Golang 编译原理 计算器(通俗易懂)
Posted Golang语言社区
tags:
篇首语：本文由小常识网(cha138.com)小编为大家整理，主要介绍了Golang 编译原理 计算器(通俗易懂)相关的知识，希望对你有一定的参考价值。
本文不需要你掌握任何编译原理的知识。 只需要看懂简单的golang语言即可， 完整的代码示例在GIT
听到编译原理，就觉得很高大上。记得上大学时，这门课要记忆一些BNF,LEX,AST,CFG这些有的没的。一个听不懂，二个没兴趣。随着使用了几门语言之后，也尝试用编译原理的基本知识写过一个sql转es的工具之后。发现其实了解一点点编译原理的知识，能够提高我们的生产效率，做出一些很酷的小工具来。
本文将用golang和编译原理的基本技术实现一个计算器。虽然功能简单，网上也有很多人做过类似事情，但这篇博客会有三个优点：
我暂时没有找到有人用golang写
我会用最直白的语言去描述我们要做什么，这样当你阅读的时候，会发现该步骤和书中哪一步是对应的，帮助你更好的理解编译原理的知识。
我会用测试驱动整个博客和代码，会让大家看到如何慢慢得演化出这个计算器得解释器。就像小说中人物的黑化有一个发酵的过程才会好看，我希望在本文中能够让读者看到一个解释器编写发酵的过程。
目标
整体会实现一个函数，输入一个String, 输出一个int64。
1// calc.go
2func calc(input string) int64 {
3}
而我们的终极目标是能够让我们的calc的方法能够通过以下的测试
1// calc_test.go
2func TestFinal(t *testing.T) {
3 tests := []struct{
4 input string
5 expected int64
6 }{
7 {"5", 5},
8 {"10", 10},
9 {"-5", -5},
10 {"-10", -10},
11 {"5 + 5 + 5 + 5 - 10", 10},
12 {"2 * 2 * 2 * 2 * 2", 32},
13 {"-50 + 100 + -50", 0},
14 {"5 * 2 + 10", 20},
15 {"5 + 2 * 10", 25},
16 {"20 + 2 * -10", 0},
17 {"50 / 2 * 2 + 10", 60},
18 {"2 * (5 + 10)", 30},
19 {"3 * 3 * 3 + 10", 37},
20 {"3 * (3 * 3) + 10", 37},
21 {"(5 + 10 * 2 + 15 / 3) * 2 + -10", 50},
22 }
23
24 for _, tt := range tests{
25 res := Calc(tt.input)
26 if res != tt.expected{
27 t.Errorf("Wrong answer, got=%d, want=%d", res, tt.expected)
28 }
29 }
30}
我们运行这个测试，毫无疑问会失败。不过没关系，我们先把这个测试放到一边，我们从编译器最简单的开始。
把句子变成一个一个单词
首先我们注意到上面的测试中，我们包含多个字符。有1-9 +-*/()，并且-在数字前面表示这是一个负数。我们现在要做一个函数，将input的输入变成一个一个单词。那么一个计算输入有多少种单词呢？我们可以区分出以下几种。值得注意的是EOF表示结束,ILLEGAL表示非法字符。
1const (
2 ILLEGAL = "ILLEGAL"
3 EOF = "EOF"
4 INT = "INT"
5
6 PLUS = "+"
7 MINUS = "-"
8 BANG = "!"
9 ASTERISK = "*"
10 SLASH = "/"
11
12 LPAREN = "("
13 RPAREN = ")"
14)
另外我们要设计一个读取字符器，更专业的名字叫做词法分析器。他的功能就是不断的读取每一个字符，然后生成我们的词元。注意我们有两个名词了，一个叫词元，一个叫词法分析器。我们都用结构体来描述他们。另外词法分析器的核心函数是NextToken()用于获取下一个词元。
1type Token struct {
2 Type string //对应我们上面的词元类型
3 Literal string // 实际的string字符
4}
5
6type Lexer struct {
7 input string // 输入
8 position int // 当前位置
9 readPosition int // 将要读取的位置
10 ch byte //当前字符
11}
12
13func (l *Lexer) NextToken() Token {
14}
我们不着急实现。照例我们先设计我们的测试。这次我们要达到的目标是我们能够将句子分成特定的词元。
1func TestTokenizer(t *testing.T) {
2 input := `(5 + -10 * 2 + 15 / 3) * 2`
3 tests := []struct {
4 expectedType string
5 expectedLiteral string
6 }{
7 {LPAREN, "("},
8 {INT, "5"},
9 {PLUS, "+"},
10 {MINUS, "-"},
11 {INT, "10"},
12 {ASTERISK, "*"},
13 {INT, "2"},
14 {PLUS, "+"},
15 {INT, "15"},
16 {SLASH, "/"},
17 {INT, "3"},
18 {RPAREN, ")"},
19 {ASTERISK, "*"},
20 {INT, "2"},
21 }
22
23 l := NewLex(input)
24
25 for i, tt := range tests {
26 tok := l.NextToken()
27
28 if tok.Type != tt.expectedType {
29 t.Fatalf("tests[%d] - tokentype wrong. expected=%q, got=%q",
30 i, tt.expectedType, tok.Type)
31 }
32
33 if tok.Literal != tt.expectedLiteral {
34 t.Fatalf("tests[%d] - literal wrong. expected=%q, got=%q",
35 i, tt.expectedLiteral, tok.Literal)
36 }
37 }
38
39}
ok , 为了通过这个测试。我们来实现NextToken()这个函数，首先构建几个辅助函数。
首先我们给lexer提供一个动作函数readChar。这个函数不断读取字符，并且更新结构体的值
1func (l *Lexer) readChar() {
2 if l.readPosition >= len(l.input) {
3 l.ch = 0
4 } else {
5 l.ch = l.input[l.readPosition]
6 }
7 l.position = l.readPosition
8 l.readPosition += 1
9}
另外再来一个skipWhitespace用于在读取时候直接跳过空白字符
1func (l *Lexer) skipWhitespace() {
2 for l.ch == ' ' || l.ch == '\t' || l.ch == '\n' || l.ch == '\r' {
3 l.readChar()
4 }
5}
其实我们读取词源挺简单的，除了像123这种几位数字，其他都是单个字符做一个词元。我们搞一个函数专门来读数字，不过我们先搞一个函数判断字符是不是数字,这里原理很简单，如果是数字不断读下一个，读到不是数字为止。
1func isDigit(ch byte) bool {
2 return '0' <= ch && ch <= '9'
3}
4
5func (l *Lexer) readNumber() string {
6 position := l.position
7 for isDigit(l.ch) {
8 l.readChar()
9 }
10 return l.input[position:l.position]
11}
好了。我们可以开始写NextToken这个核心函数啦。其实很简单，一个switch当前字符，针对不同字符返回不同的Token结构值
1func (l *Lexer) NextToken() Token {
2 var tok Token
3
4 l.skipWhitespace()
5
6 switch l.ch {
7 case '(':
8 tok = newToken(LPAREN, l.ch)
9 case ')':
10 tok = newToken(RPAREN, l.ch)
11 case '+':
12 tok = newToken(PLUS, l.ch)
13 case '-':
14 tok = newToken(MINUS, l.ch)
15 case '/':
16 tok = newToken(SLASH, l.ch)
17 case '*':
18 tok = newToken(ASTERISK, l.ch)
19 case 0:
20 tok.Literal = ""
21 tok.Type = EOF
22 default:
23 if isDigit(l.ch) {
24 tok.Type = INT
25 tok.Literal = l.readNumber()
26 return tok
27 } else {
28 tok = newToken(ILLEGAL, l.ch)
29 }
30 }
31
32 l.readChar()
33 return tok
34}
OK. 在运行测试，测试就通过了，每个input都变成了每个词元。接下来我们要高出一个ast用于运行。
把一个一个词元组成语法树
什么是语法/语法树
首先语法到底是什么？比如说中文中我爱你主谓宾三种词表示一个意思，而必须按照我爱你这三个字顺序来表达，而不是用爱你我这种顺序来说。这个规则便是语法。而表达的意思便是如何告诉计算机你要干什么。
那什么是语法树呢？比如我们要计算机求1 + 2。你可以通过1 + 2这种中缀表达式写，或者是+ 12 这种前缀表达式来表达。但最后该语法的语言大概都会解析成一样的树
1 +
2 / \
3 1 2
而这样的树就是语法树，表示源代码1+2或者+12的抽象语法结构。
那么计算表达式的语法是什么
首先我们定义两种情况。我们在有时候会见到这种语法++i。也就是某个操作符作为前缀与后面数字发生反应。同样还包括我们的-1。同时还有一种更加常见的情况1 + 2。操作符在中间。另外我只是是填写一个数字类似于12。这也是一个计算表达式。 我们先把这三种情况都定义出来。
首先统一使用一个接口。
1 type Expression interface {
2 String() string
3}
这个接口没什么特别的含义。另外我们依据上面考虑的三种情况实现三个结构体，另外都实现了String方法。
1 type IntegerLiteralExpression struct {
2 Token Token
3 Value int64
4}
5
6func (il *IntegerLiteralExpression) String() string { return il.Token.Literal }
7
8type PrefixExpression struct {
9 Token Token
10 Operator string
11 Right Expression
12}
13
14func (pe *PrefixExpression) String() string {
15 var out bytes.Buffer
16
17 out.WriteString("(")
18 out.WriteString(pe.Operator)
19 out.WriteString(pe.Right.String())
20 out.WriteString(")")
21
22 return out.String()
23}
24
25type InfixExpression struct {
26 Token Token
27 Left Expression
28 Operator string
29 Right Expression
30}
31
32func (ie *InfixExpression) String() string {
33 var out bytes.Buffer
34
35 out.WriteString("(")
36 out.WriteString(ie.Left.String())
37 out.WriteString(" ")
38 out.WriteString(ie.Operator)
39 out.WriteString(" ")
40 out.WriteString(ie.Right.String())
41 out.WriteString(")")
42
43 return out.String()
44}
解析器
我们定义完了上面几种expression情况。接下来用一个结构parser来把我们的字符串变成expression。parser里面包含我们上一步的lexer。以及存储error的数组。当前的词元和下一个词元。另外针对于上面提到的两种不同的expression。利用不同的处理方法。
1type Parser struct {
2 l *lexer.Lexer
3 errors []string
4 curToken token.Token
5 peekToken token.Token
6 prefixParseFns map[token.TokenType]prefixParseFn
7 infixParseFns map[token.TokenType]infixParseFn
8}
9
10// 往结构体里面筛处理方法
11func (p *Parser) registerPrefix(tokenType token.TokenType, fn prefixParseFn) {
12 p.prefixParseFns[tokenType] = fn
13}
14func (p *Parser) registerInfix(tokenType token.TokenType, fn infixParseFn) {
15 p.infixParseFns[tokenType] = fn
16}
另外我们的核心函数是将lexer要变成ast，这个核心函数是ParseExpression
1func (p *Parser) ParseExpression(precedence int) Expression {
2}
测试
好啦，准备工作已经做完了。那么开始写测试。我们刚才分析计算表达式只有三个语法。我们针对三个语法做三个简单测试
1. 针对单个数字例如250，我们进行以下测试。这个测试主要测试两个点，一个我们ParseExpression出来的是一个InterLieralExpression。另外一个这个AST节点的值为250。并且我们把integerLiteral的测试单独拿出来。之后可以服用
1func TestIntegerLiteralExpression(t *testing.T) {
2 input := "250"
3 var expectValue int64 = 250
4
5 l := NewLex(input)
6 p := NewParser(l)
7
8
9 checkParseErrors(t, p)
10 expression := p.ParseExpression(LOWEST)
11 testInterLiteral(t, expression, expectValue)
12}
13
14
15func testInterLiteral(t *testing.T, il Expression, value int64) bool {
16 integ, ok := il.(*IntegerLiteralExpression)
17 if !ok {
18 t.Errorf("il not *ast.IntegerLiteral. got=%T", il)
19 return false
20 }
21
22 if integ.Value != value {
23 t.Errorf("integ.Value not %d. got=%d", value, integ.Value)
24 return false
25 }
26 return true
27}
2. 针对前缀表达式例如-250, 我们进行一下测试. 这个测试主要测试两个点，一个我们ParseExpression出来的右值是InterLieralExpression。操作符是-
1func TestParsingPrefixExpression(t *testing.T) {
2 input := "-15"
3 expectedOp := "-"
4 var expectedValue int64 = 15
5
6
7 l := NewLex(input)
8 p := NewParser(l)
9 checkParseErrors(t, p)
10
11 expression := p.ParseExpression(LOWEST)
12 exp, ok := expression.(*PrefixExpression)
13
14 if !ok {
15 t.Fatalf("stmt is not PrefixExpression, got=%T", exp)
16 }
17
18 if exp.Operator != expectedOp {
19 t.Fatalf("exp.Operator is not %s, go=%s", expectedOp, exp.Operator)
20 }
21
22 testInterLiteral(t, exp.Right, expectedValue)
23}
3. 对于中缀表达式如5+5,进行如下测试，当然我们加减乘除都测试一遍
1func TestParsingInfixExpression(t *testing.T) {
2 infixTests := []struct{
3 input string
4 leftValue int64
5 operator string
6 rightValue int64
7 }{
8 {"5 + 5;", 5, "+", 5},
9 {"5 - 5;", 5, "-", 5},
10 {"5 * 5;", 5, "*", 5},
11 {"5 / 5;", 5, "/", 5},
12 }
13
14 for _, tt := range infixTests {
15 l := NewLex(tt.input)
16 p := NewParser(l)
17 checkParseErrors(t, p)
18
19 expression := p.ParseExpression(LOWEST)
20 exp, ok := expression.(*InfixExpression)
21
22 if !ok {
23 t.Fatalf("exp is not InfixExpression, got=%T", exp)
24 }
25
26 if exp.Operator != tt.operator {
27 t.Fatalf("exp.Operator is not %s, go=%s", tt.operator, exp.Operator)
28 }
29
30 testInterLiteral(t, exp.Left, tt.leftValue)
31 testInterLiteral(t, exp.Right, tt.rightValue)
32 }
33}
实现
上面测试写完了，我们就要开始实现了。首先想象一下，我们将input变成了一个一个的词元， 接下来我们对于一个又一个的词元进行处理。我们用到的算法叫做pratt parser。这里具体不展开来讲，有兴趣自己阅读。对于每一个词元，我们都有两个函数去处理她infixParse或者prefixParse。选择哪个函数取决于你在哪个位置。首先我们写一个初始化的函数newParser。
1func NewParser(l *Lexer) *Parser {
2 p := &Parser{
3 l: l,
4 errors: []string{},
5 }
6
7 p.prefixParseFns = make(map[string]prefixParseFn)
8 p.infixParseFns = make(map[string]infixParseFn)
9
10 p.nextToken()
11 p.nextToken()
12 return p
13}
当遇到Integer Token
考虑当我们遇到IntegerExpression时候，就是250 这样当都一个字符。我们注册一下这种情况的处理函数p.registerPrefix(INT, p.parseIntegerLiteral)。 处理函数这里非常简单，我们直接返回一个IntegerLiteralExpression。
1func (p *Parser) parseIntegerLiteral() Expression {
2
3 lit := &IntegerLiteralExpression{Token: p.curToken}
4
5 value, err := strconv.ParseInt(p.curToken.Literal, 0, 64)
6 if err != nil {
7 msg := fmt.Sprintf("could not parse %q as integer", p.curToken.Literal)
8 p.errors = append(p.errors, msg)
9 return nil
10 }
11
12 lit.Value = value
13 return lit
14}
15
16// 在newParser里面加上
当遇到+-*/ Token
我们支持-5 这种形式。同时我们支持5 -1这种形式。我们在newParser里面注册两个处理函数。同样我们遇到+ * /其他三个token。采用parseInfixExpression
1// func NewParser
2 p.registerPrefix(MINUS, p.parsePrefixExpression)
3
4 p.registerInfix(MINUS, p.parseInfixExpression)
5
6 p.registerInfix(PLUS, p.parseInfixExpression)
7 p.registerInfix(MINUS, p.parseInfixExpression)
8 p.registerInfix(SLASH, p.parseInfixExpression)
9 p.registerInfix(ASTERISK, p.parseInfixExpression)
如何实现parsePrefixExpression很简单，获取当前Token。也就是-。下一个TOken是数字。我们递归使用ParseExpression解析出来。不出错的话。这里解析出来的是一个IntegerLiteral
1func (p *Parser) parsePrefixExpression() Expression {
2
3 expression := &PrefixExpression{
4 Token: p.curToken,
5 Operator: p.curToken.Literal,
6 }
7 p.nextToken()
8 expression.Right = p.ParseExpression(PREFIX)
9 return expression
10}
parseInfixExpression差不多情况。但是有一个输入参数left。比如1 + 2。1就是left
1func (p *Parser) parseInfixExpression(left Expression) Expression {
2
3 expression := &InfixExpression{
4 Token: p.curToken,
5 Operator: p.curToken.Literal,
6 Left: left,
7 }
8
9 precedence := p.curPrecedence()
10 p.nextToken()
11
12 expression.Right = p.ParseExpression(precedence)
13
14 return expression
15}
优先级
考虑这样一种情况1 + 3 * 4。如果解析成语法树。我们可以有两种解法
1 *
2 / \
3 + 4
4 / \
5 1 3
1 +
2 / \
3 1 *
4 / \
5 3 4
按照我们小学教育，我们应该选择下面的解法。也就是说乘法比加法要有更高的优先级。或者说在我们的语法树中乘法要比加法处于更高的位置。我们定义出以下几个级别的优先级，与各符号对应的优先级
1 const (
2 _ int = iota
3 LOWEST
4 SUM // +, -
5 PRODUCT // *, /
6 PREFIX // -X
7 CALL // (X)
8)
9
10var precedences = map[string]int{
11 PLUS: SUM,
12 MINUS: SUM,
13 SLASH: PRODUCT,
14 ASTERISK: PRODUCT,
15 LPAREN: CALL,
16}
当遇到（ ） Token
我们支持(1 + 5) * 3 这种形式。这个时候我们强制提升了1 + 5的优先级。我们采用一个处理函数parseGroupedExpression
1// func NewParser
2 p.registerPrefix(MINUS, p.parseGroupedExpression)
如何实现用()来提升优先级，其实就是强制读取()内的内容
1func (p *Parser) parseGroupedExpression() Expression {
2 p.nextToken()
3 exp := p.ParseExpression(LOWEST)
4
5 if !p.expectPeek(token.RPAREN){
6 return nil
7 }
8 return exp
9}
递归主函数ParseExpression
我们通过当前优先级和下一个token的优先级进行对比，如果这个优先级比下一个优先级别低，那就变成infix。用parseInfixExpression处理。如果这个优先级等于或者比下一个优先级高，那就变成了prefix。用parsePrefixExpression处理
1func (p *Parser) ParseExpression(precedence int) Expression {
2 prefix := p.prefixParseFns[p.curToken.Type]
3 returnExp := prefix()
4
5 for precedence < p.peekPrecedence() {
6 infix := p.infixParseFns[p.peekToken.Type]
7 if infix == nil {
8 return returnExp
9 }
10
11 p.nextToken()
12 returnExp = infix(returnExp)
13 }
14
15 return returnExp
16}
当然还有一些辅助函数，这里不再赘述。运行一下测试， 以上是关于Golang 编译原理 计算器(通俗易懂)的主要内容，如果未能解决你的问题，请参考以下文章