头来看看变量、函数是怎样存储和处理的、以及符号表是怎样构建的。
符号表
我们先来回顾一下符号表的定义：
符号表是一种用于语言翻译器（例如编译器和解释器）中的数据结构。在符号表中，程序源代码中的每个标识符都和它的声明或使用信息绑定在一起，比如其数据类型、作用域以及内存地址。
简单来说就是，我们在符号表中存储对应的变量的各种信息，在定义的时候对符号表进行插入，以便下次碰见它的时候可以知道这个变量的具体信息。
我们可以在符号表中保存五种变量：Num（数值）, Char（字符）, Str（字符串）, Array（数组）, Func（函数）
tryC符号表的完整定义如下：
/* this structure represent a symbol store in a symbol table */
typedef struct symStruct {
int type; // 符号的类型: Num, Char, Str, Array, Func
char name[MAXNAMESIZE]; // 符号名称
double value; // 如果是数值变量，记录它的值; 如果是数组或者字符串，记录它的长度
union {
char* funcp; // 指向函数定义在源代码中位置的字符指针
struct symStruct* list; // 指向数组列表
} pointer;
int levelNum; // 作用域层
} symbol;
symbol symtab[SYMTABSIZE]; // 用数组定义符号表
int symPointer = 0; // 符号表数组当前使用的最大下标的指针+1（栈顶 + 1）
int currentlevel = 0; // 当前作用域层作用域
作用域就是程序中定义的变量所存在的区域，超过该区域变量就不能被访问。
（这里就不具体举例介绍了）
作用域可以相互嵌套；当内层作用域和外层作用域存在同名变量时，在内层的程序访问的应当是内层的变量，在外层的程序访问的应当是外层的变量；在函数中的变量，只有在所在函数被调用时才动态地为变量分配存储单元，并在调用结束时回收。
作用域可以是块作用域、函数作用域等，tryC中只实现了函数作用域。
我们可以用currentlevel这个变量记录当前的嵌套深度；
int currentlevel = 0; 对于函数作用域我们可以这样处理：在函数调用时加深作用域层，并把需要传入的参数插入符号表；并在函数退出的时候，删除该作用域层的所有变量，并减少作用域层，对应代码如下：
double function() {
currentlevel++;
return_val = 0;
.....
while (symtab[symPointer - 1].levelNum == currentlevel) {
symPointer--;
}
currentlevel--;
return return_val;
}由于插入的变量肯定在符号表数组的最上面，因此只要减少符号表数组最大值的指针就可以表示删除啦。
变量
对变量的处理主要分为几个部分：
- 词法分析阶段，当我们遇见一个标识符名称时，需要返回对应的token；
- 在表达式中，当遇见一个变量时，我们需要获取它的值；
- 在定义语句中，对变量进行定义和在符号表中插入相关信息；
词法分析阶段
当我们在词法分析的时候，对变量的处理需要以下几个步骤：
- 获取完整的变量名：
- 在符号表中查找变量，从上往下查找，这样返回的一定是最近作用域的那个变量：
- 如果在符号表中找到了变量，根据变量不同的类型，返回不同的token值；
- 如果没有找到，在符号表中间插入新的变量，返回的token值为void；这时应该对应赋值语句
...
else if ((token >= 'a' && token <= 'z') || (token >= 'A' && token <= 'Z') || (token == '_')) {
last_pos = src - 1; // process symbols
char nameBuffer[MAXNAMESIZE];
nameBuffer[0] = token;
while ((*src >= 'a' && *src <= 'z') || (*src >= 'A' && *src <= 'Z') || (*src >= '0' && *src <= '9') || (*src == '_')) {
nameBuffer[src - last_pos] = *src;
src++;
}
nameBuffer[src - last_pos] = 0; // get symbol name
int i;
for (i = symPointer-1; i >= 0; --i) { // search symbol in symbol table
if (strcmp(nameBuffer, symtab[i].name) == 0) { // if find symbol: return the token according to symbol type
if (symtab[i].type == Num || symtab[i].type == Char) {
token_val.ptr = &symtab[i];
token = Sym;
}
else if (symtab[i].type == FuncSym) {
token_val.ptr = &symtab[i];
token = symtab[i].type;
}
else if (symtab[i].type == ArraySym) {
token_val.ptr = &symtab[i];
token = symtab[i].type;
}
else {
if (symtab[i].type == Void) {
token = Sym;
token_val.ptr = &symtab[i];
}
else token = symtab[i].type;
}
return;
}
}
strcpy(symtab[symPointer].name, nameBuffer); // if symbol not found, create a new one
symtab[symPointer].levelNum = currentlevel;
symtab[symPointer].type = Void;
token_val.ptr = &symtab[symPointer];
symPointer++;
token = Sym;
return;
}
...在表达式中对变量的处理：
在表达式中遇到的标识符可能是三种形式：
- 普通变量：Char或Num，token_val传递数值类型；
- 函数变量：进行调用函数操作；
- 数组变量：获取token_val传递的数组指针，获取下标，进行边界检查，获取元素；
double factor() {
double temp = 0;
.....
else if (token == Sym) { // 普通变量
temp = token_val.ptr->value;
match(Sym);
}
else if (token == FuncSym) { // 函数变量
return function();
}
else if (token == ArraySym) { // 数组变量
symbol* ptr = token_val.ptr;
match(ArraySym);
match('[');
int index = (int)expression();
if (index >= 0 && index < ptr->value) {
temp = ptr->pointer.list[index].value;
}
match(']');
}
return temp;
}在变量定义语句中对变量的处理
由于是动态类型语言，我们对变量的定义语句也是变量的赋值语句；根据赋值的类型确定变量的类型。进入赋值语句时，传递过来的token_val包含的是一个指向当前变量结构体的指针，赋值就是对其进行操作：
赋值语句的左边可以是数组中间的一个单元，也可以是一个变量，右边是字符串或表达式、字符。
数组需要先定义才能进行赋值。
...
else if (token == Sym || token == ArraySym) {
symbol* s = token_val.ptr;
int tktype = token;
int index;
match(tktype);
if (tktype == ArraySym) { // 对数组进行特殊判断：获取要赋值的数组单元；
match('[');
index = expression();
match(']');
match('=');
if (index >= 0 && index < s->value) {
s->pointer.list[index].value = expression();
}
}
else {
match('=');
if (token == Str) { // 根据赋值类型进行不同的操作
s->pointer.funcp = (char*)token_val.ptr;
s->type = Str;
match(Str);
}
else if (token == Char) {
s->value = token_val.val;
s->type = Char;
match(Char);
}
else {
s->value = expression();
s->type = Num;
}
}
match(';');
}
...函数
tryC的函数实现完整代码：这个函数做了以下几件事：
- 对变量的作用域进行控制；
- 将函数参数中的变量直接插入作用域；
- 保存当前词法分析的源代码位置和token，并跳转到函数定义时的源代码位置和token；
- 语法分析和执行定义时的函数体，如果碰到返回语句，就将返回值存入return_val；
- 恢复保存的当前源代码位置和token；
- 返回值从全局变量return_val中获取；
由于function()函数本身是递归的，且变量作用域等可以得到控制，因此可以实现函数的递归调用。
double function() {
currentlevel++;
return_val = 0; // 对变量的作用域进行控制；
symbol* s = token_val.ptr; // 将函数参数中的变量直接插入作用域；
match(FuncSym);
match('(');
while (token != ')') {
symtab[symPointer] = *token_val.ptr;
strcpy(symtab[symPointer].name, token_val.ptr->name);
symtab[symPointer].levelNum = currentlevel;
symPointer++;
match(Sym);
if (token == ',')
match(',');
}
match(')');
char* startPos = src; // 保存当前词法分析的源代码位置和token
char* startOldPos = old_src;
int startToken = token;
old_src = src = s->pointer.funcp; // 跳转到函数定义时的源代码位置和token；
token = (int)s->value;
statement(); // 语法分析和执行定义时的函数体
src = startPos;
old_src = startOldPos;
token = startToken; // 恢复保存的当前源代码位置和token；
while (symtab[symPointer - 1].levelNum == currentlevel) {
symPointer--;
}
currentlevel--;
return return_val;
}可对照源码查看（如果觉得写得还行麻烦您帮我点个star哦）
原创声明：本文系作者授权腾讯云开发者社区发表，未经许可，不得转载。
如有侵权，请联系 cloudcommunity@tencent.com 删除。
原创声明：本文系作者授权腾讯云开发者社区发表，未经许可，不得转载。
如有侵权，请联系 cloudcommunity@tencent.com 删除。