用C语言写解释器(四)——语句分析
redraiment, 2009-11-02
语句
在前面的章节中已经成功实现了内存管理和表达式求值模块。之所以称表达式求值是解释器的核心部分,是因为几乎所有语句的操作都伴随着表达式求值。也许你已经迫不及待地给 eval 传值让它执行复杂的运输了,但目前来讲它充其量只是一个计算器。要想成为一门语言,还需要一套自成体系的语法,包括输入输出语句和控制语句。但在进行语法分析之前,首先需要将 BASIC 源码载入到内存中。
BASIC 源码载入
在《用C语言写解释器(一)》中附了一段 BASIC 参考代码,每一行的结构是一个行号+一条语句。其中行号为 1-9999 之间的正整数,且当前行号大于前面的行号;语句则由以下即将介绍的 3 条 I/O 语句和 8 条控制语句组成。为方便编码,程序中采用静态数组来保存源代码,读者可以尝试用链表结构实现动态申请的版本。下面是代码结构的定义。
// in basic_io.h#define PROGRAM_SIZE (10000)
typedef struct {int ln; // line numberSTRING line;} CODE;
extern CODE code[PROGRAM_SIZE];extern int cp;extern int code_size;
其中 code_size 的作用顾名思义:记录代码的行数。cp (0 ≤ cp < code_size)记录当前行的下标(比如 cp 等于5时表明执行到第5行)。下面是载入 BASIC 源码的参考代码,在载入源码的同时会去除两端的空白字符。
// in basic_io.cvoid load_program ( STRING filename ){FILE *fp = fopen ( filename, "r" );int bg, ed;
if ( fp == NULL ) {fprintf ( stderr, "文件 %s 无法打开!\n", filename );exit ( EXIT_FAILURE );}
while ( fscanf ( fp, "%d", &code[cp].ln ) != EOF ) {if ( code[cp].ln <= code[cp-1].ln ) {fprintf ( stderr, "Line %d: 标号错误!\n", cp );exit ( EXIT_FAILURE );}
fgets ( code[cp].line, sizeof(code[cp].line), fp );for ( bg = 0; isspace(code[cp].line[bg]); bg++ );ed = (int)strlen ( code[cp].line + bg ) - 1;while ( ed >= 0 && isspace ( code[cp].line[ed+bg] ) ) {ed--;}if ( ed >= 0 ) {memmove ( code[cp].line, code[cp].line + bg, ed + 1 );code[cp].line[ed + 1] = 0;} else {code[cp].line[0] = 0;}
cp++;if ( cp >= PROGRAM_SIZE ) {fprintf ( stderr, "程序%s太大,代码空间不足!\n", filename );exit ( EXIT_FAILURE );}}
code_size = cp;cp = 1;}
语法分析
源码载入完成后就要开始逐行分析语句了,程序中总共能处理以下 11 种语句:
// in main.ctypedef enum {key_input = 0, // INPUTkey_print, // PRINTkey_for, // FOR .. TO .. STEPkey_next, // NEXTkey_while, // WHILEkey_wend, // WENDkey_if, // IFkey_else, // ELSEkey_endif, // END IFkey_goto, // GOTOkey_let // LET} keywords;
《用C语言写解释器(一)》中详细描述了每个语句的语法,本程序中所谓的语法其实就是字符串匹配,参考代码如下:
// in main.ckeywords yacc ( const STRING line ){if ( !strnicmp ( line, "INPUT ", 6 ) ) {return key_input;} else if ( !strnicmp ( line, "PRINT ", 6 ) ) {return key_print;} else if ( !strnicmp ( line, "FOR ", 4 ) ) {return key_for;} else if ( !stricmp ( line, "NEXT" ) ) {return key_next;} else if ( !strnicmp ( line, "WHILE ", 6 ) ) {return key_while;} else if ( !stricmp ( line, "WEND" ) ) {return key_wend;} else if ( !strnicmp ( line, "IF ", 3 ) ) {return key_if;} else if ( !stricmp ( line, "ELSE" ) ) {return key_else;} else if ( !stricmp ( line, "END IF" ) ) {return key_endif;} else if ( !strnicmp ( line, "GOTO ", 5 ) ) {return key_goto;} else if ( !strnicmp ( line, "LET ", 4 ) ) {return key_let;} else if ( strchr ( line, '=' ) ) {return key_let;}
return -1;}
每个语句对应有一个执行函数,在分析出是哪种语句后,就可以调用它了!为了编码方便,我们将这些执行函数保存在一个函数指针数组中,请看下面的参考代码:
// in main.c
void (*key_func[])( const STRING ) = {exec_input,exec_print,exec_for,exec_next,exec_while,exec_wend,exec_if,exec_else,exec_endif,exec_goto,exec_assignment};
int main ( int argc, char *argv[] ){if ( argc != 2 ) {fprintf ( stderr, "usage: %s basic_script_file\n", argv[0] );exit ( EXIT_FAILURE );}
load_program ( argv[1] );
while ( cp < code_size ) {(*key_func[yacc ( code[cp].line )]) ( code[cp].line );cp++;}
return EXIT_SUCCESS;}
以上代码展示的就是整个程序的基础框架,现在欠缺的只是每个语句的执行函数,下面将逐个详细解释。
I/O语句
输入输出是一个宽泛的概念,并不局限于从键盘输入和显示到屏幕上,还包括操作文件、连接网络、进程通信等。《我们的目标》中指出只需实现从键盘输入(INPUT)和显示到屏幕上(PRINT),事实上还应该包括赋值语句,只不过它属于程序内部的I/O。
INPUT 语句
INPUT 语句后面跟着一堆变量名(用逗号隔开)。因为变量是弱类型,你可以输入数字或字符串。但C语言是强类型语言,为实现这个功能就需要判断一下 scanf 的返回值。我们执行 scanf ( "%lf", &memory[n].i ),如果你输入的是一个数字,就能成功读取一个浮点数,函数返回 1、否则就返回 0;不能读取时就采用 getchar 来获取字符串!参考代码如下:
// in basic_io.c
void exec_input ( const STRING line ){const char *s = line;int n;
assert ( s != NULL );s += 5;
while ( *s ) {while ( *s && isspace(*s) ) {s++;}if ( !isalpha(*s) || isalnum(*(s+1)) ) {perror ( "变量名错误!\n" );exit ( EXIT_FAILURE );} else {n = toupper(*s) - 'A';}
if ( !scanf ( "%lf", &memory[n].i ) ) {int i;// 用户输入的是一个字符串memory[n].type = var_string;if ( (memory[n].s[0] = getchar()) == '"' ) {for ( i = 0; (memory[n].s[i]=getchar())!='"'; i++ );} else {for ( i = 1; !isspace(memory[n].s[i]=getchar()); i++ );}memory[n].s[i] = 0;} else {memory[n].type = var_double;}
do {s++;} while ( *s && isspace(*s) );if ( *s && *s != ',' ) {perror ( "INPUT 表达式语法错误!\n" );exit ( EXIT_FAILURE );} else if ( *s ) {s++;}}}
PRINT 语句
输出相对简单些,PRINT 后面跟随的是一堆表达式,表达式只需委托给 eval 来求值即可,因此 PRINT 要做的仅仅是按照值的类型来输出结果。唯一需要小心的就是类似 PRINT "hello, world" 这样字符串中带有逗号的情况,以下是参考代码:
// in basic_io.cvoid exec_print ( const STRING line ){STRING l;char *s, *e;VARIANT v;int c = 0;
strcpy ( l, line );s = l;
assert ( s != NULL );s += 5;
for (;;) {for ( e = s; *e && *e != ','; e++ ) {// 去除字符串if ( *e == '"' ) {do {e++;} while ( *e && *e != '"' );}}if ( *e ) {*e = 0;} else {e = NULL;}
if ( c++ ) putchar ( '\t' );v = eval ( s );if ( v.type == var_double ) {printf ( "%g", v.i );} else if ( v.type == var_string ) {printf ( v.s );}
if ( e ) {s = e + 1;} else {putchar ( '\n' );break;}}}
LET 语句
在 BASIC 中,“赋值”和“等号”都使用“=”,因此不能像 C 语言中使用 A = B = C 这样连续赋值,在 BASIC 中它的意思是判断 B 和 C 的值是否相等并将结果赋值给 A 。而且关键字 LET 是可选的,即 LET A = 1 和 A = 1 是等价的。剩下的事情那个就很简单了,只要将表达式的值赋给变量即可。以下是参考代码:
// in basic_io.cvoid exec_assignment ( const STRING line ){const char *s = line;int n;
if ( !strnicmp ( s, "LET ", 4 ) ) {s += 4;}while ( *s && isspace(*s) ) {s++;}if ( !isalpha(*s) || isalnum(*(s+1)) ) {perror ( "变量名错误!\n" );exit ( EXIT_FAILURE );} else {n = toupper(*s) - 'A';}
do {s++;} while ( *s && isspace(*s) );if ( *s != '=' ) {fprintf ( stderr, "赋值表达式 %s 语法错误!\n", line );exit ( EXIT_FAILURE );} else {memory[n] = eval ( s + 1 );}}
控制语句
现在是最后一个模块——控制语句。控制语句并不参与交互,它们的作用只是根据一定的规则来改变代码指针(cp)的值,让程序能到指定的位置去继续执行。限于篇幅,本节只介绍 for、next 以及 goto 三个控制语句的实现方法,读者可以尝试自己完成其他函数,也可以参看附带的完整代码。
FOR 语句
先来看一下 FOR 语句的结构:
FOR var = expression1 TO expression2 [STEP expression3]
它首先要计算三个表达式,获得 v1、v2、v3 三个值,然后让变量(var)从 v1 开始,每次迭代都加 v3,直到超出 v2 的范围位置。因此,每一个 FOR 语句,我们都需要保存这四个信息:变量名、起始值、结束值以及步长。另外,不要忘记 FOR 循环等控制语句可以嵌套使用,因此需要开辟一组空间来保存这些信息,参考代码如下:
// in grammar.hstatic struct {int id; // memory indexint ln; // line numberdouble target; // target valuedouble step;} stack_for[MEMORY_SIZE];static int top_for = -1;
分析的过程就是通过 strstr 在语句中搜索“=”、“TO”、“STEP”等字符串,然后将提取的表达式传递给 eval 计算,并将值保存到 stack_for 这个空间中。参考代码如下:
// in grammar.cvoid exec_for ( const STRING line ){STRING l;char *s, *t;int top = top_for + 1;
if ( strnicmp ( line, "FOR ", 4 ) ) {goto errorhandler;} else if ( top >= MEMORY_SIZE ) {fprintf ( stderr, "FOR 循环嵌套过深!\n" );exit ( EXIT_FAILURE );}
strcpy ( l, line );
s = l + 4;while ( *s && isspace(*s) ) s++;if ( isalpha(*s) && !isalnum(s[1]) ) {stack_for[top].id = toupper(*s) - 'A';stack_for[top].ln = cp;} else {goto errorhandler;}
do {s++;} while ( *s && isspace(*s) );if ( *s == '=' ) {s++;} else {goto errorhandler;}
t = strstr ( s, " TO " );if ( t != NULL ) {*t = 0;memory[stack_for[top].id] = eval ( s );s = t + 4;} else {goto errorhandler;}
t = strstr ( s, " STEP " );if ( t != NULL ) {*t = 0;stack_for[top].target = eval ( s ).i;s = t + 5;stack_for[top].step = eval ( s ).i;if ( fabs ( stack_for[top].step ) < 1E-6 ) {goto errorhandler;}} else {stack_for[top].target = eval ( s ).i;stack_for[top].step = 1;}
if ( (stack_for[top].step > 0 &&memory[stack_for[top].id].i > stack_for[top].target)||(stack_for[top].step < 0 &&memory[stack_for[top].id].i < stack_for[top].target)) {while ( cp < code_size && strcmp(code[cp].line, "NEXT") ) {cp++;}if ( cp >= code_size ) {goto errorhandler;}} else {top_for++;}
return;
errorhandler:fprintf ( stderr, "Line %d: 语法错误!\n", code[cp].ln );exit ( EXIT_FAILURE );}
NEXT 语句
NEXT 的工作就简单得多了。它从 stack_for 这个空间中取出最后一组数据,让变量的值累加上步长,并判断循环是否结束。如果结束就跳出循环执行下一条语句;否则就将代码指针移回循环体的顶部,继续执行循环体。下面是参考代码。
// in grammar.cvoid exec_next ( const STRING line ){if ( stricmp ( line, "NEXT" ) ) {fprintf ( stderr, "Line %d: 语法错误!\n", code[cp].ln );exit ( EXIT_FAILURE );}if ( top_for < 0 ) {fprintf ( stderr, "Line %d: NEXT 没有相匹配的 FOR!\n", code[cp].ln );exit ( EXIT_FAILURE );}
memory[stack_for[top_for].id].i += stack_for[top_for].step;if ( stack_for[top_for].step > 0 &&memory[stack_for[top_for].id].i > stack_for[top_for].target ) {top_for--;} else if ( stack_for[top_for].step < 0 &&memory[stack_for[top_for].id].i < stack_for[top_for].target ) {top_for--;} else {cp = stack_for[top_for].ln;}}
GOTO 语句
也许你认为 GOTO 语句只是简单的将 cp 的值设置为指定的行,但事实上它比想象中的要复杂些。考虑下面的 BASIC 代码:
0010 I = 50020 GOTO 400030 FOR I = 1 TO 100040 PRINT I0050 NEXT
像这类代码,直接跳到循环体内部,如果只是简单地将 cp 移动到指定位置,当代码继续执行到 NEXT 时就会报告没有对应的 FOR 循环!跳到其他的控制结构,如 WHILE、IF 等,也会出现相同的问题。以下是参考代码(有删减)。
// in grammar.cvoid exec_goto ( const STRING line ){int ln;
if ( strnicmp ( line, "GOTO ", 5 ) ) {fprintf ( stderr, "Line %d: 语法错误!\n", code[cp].ln );exit ( EXIT_FAILURE );}
ln = (int)eval ( line + 5 ).i;if ( ln > code[cp].ln ) {// 往下跳转while ( cp < code_size && ln != code[cp].ln ) {if ( !strnicmp ( code[cp].line, "IF ", 3 ) ) {top_if++;stack_if[top_if] = 1;} else if ( !stricmp ( code[cp].line, "ELSE" ) ) {stack_if[top_if] = 1;} else if ( !stricmp ( code[cp].line, "END IF" ) ) {top_if--;} else if ( !strnicmp ( code[cp].line, "WHILE ", 6 ) ) {top_while++;stack_while[top_while].isrun = 1;stack_while[top_while].ln = cp;} else if ( !stricmp ( code[cp].line, "WEND" ) ) {top_while--;} else if ( !strnicmp ( code[cp].line, "FOR ", 4 ) ) {int i = 4;VARIANT v;while ( isspace(code[cp].line[i]) ) i++;v = memory[toupper(code[cp].line[i])-'A'];exec_for ( code[cp].line );memory[toupper(code[cp].line[i])-'A'] = v;} else if ( !stricmp ( code[cp].line, "NEXT" ) ) {top_for--;}cp++;}} else if ( ln < code[cp].ln ) {// 往上跳转// 代码类似,此处省略} else {// 我不希望出现死循环,你可能有其他处理方式fprintf ( stderr, "Line %d: 死循环!\n", code[cp].ln );exit ( EXIT_FAILURE );}
if ( ln == code[cp].ln ) {cp--;} else {fprintf ( stderr, "标号 %d 不存在!\n", ln );exit ( EXIT_FAILURE );}}
总结
本章介绍了源码载入、语法分析以及部分语句的实现,WHILE 和 IF 等控制语句方法和 FOR、NEXT 类似,有兴趣的读者请尝试自己实现(或者参看附带的完整源码)。这样一个解释器的四个关键部分“内存管理”、“表达式求值”、“输入输出”和“控制语句”就全部介绍完了,希望你也能写出自己的解释器。下一篇我将总结一下我个人对编程语言的一些思考,如果你也有兴趣请继续关注《用C语言写解释器(五)》!
评论
发表评论