Skip to content

最簡編譯流程

以最宏觀的角度來看,編譯器是程序,輸入源碼,輸出目標碼。

而當輸出是高階語言時,通常稱為轉譯。當此一程序輸出的是機器碼,或是很低階、很類似機器碼的虛擬機碼(如 JVM bytecode、webassembly),稱之為編譯器。

輸入跟輸出也有可能是同一個語言,常見的例如 JavaScript 的源碼混淆器(醜化器)、體積優化器。

本作僅關注於編譯器,故接下來將編譯器的內部繼續展開介紹,一般來說,編譯器能簡單拆分成前端跟後端。

編譯器的前後端

編譯器前後端

這張圖中可以看到,在源碼跟目標碼兩種格式之中,硬生生插入了一個中介形式出來,這個中介形式通常是抽象語法樹,或是某種接近機器碼,但以比特定機器碼更有結構的中介碼,最知名的例子就是 LLVM IR。

為什麼一定要有這個中介形式呢?如果是目標碼只有一種的編譯器,很可能不會有生出中介碼的步驟,而是直接從語法樹就變出機器語言了。此時生成語法樹之前叫前端,語法樹之後叫後端,就只是約定俗成的稱呼罷了,大致象徵著編譯程序已經把源碼轉換成有結構的形式,接下來就是優化跟生成目標碼了。

然而,當源碼跟目標碼不只一種時,中介形式的存在能省去大量的重複工作。

M * N 種編譯器

若不採用中介形式,如上圖所示,M 種源碼、 N 種目標,硬要獨立寫編譯器,可以寫出 M * N 個後端出來。

N 個後端

先把 M 種源碼都編譯到中介形式,再從中介形式生成目標碼,就可以不用重複寫後端生成目標碼的部分了。

編譯器前中後端

雖然程式語言語義各不相同,但到了中介形式這層,有大量的優化手段是通用的,例如死碼消除、常數摺疊,幾乎對所有主流語言都有益處。有道友將此一通用優化稱之為中端,如此就將編譯器分成了三層。

/編譯器前中後端

這三層的內部都可以再拆分,下圖再將前端和後端多拆分了幾層。

/編譯器前中後端細分

下一章會從前端開始細說。