编译原理学习笔记

Posted 2022-11-04 hesorchen

目录

• 引论
• • 什么是编译程序
  • 为什么要学习编译原理
  • • • 从计算机科学与技术中学什么？
      • 编译原理的应用
  • 编译过程
  • 编译程序的结构
  • • • 编译程序总框
      • 遍
      • 编译前后端
• 高级程序设计语言概述
• • 常用的高级程序设计语言
  • 程序设计语言的定义
  • 高级程序设计语言的一般特性
  • • • 高级语言的分类
      • 数据类型与操作
      • 标识符与名字
      • 数据结构
      • 抽象数据类型
• 高级程序设计语言的语法描述
• • 上下文无关文法
  • 文法与语言
  • • • 推导
      • 句型、句子和语言
  • 语法树与二义性
  • • • 最左推导和最右推导
      • 语法树
  • 形式语言鸟瞰
• 词法分析
• • 词法分析的概述
  • • • 词法分析器的输出
  • 词法分析器的设计
  • • • 超前搜索
  • 状态转换图
  • 正规式和正规集
  • 正规式的等价性
  • 确定性有限状态自动机
  • 非确定性有限状态自动机
  • DFA与NFA
  • DFA与NFA的等价性证明
  • NFA确定化-子集法
  • 状态集的转换表
  • DFA的化简
  • 正规式与有限自动机的等价性
• 语法分析——至上而下分析
• • 自上而下分析的基本问题
  • 消除文法左递归
  • 消除回溯
  • First集
  • • • First集的构造算法
  • Follow集
  • • • Follow集的构造算法
  • LL(1)分析法
• 语法分析——自下而上分析
• • 移进规约法
  • 短语和直接短语和句柄
  • 规范规约
  • LR分析法
  • • • LR文法
      • 字的前缀、活前缀
      • LR(0)项目
      • 构造识别文法所有活前缀的DFA
      • 通过构造项目集规范簇来构造识别文法所有活前缀的DFA
  • 构造LR(0)分析表
  • 四元式
• 参考资料

引论

什么是编译程序

翻译程序：把某一种语言程序（源语言程序）等价地转换成另一种语言程序（目标语言程序）的程序。

编译程序：编译程序也是一种翻译程序，把某一种高级语言等价的转换为另一种低级语言程序（如汇编语言或机器语言程序）的程序。

解释程序：解释程序也是一种翻译程序，把源语言的源程序作为输入，但不产生目标程序，而是边解释边执行源程序。

为什么要学习编译原理

从计算机科学与技术中学什么？

一系列广泛的计算机科学的思维方法：

• 抽象
• 自动化
• 问题分解
• 递归
• 权衡
• 保护、冗余、容错、纠错、恢复
• 利用启发式推理来寻求解答
• 在不确定情况下的规划、学习和调度
  … …

这些方法在日常生活中也会产生作用。

编译原理是理论和实践相结合的最好典范。

抽象

• 忽略一个主题中与当前问题（或目标）无关的那些方面，以便更充分地注意与当前问题（或目标）有关的方面

• 以众多的事物中抽取出共同、本质性的特征，舍弃其非本质的特征

• 是一种从个体把握一般、从现象把握本质的认知过程和思维方法

• 图灵机

自动化

• 有限自动机、预测分析程序、算符优先分析、LR分析

问题分解

• 将大规模的复杂问题分解成若干个较小规模、更简单的问题加以解决

• 层次化管理

• 编译程序引入中间语言

• 编译过程分成多个阶段（语法分析、词法分析等）

递归

• 问题的解决依赖于类似问题的解决，只不过后者的复杂度更小

• 一旦将问题的复杂程度和规模化简化到足够小时，问题的解法非常简单。

• 递归下降分析法

• 基于树遍历的属性计算

• 语法制导翻译

权衡

• 理论可实现 VS 实际可实现

• 理论研究重在探寻问题求解的方法，对于理论成果的研究运用有需要在能力和运用中做出权衡

• 用上下文无关文法来描述和处理高级程序语言

• 优化措施的选择

编译原理的应用

html、xml分析、语言处理工具、Shell、http、SQL、翻译

编译过程

用中英文翻译类比

中英文翻译	编译
识别出句子中的一个个单词	词法分析
分析句子的语法结构	语法分析
根据句子的含义进行初步翻译	语义分析、中间代码生成
对译文进行修饰	优化
写出最后的译文	目标代码产生

编译程序的结构

编译程序总框

遍

所谓“遍”，是指对程序扫描一遍。

阶段与遍是不同的概念

一遍可以包含若干个阶段 - 词法分析、语法分析
一个阶段也可以分成多遍 - 优化

编译前后端

• 前端

与源语言有关，如词法分析，语法分析，语义分析与中间代码产生，与机器无关的优化

• 后端

与目标机有关的优化，目标代码的产生

• 带来的好处

可移植性更强、程序逻辑结构清晰

高级程序设计语言概述

常用的高级程序设计语言

语言	特点
Fortran	数值计算
Cobol	事务处理
Pascal	结构化程序设计
Lisp	函数式程序设计
Prolog	逻辑程序设计
C	系统程序设计
Smalltalk	面向对象程序设计
Java	Internet应用
Python	解释型语言

相对于机器语言或汇编语言，高级程序设计语言。

• 更接近于数学语言和工程语言，更直观、自然和易于理解
• 更容易验证其正确性
• 编写程序的效率更高
• 更容易移植

程序设计语言的定义

• 词法规则

一般包括：常数、标识符、基本字、算符、界符等

描述工具：有限自动机

• 语法规则

语法单位通常包括：表达式、语句、分程序、过程、函数、程序等

描述工具：上下文无关文法

E -> i ：一个标识符可以单独构成一个算术表达式

E -> E + E：一个算术表达式可以由两个算术表达式构成

E -> E * E：一个算术表达式可以由两个算术表达式构成

E -> (E)：一个算术表达式加上括号还是一个算术表达式

高级程序设计语言的一般特性

高级语言的分类

• 过程式语言
• 应用式语言
• 基于规则的语言
• 面向对象的语言

最近嵌套原则

1. 一个在子程序B1中说明的名字只在B1中有效
2. 如果B2是B1的一个内层子程序且B2中对标识符X没有新的说明，则原来的名字X在B2中仍然有效。【蓝色部分】
3. 如果B2对X重新做了说明，那么，B2对X的任何引用都是指重新说明过的这个X。【红色部分】

数据类型与操作

数据类型三要素

• 数据对象的属性
• 数据对象的取值
• 可用于数据对象的操作

常见语句类型：

1. 数值类型
   整形、浮点型
   可使用+、-、*、/

2. 布尔类型
   true、false
   可使用&、|

标识符与名字

名字的绑定是指将标识符与所代表的程序数据或代码进行关联

静态绑定：在编译过程中的绑定称为静态绑定。如声明一个整形变量。
动态绑定：在运行时的绑定称为动态绑定。如C++中的多态性、虚函数。

• 标识符

语法概念

以字母开头的，由数字和字母组成的字符串。

• 名字

语义概念

名字有确切的意义和属性。

数据结构

• 数组

数组是有同一类型数据组成的某种n维矩形结构，沿着每一维的距离，称为下标。

编译时确定长度的称为不可变数组，否则称为可变数组。

还分为按行存放、按列存放。

• 记录

由已知的数据组合在一起的一种结构

record
   char name[20];
   interger age;
cards[1000];

访问：cards[k].name

其他常用数据结构：字符串、栈、队列、表格、链表等。

表格：本质上是记录数组

抽象数据类型

对类型对象的封装，即，除了使用类型中所定义的运算外，用户不能对这些对象进行操作。

高级程序设计语言的语法描述

上下文无关文法

• 字母表：一个有穷字符集，记为$\Sigma$

• 字母表中每个元素称为字符

• $\Sigma$上的字（也叫字符串）是指由$\Sigma$中的字符所构成的一个又穷序列。

• 不包含任何字符的序列称为空字，记为 $\epsilon$

• $\Sigma$* 表示$\Sigma$上的所有字的全体，包含$\epsilon$

例如， $\Sigma$=a，b，则 $\Sigma$=$\epsilon$，a，b，aa，ab，ba，bb，aaa，… …*

• $\Sigma$*的子集$U$和$V$的连接（积）定义为$UV$=$\alpha \beta$|$\alpha \in U\&\beta \in V$

例如，$U$=$a，b$，$V$=$c，d$，则$UV$=$ac，ad，bc，bd$

• 一个字符集 $V$ 的$n$次积记作 $V^n=VV...V$（共n个$V$）。特别的，$V^0$=$\epsilon$

• $V$ *是$V$的闭包：$V$ * = $V^0 \\cup V^1 \\cup V^2 \\cup … … $

• $V$+是$V$的正规闭包：$V$+ =$VV$ *

闭包与正规闭包的区别：假设V中不包含空字 $\epsilon$，那么闭包中包含空字，而正规闭包中不包含空字

上下文无关文法G是一个四元组 $G=(V_T,V_N,S,P)$，其中

$V_T$：终结符（Terminator）集合
$V_N$：非终结符（Nonterminator）集合
$P$：产生式
$S$：文法开始的符号，这是一个特殊的非终结符

一般约定：

1. 第一条产生式的左部是开始符号。
2. 用大写字母表示非终结符，小写字母表示终结符
3. 设文法G开始符号为S，我们可以将文法写成G[S]
4. 为了简洁，将相同左部的多个产生式，右部用“|”符号连接

有时候不需要将文法G的四元组显式地表示出来，只将产生式写出即可。因为产生式中已经包含了所有非终结符、终结符。

下面几种文法的表示方法都是等价的：

G=(S,A,a,b,P,S)
其中P：
    S -> Ad
    A -> a
    A -> b
    A -> c

G[S]:
    S -> Ad
    A -> a
    A -> b
    A -> c

G[S]:
    S -> Ad
    A -> a|b|c

文法与语言

推导

推导：将某个非终结符用某个产生式的右部进行替换展开，直到产生式中全部为终结符为止，这个过程称为推导。

对文法G(E):E->E+E|E*E|i|(E)进行推导：

$E\Rightarrow E+E\Rightarrow i+E\Rightarrow i+i$

句型、句子和语言

• 文法G推导过程中产生的所有符号串称为句型。
• 仅包含终结符的句型称为句子。
• 所有句子的集合称为文法G的语言。

证明i*(i+i)是文法E->(E)|E*E|E+E|i的一个句子：

$E\Rightarrow E\ast E\Rightarrow E\ast (E)\Rightarrow E\ast (E+E)\Rightarrow i\ast (E+E)\Rightarrow i\ast (i+E)\Rightarrow i\ast (i+i)$

利用递归思维，解决 给出语言求文法、给出文法求语言 相关问题：

• 请求出$a^n{b}^n|n>0$的文法
• 请求出文法G(E):
  E -> ab
  E -> aEb
  产生的语言

语法树与二义性

最左推导和最右推导

从一个句型到另一个的推导往往不唯一

$E\Rightarrow E+E\Rightarrow i+E\Rightarrow i+i$

$E\Rightarrow E+E\Rightarrow E+i\Rightarrow i+i$

最左推导：任何一步推导都是对当前句型中的最左非终结符进行替换

最右推导：任何一步推导都是对当前句型中的最右非终结符进行替换

语法树

$E\Rightarrow E\ast E\Rightarrow E\ast (E)\Rightarrow E\ast (E+E)\Rightarrow i\ast (E+E)\Rightarrow i\ast (i+E)\Rightarrow i\ast (i+i)$

以下是上述文法的语法树

最左推导和最右推导最后得到的语法树是一样的，只不过生长顺序不同。

二义性：

• 文法的二义性：如果一个文法存在某个句子对应两颗不同的语法树，则说这个文法是二义的。

• 语言的二义性：如果能找到一个二义性的、能产生该语言的文法，该语言是二义的。

形式语言鸟瞰

0/1/2/3型文法，四种文法都包含终结符、非终结符、开始符号，但是对产生式的限制不一样。

编译原理学习笔记

编译原理-LL1文法详细讲解

编译原理笔记--语法分析

编译原理笔记--语法分析

-编译原理-

重要概念与题型总结