本文不需要你掌握任何编译原理的知识。 只需要看懂简单的golang语言即可, 完整的代码示例在GIT
听到编译原理,就觉得很高大上。记得上大学时,这门课要记忆一些BNF
,LEX
,AST
,CFG
这些有的没的。一个听不懂,二个没兴趣。随着使用了几门语言之后,也尝试用编译原理的基本知识写过一个sql转es的工具之后。发现其实了解一点点编译原理的知识,能够提高我们的生产效率,做出一些很酷的小工具来。
本文将用golang和编译原理的基本技术实现一个计算器。虽然功能简单,网上也有很多人做过类似事情,但这篇博客会有三个优点:
- 我暂时没有找到有人用golang写
- 我会用最直白的语言去描述我们要做什么,这样当你阅读的时候,会发现该步骤和书中哪一步是对应的,帮助你更好的理解编译原理的知识。
- 我会用测试驱动整个博客和代码,会让大家看到如何慢慢得演化出这个计算器得解释器。就像小说中人物的黑化有一个发酵的过程才会好看,我希望在本文中能够让读者看到一个解释器编写发酵的过程。
目标
整体会实现一个函数,输入一个String
, 输出一个int64
。
// calc.go
func calc(input string) int64 {
}
而我们的终极目标是能够让我们的calc
的方法能够通过以下的测试
// calc_test.go
func TestFinal(t *testing.T) {
tests := []struct{
input string
expected int64
}{
{"5", 5},
{"10", 10},
{"-5", -5},
{"-10", -10},
{"5 + 5 + 5 + 5 - 10", 10},
{"2 * 2 * 2 * 2 * 2", 32},
{"-50 + 100 + -50", 0},
{"5 * 2 + 10", 20},
{"5 + 2 * 10", 25},
{"20 + 2 * -10", 0},
{"50 / 2 * 2 + 10", 60},
{"2 * (5 + 10)", 30},
{"3 * 3 * 3 + 10", 37},
{"3 * (3 * 3) + 10", 37},
{"(5 + 10 * 2 + 15 / 3) * 2 + -10", 50},
}
for _, tt := range tests{
res := Calc(tt.input)
if res != tt.expected{
t.Errorf("Wrong answer, got=%d, want=%d", res, tt.expected)
}
}
}
我们运行这个测试,毫无疑问会失败。不过没关系,我们先把这个测试放到一边,我们从编译器最简单的开始。
把句子变成一个一个单词
首先我们注意到上面的测试中,我们包含多个字符。有1-9 +-*/()
,并且-
在数字前面表示这是一个负数。我们现在要做一个函数,将input
的输入变成一个一个单词。那么一个计算输入有多少种单词呢?我们可以区分出以下几种。值得注意的是EOF
表示结束,ILLEGAL
表示非法字符。
const (
ILLEGAL = "ILLEGAL"
EOF = "EOF"
INT = "INT"
PLUS = "+"
MINUS = "-"
BANG = "!"
ASTERISK = "*"
SLASH = "/"
LPAREN = "("
RPAREN = ")"
)
另外我们要设计一个读取字符器,更专业的名字叫做词法分析器。他的功能就是不断的读取每一个字符,然后生成我们的词元。注意我们有两个名词了,一个叫词元,一个叫词法分析器。我们都用结构体来描述他们。另外词法分析器的核心函数是NextToken()
用于获取下一个词元。
type Token struct {
Type string //对应我们上面的词元类型
Literal string // 实际的string字符
}
type Lexer struct {
input string // 输入
position int // 当前位置
readPosition int // 将要读取的位置
ch byte //当前字符
}
func (l *Lexer) NextToken() Token {
}
我们不着急实现。照例我们先设计我们的测试。这次我们要达到的目标是我们能够将句子分成特定的词元。
func TestTokenizer(t *testing.T) {
input := `(5 + -10 * 2 + 15 / 3) * 2`
tests := []struct {
expectedType string
expectedLiteral string
}{
{LPAREN, "("},
{INT, "5"},
{PLUS, "+"},
{MINUS, "-"},
{INT, "10"},
{ASTERISK, "*"},
{INT, "2"},
{PLUS, "+"},
{INT, "15"},
{SLASH, "/"},
{INT, "3"},
{RPAREN, ")"},
{ASTERISK, "*"},
{INT, "2"},
}
l := NewLex(input)
for i, tt := range tests {
tok := l.NextToken()
if tok.Type != tt.expectedType {
t.Fatalf("tests[%d] - tokentype wrong. expected=%q, got=%q",
i, tt.expectedType, tok.Type)
}
if tok.Literal != tt.expectedLiteral {
t.Fatalf("tests[%d] - literal wrong. expected=%q, got=%q",
i, tt.expectedLiteral, tok.Literal)
}
}
}
ok , 为了通过这个测试。我们来实现NextToken()
这个函数,首先构建几个辅助函数。
首先我们给lexer
提供一个动作函数readChar
。这个函数不断读取字符,并且更新结构体的值
func (l *Lexer) readChar() {
if l.readPosition >= len(l.input) {
l.ch = 0
} else {
l.ch = l.input[l.readPosition]
}
l.position = l.readPosition
l.readPosition += 1
}
另外再来一个skipWhitespace
用于在读取时候直接跳过空白字符
func (l *Lexer) skipWhitespace() {
for l.ch == ' ' || l.ch == '\t' || l.ch == '\n' || l.ch == '\r' {
l.readChar()
}
}
其实我们读取词源挺简单的,除了像123
这种几位数字,其他都是单个字符做一个词元。我们搞一个函数专门来读数字,不过我们先搞一个函数判断字符是不是数字,这里原理很简单,如果是数字不断读下一个,读到不是数字为止。
func isDigit(ch byte) bool {
return '0' <= ch && ch <= '9'
}
func (l *Lexer) readNumber() string {
position := l.position
for isDigit(l.ch) {
l.readChar()
}
return l.input[position:l.position]
}
好了。我们可以开始写NextToken
这个核心函数啦。其实很简单,一个switch
当前字符,针对不同字符返回不同的Token
结构值
func (l *Lexer) NextToken() Token {
var tok Token
l.skipWhitespace()
switch l.ch {
case '(':
tok = newToken(LPAREN, l.ch)
case ')':
tok = newToken(RPAREN, l.ch)
case '+':
tok = newToken(PLUS, l.ch)
case '-':
tok = newToken(MINUS, l.ch)
case '/':
tok = newToken(SLASH, l.ch)
case '*':
tok = newToken(ASTERISK, l.ch)
case 0:
tok.Literal = ""
tok.Type = EOF
default:
if isDigit(l.ch) {
tok.Type = INT
tok.Literal = l.readNumber()
return tok
} else {
tok = newToken(ILLEGAL, l.ch)
}
}
l.readChar()
return tok
}
OK. 在运行测试,测试就通过了,每个input
都变成了每个词元。接下来我们要高出一个ast
用于运行。
把一个一个词元组成语法树
什么是语法/语法树
首先语法到底是什么?比如说中文中我爱你
主谓宾三种词表示一个意思,而必须按照我爱你
这三个字顺序来表达,而不是用爱你我
这种顺序来说。这个规则便是语法。而表达的意思便是如何告诉计算机你要干什么。
那什么是语法树呢?比如我们要计算机求1 + 2
。你可以通过1 + 2
这种中缀表达式写,或者是+ 12
这种前缀表达式来表达。但最后该语法的语言大概都会解析成一样的树
+
/ \
1 2
而这样的树就是语法树,表示源代码1+2
或者+12
的抽象语法结构。
那么计算表达式的语法是什么
首先我们定义两种情况。我们在有时候会见到这种语法++i
。也就是某个操作符作为前缀与后面数字发生反应。同样还包括我们的-1
。同时还有一种更加常见的情况1 + 2
。操作符在中间。另外我只是是填写一个数字类似于12
。这也是一个计算表达式。 我们先把这三种情况都定义出来。
首先统一使用一个接口。
type Expression interface {
String() string
}
这个接口没什么特别的含义。另外我们依据上面考虑的三种情况实现三个结构体,另外都实现了String
方法。
type IntegerLiteralExpression struct {
Token Token
Value int64
}
func (il *IntegerLiteralExpression) String() string { return il.Token.Literal }
type PrefixExpression struct {
Token Token
Operator string
Right Expression
}
func (pe *PrefixExpression) String() string {
var out bytes.Buffer
out.WriteString("(")
out.WriteString(pe.Operator)
out.WriteString(pe.Right.String())
out.WriteString(")")
return out.String()
}
type InfixExpression struct {
Token Token
Left Expression
Operator string
Right Expression
}
func (ie *InfixExpression) String() string {
var out bytes.Buffer
out.WriteString("(")
out.WriteString(ie.Left.String())
out.WriteString(" ")
out.WriteString(ie.Operator)
out.WriteString(" ")
out.WriteString(ie.Right.String())
out.WriteString(")")
return out.String()
}
解析器
我们定义完了上面几种expression情况。接下来用一个结构parser
来把我们的字符串变成expression
。parser
里面包含我们上一步的lexer
。以及存储error的数组。当前的词元和下一个词元。另外针对于上面提到的两种不同的expression。利用不同的处理方法。
type Parser struct {
l *lexer.Lexer
errors []string
curToken token.Token
peekToken token.Token
prefixParseFns map[token.TokenType]prefixParseFn
infixParseFns map[token.TokenType]infixParseFn
}
// 往结构体里面筛处理方法
func (p *Parser) registerPrefix(tokenType token.TokenType, fn prefixParseFn) {
p.prefixParseFns[tokenType] = fn
}
func (p *Parser) registerInfix(tokenType token.TokenType, fn infixParseFn) {
p.infixParseFns[tokenType] = fn
}
另外我们的核心函数是将lexer
要变成ast
,这个核心函数是ParseExpression
func (p *Parser) ParseExpression(precedence int) Expression {
}
测试
好啦,准备工作已经做完了。那么开始写测试。我们刚才分析计算表达式
只有三个语法。我们针对三个语法做三个简单测试
- 针对单个数字例如
250
,我们进行以下测试。这个测试主要测试两个点,一个我们ParseExpression
出来的是一个InterLieralExpression
。另外一个这个AST
节点的值为250
。并且我们把integerLiteral
的测试单独拿出来。之后可以服用
func TestIntegerLiteralExpression(t *testing.T) {
input := "250"
var expectValue int64 = 250
l := NewLex(input)
p := NewParser(l)
checkParseErrors(t, p)
expression := p.ParseExpression(LOWEST)
testInterLiteral(t, expression, expectValue)
}
func testInterLiteral(t *testing.T, il Expression, value int64) bool {
integ, ok := il.(*IntegerLiteralExpression)
if !ok {
t.Errorf("il not *ast.IntegerLiteral. got=%T", il)
return false
}
if integ.Value != value {
t.Errorf("integ.Value not %d. got=%d", value, integ.Value)
return false
}
return true
}
- 针对前缀表达式例如
-250
, 我们进行一下测试. 这个测试主要测试两个点,一个我们ParseExpression
出来的右值是InterLieralExpression
。操作符是-
func TestParsingPrefixExpression(t *testing.T) {
input := "-15"
expectedOp := "-"
var expectedValue int64 = 15
l := NewLex(input)
p := NewParser(l)
checkParseErrors(t, p)
expression := p.ParseExpression(LOWEST)
exp, ok := expression.(*PrefixExpression)
if !ok {
t.Fatalf("stmt is not PrefixExpression, got=%T", exp)
}
if exp.Operator != expectedOp {
t.Fatalf("exp.Operator is not %s, go=%s", expectedOp, exp.Operator)
}
testInterLiteral(t, exp.Right, expectedValue)
}
- 对于中缀表达式如
5+5
,进行如下测试,当然我们加减乘除都测试一遍
func TestParsingInfixExpression(t *testing.T) {
infixTests := []struct{
input string
leftValue int64
operator string
rightValue int64
}{
{"5 + 5;", 5, "+", 5},
{"5 - 5;", 5, "-", 5},
{"5 * 5;", 5, "*", 5},
{"5 / 5;", 5, "/", 5},
}
for _, tt := range infixTests {
l := NewLex(tt.input)
p := NewParser(l)
checkParseErrors(t, p)
expression := p.ParseExpression(LOWEST)
exp, ok := expression.(*InfixExpression)
if !ok {
t.Fatalf("exp is not InfixExpression, got=%T", exp)
}
if exp.Operator != tt.operator {
t.Fatalf("exp.Operator is not %s, go=%s", tt.operator, exp.Operator)
}
testInterLiteral(t, exp.Left, tt.leftValue)
testInterLiteral(t, exp.Right, tt.rightValue)
}
}
实现
上面测试写完了,我们就要开始实现了。首先想象一下,我们将input变成了一个一个的词元, 接下来我们对于一个又一个的词元进行处理。我们用到的算法叫做pratt parser
。这里具体不展开来讲,有兴趣自己阅读。对于每一个词元,我们都有两个函数去处理她infixParse
或者prefixParse
。选择哪个函数取决于你在哪个位置。首先我们写一个初始化的函数newParser
。
func NewParser(l *Lexer) *Parser {
p := &Parser{
l: l,
errors: []string{},
}
p.prefixParseFns = make(map[string]prefixParseFn)
p.infixParseFns = make(map[string]infixParseFn)
p.nextToken()
p.nextToken()
return p
}
当遇到Integer Token
考虑当我们遇到IntegerExpression时候,就是250
这样当都一个字符。我们注册一下这种情况的处理函数p.registerPrefix(INT, p.parseIntegerLiteral)
。 处理函数这里非常简单,我们直接返回一个IntegerLiteralExpression
。
func (p *Parser) parseIntegerLiteral() Expression {
lit := &IntegerLiteralExpression{Token: p.curToken}
value, err := strconv.ParseInt(p.curToken.Literal, 0, 64)
if err != nil {
msg := fmt.Sprintf("could not parse %q as integer", p.curToken.Literal)
p.errors = append(p.errors, msg)
return nil
}
lit.Value = value
return lit
}
// 在newParser里面加上
当遇到+-*/
Token
我们支持-5
这种形式。同时我们支持5 -1
这种形式。我们在newParser里面注册两个处理函数。同样我们遇到+ * /
其他三个token。采用parseInfixExpression
// func NewParser
p.registerPrefix(MINUS, p.parsePrefixExpression)
p.registerInfix(MINUS, p.parseInfixExpression)
p.registerInfix(PLUS, p.parseInfixExpression)
p.registerInfix(MINUS, p.parseInfixExpression)
p.registerInfix(SLASH, p.parseInfixExpression)
p.registerInfix(ASTERISK, p.parseInfixExpression)
如何实现parsePrefixExpression
很简单,获取当前Token。也就是-
。下一个TOken是数字。我们递归使用ParseExpression
解析出来。不出错的话。这里解析出来的是一个IntegerLiteral
func (p *Parser) parsePrefixExpression() Expression {
expression := &PrefixExpression{
Token: p.curToken,
Operator: p.curToken.Literal,
}
p.nextToken()
expression.Right = p.ParseExpression(PREFIX)
return expression
}
parseInfixExpression
差不多情况。但是有一个输入参数left。比如1 + 2
。1
就是left
func (p *Parser) parseInfixExpression(left Expression) Expression {
expression := &InfixExpression{
Token: p.curToken,
Operator: p.curToken.Literal,
Left: left,
}
precedence := p.curPrecedence()
p.nextToken()
expression.Right = p.ParseExpression(precedence)
return expression
}
优先级
考虑这样一种情况1 + 3 * 4
。如果解析成语法树。我们可以有两种解法
*
/ \
+ 4
/ \
1 3
+
/ \
1 *
/ \
3 4
按照我们小学教育,我们应该选择下面的解法。也就是说乘法比加法要有更高的优先级。或者说在我们的语法树中乘法要比加法处于更高的位置。我们定义出以下几个级别的优先级,与各符号对应的优先级
const (
_ int = iota
LOWEST
SUM // +, -
PRODUCT // *, /
PREFIX // -X
CALL // (X)
)
var precedences = map[string]int{
PLUS: SUM,
MINUS: SUM,
SLASH: PRODUCT,
ASTERISK: PRODUCT,
LPAREN: CALL,
}
当遇到( )
Token
我们支持(1 + 5) * 3
这种形式。这个时候我们强制提升了1 + 5
的优先级。我们采用一个处理函数parseGroupedExpression
// func NewParser
p.registerPrefix(MINUS, p.parseGroupedExpression)
如何实现用()
来提升优先级,其实就是强制读取()
内的内容
func (p *Parser) parseGroupedExpression() Expression {
p.nextToken()
exp := p.ParseExpression(LOWEST)
if !p.expectPeek(token.RPAREN){
return nil
}
return exp
}
递归主函数ParseExpression
我们通过当前优先级和下一个token
的优先级进行对比,如果这个优先级比下一个优先级别低,那就变成infix。用parseInfixExpression
处理。如果这个优先级等于或者比下一个优先级高,那就变成了prefix。用parsePrefixExpression
处理
func (p *Parser) ParseExpression(precedence int) Expression {
prefix := p.prefixParseFns[p.curToken.Type]
returnExp := prefix()
for precedence < p.peekPrecedence() {
infix := p.infixParseFns[p.peekToken.Type]
if infix == nil {
return returnExp
}
p.nextToken()
returnExp = infix(returnExp)
}
return returnExp
}
当然还有一些辅助函数,这里不再赘述。运行一下测试,????通过啦
执行语法树得到结果
这里我们直接要开始搞定我们最开始的测试啦。首先我们丰富一下主函数。
func Calc(input string) int64 {
lexer := NewLex(input)
parser := NewParser(lexer)
exp := parser.ParseExpression(LOWEST)
return Eval(exp)
}
关键就是我们的Eval
函数啦。这里很简单,因为我们有三种Expression
。对于不同的Expression
做不同的处理方法
func Eval(exp Expression) int64 {
switch node := exp.(type) {
case *IntegerLiteralExpression:
return node.Value
case *PrefixExpression:
rightV := Eval(node.Right)
return evalPrefixExpression(node.Operator, rightV)
case *InfixExpression:
leftV := Eval(node.Left)
rightV := Eval(node.Right)
return evalInfixExpression(leftV, node.Operator, rightV)
}
return 0
}
func evalPrefixExpression(operator string, right int64) int64{
if operator != "-" {
return 0
}
return -right
}
func evalInfixExpression(left int64, operator string, right int64) int64 {
switch operator {
case "+":
return left + right
case "-":
return left - right
case "*":
return left * right
case "/":
if right != 0{
return left / right
}else{
return 0
}
default:
return 0
}
}
在运行一下测试,搞定。。。
总结
当然这里有很多东西没讲述,比如错误处理。但是我相信从上面走下来,比较容易理解编译原理的一些概念。