代碼是如何被被編譯的？
作者：了不起
在我們使用的所有編程語言，比如Java、C、javascript等，我們都會編寫文本格式的源代碼，編譯器或解釋器會將源代碼按照語言語法解析成對應的語法結構樹，基于該結構一來可以實現語法檢查、代碼高亮等功能，同時針對特定代碼塊可以有很多其他操作。
最近需要寫一個編輯擴展組件，主要功能類似于Excel的單元格編輯框，主要針對單元格輸入內容的處理。要知道在Excel中，每個單元格除了可以輸入文本內容（包括字符、數字、日期等）外，還有包括函數。 那么在輸入函數時，如果聚焦到函數（比如IF VLOOKUP）或單元格（比如A1 A2）上，都會有對應的響應，那么我們輸入的文本，是如何識別到其中的函數，常量，單元格的呢？并且在被聚焦后能夠做出對應的響應？
基于這樣的需求，經過分析后發現真正需要做的事情，其實是將輸入的內容進行解析，然后根據解析的結果，進行相應的處理，最終生成一段HTML內容，而所有的點擊響應都是對DOM元素的事件監聽而已， 而這里面的關鍵則是如何將輸入的內容，解析成對應的AST，后面生成HTML的過程也就簡單了。
思考
現在有這樣的一個Excel公式，調用了IF、VLOOKUP函數，引用了單元格與外部sheet區域，包括操作符號，常量等等元素：
IF(VLOOKUP(A1,"sheet1"!$A$1:$C$50,1,2) > 3, 4, 5)接下來，我們需要做的是將上面的文本轉換成下面的存儲結構，也就是AST（抽象語法樹）：
{
type: 'Program',
body: [{
type: 'function',
name: 'IF',
params: [
{
type: 'expression,
body: [
{
type: 'function',
name: 'VLOOKUP',
params: [
{
type: 'cell',
value: 'A1',
},
{
type: 'range',
ref: 'sheet1'
value: '$A$1:$C$50',
},
{
type: 'number',
value: '1'
},
{
type: 'number',
value: '2'
}
]
},
{
type: 'operator',
value: '>'
},
{
type: 'number',
value: '3'
}
]
}，
{
type: 'number',
value: '4',
},
{
type: 'NumberLiteral',
value: '5',
}
]
}]
}基于結構化的樹，可以很放標轉換成類似下面的HTML形式，要知道對html的操作是非常方便的：
<div class="editor">
<span class="function">IF</span>
<span>(</span>
<span class="exception">
<span>VLOOKUP</span>
<span>(</span>
<span class="cell">A1</span>
<span>,</span>
<span class="ref">sheet1!</span>
<span class="range">"sheet"!$A$1:$C$50</span>
<span>,</span>
<span class="number">1</span>
<span>,</span>
<span class="number">2</span>
<span>)</span>
<span class="operator">></span>
<span class="number">3</span>
</span>
<span class="number">4</span>
<span>,</span>
<span class="number">5</span>
<span>)</span>
</div>最后為為上面的html內容添加樣式，并為不同類型的元素綁定事件與處理邏輯，這樣不僅可以對輸入內容高亮，在點擊函數、單元格時，還可以給出對應的提示信息或響應。
上面的內容僅僅是實現一個功能的思考與假設，實際的實現可能有所差異，但是實現的過程是類似的。
在我們使用的所有編程語言，比如Java、C、javascript等，我們都會編寫文本格式的源代碼，編譯器或解釋器會將源代碼按照語言語法解析成對應的語法結構樹，基于該結構一來可以實現語法檢查、代碼高亮等功能，同時針對特定代碼塊可以有很多其他操作。
實現
通過上面的分析，可以看到核心要實現的是將文本內容解析成語法樹的過程。在完成這部分功能的過程中，看到一個基于javascript實現的類似功能的例子the-super-tiny-compiler.js，通過幾百行的代碼，把這這一過程清晰地表現出來。
其過程主要包括下面幾個步驟：
- tokenizer：詞法分析的，以字符為單位逐個遍歷文本，構建成一個token數組來描述文本內容，其中每一個token主要包含type,value
- parser：語法分析，將上面的token數組轉換樹結構
- transformer：遍歷上面語法樹各種類型的節點，針對不同的節點類型，執行不同的操作，生成最終帶有語言特性標識的語法樹
- codeGenerator：基于語法樹生成最終的代碼
下面是具體的實現過程：
tokenizer
function tokenizer(input) {
let current = 0;
let tokens = [];
while (current < input.length) {
let char = input[current];
if (char === '(') {
tokens.push({
type: 'paren',
value: '(',
});
current++;
continue;
}
if (char === ')') {
tokens.push({
type: 'paren',
value: ')',
});
current++;
continue;
}
let WHITESPACE = /\s/;
if (WHITESPACE.test(char)) {
current++;
continue;
}
let NUMBERS = /[0-9]/;
if (NUMBERS.test(char)) {
let value = '';
while (NUMBERS.test(char)) {
value += char;
char = input[++current];
}
tokens.push({ type: 'number', value });
continue;
}
if (char === '"') {
let value = '';
char = input[++current];
while (char !== '"') {
value += char;
char = input[++current];
}
char = input[++current];
tokens.push({ type: 'string', value });
continue;
}
let LETTERS = /[a-z]/i;
if (LETTERS.test(char)) {
let value = '';
while (LETTERS.test(char)) {
value += char;
char = input[++current];
}
tokens.push({ type: 'name', value });
continue;
}
throw new TypeError('I dont know what this character is: ' + char);
}
return tokens;
}parser
function parser(tokens) {
let current = 0;
function walk() {
let token = tokens[current];
if (token.type === 'number') {
current++;
return {
type: 'NumberLiteral',
value: token.value,
};
}
if (token.type === 'string') {
current++;
return {
type: 'StringLiteral',
value: token.value,
};
}
if (
token.type === 'paren' &&
token.value === '('
) {
token = tokens[++current];
let node = {
type: 'CallExpression',
name: token.value,
params: [],
};
token = tokens[++current];
while (
(token.type !== 'paren') ||
(token.type === 'paren' && token.value !== ')')
) {
node.params.push(walk());
token = tokens[current];
}
current++;
return node;
}
throw new TypeError(token.type);
}
let ast = {
type: 'Program',
body: [],
};
while (current < tokens.length) {
ast.body.push(walk());
}
return ast;
}traverser
function traverser(ast, visitor) {
function traverseArray(array, parent) {
array.forEach(child => {
traverseNode(child, parent);
});
}
function traverseNode(node, parent) {
let methods = visitor[node.type];
if (methods && methods.enter) {
methods.enter(node, parent);
}
switch (node.type) {
case 'Program':
traverseArray(node.body, node);
break;
case 'CallExpression':
traverseArray(node.params, node);
break;
case 'NumberLiteral':
case 'StringLiteral':
break;
default:
throw new TypeError(node.type);
}
if (methods && methods.exit) {
methods.exit(node, parent);
}
}
traverseNode(ast, null);
}transformer
function transformer(ast) {
let newAst = {
type: 'Program',
body: [],
};
ast._context = newAst.body;
traverser(ast, {
NumberLiteral: {
enter(node, parent) {
parent._context.push({
type: 'NumberLiteral',
value: node.value,
});
},
},
StringLiteral: {
enter(node, parent) {
parent._context.push({
type: 'StringLiteral',
value: node.value,
});
},
},
CallExpression: {
enter(node, parent) {
let expression = {
type: 'CallExpression',
callee: {
type: 'Identifier',
name: node.name,
},
arguments: [],
};
node._context = expression.arguments;
if (parent.type !== 'CallExpression') {
expression = {
type: 'ExpressionStatement',
expression: expression,
};
}
parent._context.push(expression);
},
}
});
return newAst;
}codeGenerator
function codeGenerator(node) {
switch (node.type) {
case 'Program':
return node.body.map(codeGenerator)
.join('\n');
case 'ExpressionStatement':
return (
codeGenerator(node.expression) +
);
case 'CallExpression':
return (
codeGenerator(node.callee) +
'(' +
node.arguments.map(codeGenerator)
.join(', ') +
')'
);
case 'Identifier':
return node.name;
case 'NumberLiteral':
return node.value;
case 'StringLiteral':
return '"' + node.value + '"';
default:
throw new TypeError(node.type);
}
}compiler
function compiler(input) {
let tokens = tokenizer(input);
let ast = parser(tokens);
let newAst = transformer(ast);
let output = codeGenerator(newAst);
return output;
}const input = '(add 2 (subtract 4 2))';
compiler(input);感興趣的可以查看相關的源代碼，上面的解釋比代碼還多，逐行都有非常詳細的描述。雖然只是一段簡單的示例，但是將一段代碼的編譯過程都清晰地展現出來，對理解編譯過程非常有幫助。像Vue React這樣的框架，其編譯過程也是基于這個思路，通過一系列的處理流程，最終生成帶有語言特性的內容。
結束語
本篇文章主要基于目前遇到的的一個需求，結合自己分析與思考來了解需求的本質，最后通過一個javascript的示例，幫助我們理解這個過程。
責任編輯：武曉燕
來源：
Java技術指北
