程序员的入门其实非常简单。
打开任何一个文本编辑器（例如vim），输入下面的C代码：
#include<stdio.h>
int main()
{
printf(“hello world\n”);
return 0;
}
保存为一个扩展名为.c的文件hello.c，
然后用gcc去编译它，命令为：
gcc hello.c
就可以生成一个可执行文件a.out，
运行它就可以让计算机打印出字符串hello world。
以上就是C语言入门教材的第一节内容，其他语言的第一节内容也大同小异。
但是，你要是多问一下为什么可以这样，就可能把教你C语言的人直接问住，这就是编译原理。
C语言的源程序是一个文本文件
要想把它们转化为01机器码，首先要根据空格、换行、加减乘除等符号把程序文本分割为一个个的单词，这一步就叫作词法分析。
词法分析之后的程序文本，与人眼看到的源程序是一样的。程序从一个各种单字符构成的一个大型字符串，变成了一个个的有意义的单词。
经过词法分析之后的程序，已经属于编译器的内部表示了，脱离了源程序选择的基础母语（英文、中文、或其他语言）。
接下来要做的是语法分析，这一步是基于编程语言的语法进行的，已经与编程语言的基础母语无关了。条件语句的关键字不管是叫if还是如果，到了这一步时都会被编译器给一个数字编号，例如15。
语法分析是编译器里最复杂的代码，它会处理各种复杂的程序逻辑，最终构建一颗抽象语法树（AST）。
像多个if只有一个else的情况下，else应该隶属于哪个if，就是语法分析时要处理的问题。
例如：
int a = 0;
if (1 == 1)
if (2 == 2)
a = 2;
else
a = 1;
上面的else属于最近的if，即第二个if，这种代码都是在语法分析时处理的。
当然也可以规定它属于最远的if，但这么搞会让程序员用起来很不舒服。在技术上可以实现，但在产品体验上非常不好。
语法分析完成之后，只要遍历语法树，就可以获得类似汇编语言的三地址码序列。它是具有复杂逻辑的源程序的线性化结果。源程序都是有反应人类思维的复杂逻辑结构的，最终要转化成01数字构成的线性表，才可以装入内存运行。内存，本质上也是一个高达几个G的线性表。
三地址码序列，就是这个转化的起点。
从这里开始，程序像汇编语言一样，依赖条件判断和跳转来表达复杂的循环结构。例如源代码中的for循环。
然后，把三地址码换成汇编码，再把汇编码换成机器码，就可以在电脑上运行了。
当然机器码也可以是运行在虚拟机上的，而不是直接运行在CPU上的，就像java那样。使用虚拟机可以更容易的跨平台。
汇编码和机器码是一一对应的，只是汇编更容易被人读懂，机器码是用于电脑的。
在三地址码转化到机器码时有一个非常难的问题，就是机器指令的选择和寄存器的分配。这是一个NP问题，在现有数学理论上只能求得近似解。
在编译原理的后端，实际上会涉及到很难的数学问题。优化的越好，涉及的数学越难。
总结：
文本文件=>词法分析（文本字符切成有意义的单词）=>语法分析[如少括号]+语义分析[如变量赋值类型不符合]（单词if或如果都将是同一个数字编号，并带有逻辑意义的抽象语法树AST）=>遍历语法树（获得类似汇编语言的三地址码序列）=>三地址码换成汇编码=>汇编码换成01机器码（汇编码和机器码是一一对应的，只是汇编更容易被人读懂，机器码是用于电脑的）=>运行
相关：
网友评论