简介这份资源是重庆大学计算机学院编译原理课程的实验项目集合面向正在学习编译原理、需要动手实现编译器的本科生与自学者聚焦Cminusf这一教学用简化语言帮助读者打通从词法分析到中间代码生成的完整链路。压缩包共361个文件约1.52MB以out、sy、tk、json等中间结果与配置数据为主辅以h、cpp源码文件、in测试输入、txt说明文档及少量py脚本与静态库覆盖实验一至实验三的代码实现与调试记录。目前已有78人学习下载。资源不仅给出词法分析、语法分析、语义分析与中间代码生成各阶段的实现还保留了每个实验的调试过程与得分记录读者可据此理解符号表构建、语法树生成、类型检查与中间表示设计等关键环节并对照说明文件搭建环境、运行测试是理论落地与查漏补缺的实用参考。1. 从 Cminusf 到中间代码一套编译原理实验的完整落地路径很多人学编译原理课本翻了三遍LL(1) 和 LR(1) 的构造表背得滚瓜烂熟但一打开 IDE 就不知道从哪下手。重庆大学计算机学院这套实验项目集合恰好卡在这个痛点上——它把 Cminusf 语言的词法分析、语法分析、语义分析到中间代码生成串成了一条完整的流水线每个实验都有代码实现和调试记录还标注了得分。Cminusf 是编译教学里常用的精简 C 方言支持 int/float 类型、数组、函数定义与调用、if-else 和 while 控制流麻雀虽小五脏俱全。这套实验的价值不在于代码本身多优雅而在于它展示了一个真实编译器前端从零搭建时每一步会遇到什么、怎么调试、哪里容易翻车。如果你正在跟编译原理实验或者想自己写一个能跑通的前端这篇笔记会按实验顺序把关键实现和踩坑点讲清楚。2. 实验一Cminusf 词法分析器的实现与调试2.1 词法分析到底在做什么词法分析是编译器的第一道工序输入是 Cminusf 源程序的字符流输出是 token 序列。每个 token 包含类型和值两部分比如int对应关键字 tokenx对应标识符 token123对应整数字面量 token。Cminusf 的 token 类型通常包括关键字int、float、void、if、else、while、return、运算符、-、*、/、、、、、、!、、分隔符;、,、(、)、[、]、{、}、标识符、整数字面量、浮点字面量和注释。常见做法是用 Flex 自动生成词法分析器但很多课程实验要求手写。手写的好处是你得自己处理缓冲区、回退和最长匹配这些细节在自动生成工具里是黑匣子。我一般会用一个字符指针加一个回退标记来实现遇到不确定的字符先读进来匹配失败就回退。2.2 手写词法分析器的核心代码结构下面是一个简化的 Cminusf 词法分析器核心循环用 C 语言实现去掉了缓冲区管理的细节重点展示 token 识别逻辑// 从输入流读取下一个 token Token getNextToken() { skipWhitespaceAndComments(); // 跳过空白和注释 if (isEOF()) return makeToken(TOKEN_EOF, ); char ch peekChar(); // 查看当前字符不前进 // 标识符或关键字以字母或下划线开头 if (isalpha(ch) || ch _) { char buffer[MAX_ID_LEN]; int len 0; while (isalnum(peekChar()) || peekChar() _) { buffer[len] advanceChar(); } buffer[len] \0; // 查关键字表命中则返回关键字 token int kw lookupKeyword(buffer); if (kw 0) return makeToken(kw, buffer); return makeToken(TOKEN_ID, buffer); } // 数字整数或浮点数 if (isdigit(ch)) { char buffer[MAX_NUM_LEN]; int len 0; while (isdigit(peekChar())) buffer[len] advanceChar(); // 遇到小数点则继续读小数部分 if (peekChar() .) { buffer[len] advanceChar(); while (isdigit(peekChar())) buffer[len] advanceChar(); buffer[len] \0; return makeToken(TOKEN_FLOAT, buffer); } buffer[len] \0; return makeToken(TOKEN_INT, buffer); } // 运算符和分隔符单字符或双字符 switch (ch) { case : advanceChar(); return makeToken(TOKEN_PLUS, ); case -: advanceChar(); return makeToken(TOKEN_MINUS, -); case *: advanceChar(); return makeToken(TOKEN_STAR, *); case /: advanceChar(); return makeToken(TOKEN_SLASH, /); case : advanceChar(); if (peekChar() ) { advanceChar(); return makeToken(TOKEN_LE, ); } return makeToken(TOKEN_LT, ); case : advanceChar(); if (peekChar() ) { advanceChar(); return makeToken(TOKEN_GE, ); } return makeToken(TOKEN_GT, ); case : advanceChar(); if (peekChar() ) { advanceChar(); return makeToken(TOKEN_EQ, ); } return makeToken(TOKEN_ASSIGN, ); case !: advanceChar(); if (peekChar() ) { advanceChar(); return makeToken(TOKEN_NEQ, !); } // Cminusf 没有单独的 ! 运算符报错 reportError(unexpected character !); return makeToken(TOKEN_ERROR, !); // 其他分隔符类似处理 default: advanceChar(); reportError(unknown character); return makeToken(TOKEN_ERROR, ); } }这段代码的关键点有三个。第一peekChar()和advanceChar()的配合实现了最长匹配——比如读到之后必须再看一个字符如果是就组成否则回退到。第二关键字识别用查表法把所有关键字放在一个数组里lookupKeyword做线性扫描或哈希查找返回对应的 token 类型。第三错误处理不能直接崩溃要记录行号和列号方便定位源程序问题。参数方面MAX_ID_LEN和MAX_NUM_LEN根据 Cminusf 规范设定一般标识符不超过 64 字符数字不超过 32 字符。缓冲区管理如果用手写方式建议用双缓冲区或动态数组避免固定长度溢出。2.3 词法分析调试中最容易翻车的三个点第一个坑是注释处理。Cminusf 支持/* ... */块注释但很多实现忘了处理注释未闭合的情况导致程序读到文件尾还在等*/。我的做法是在跳过注释时记录起始行号如果遇到 EOF 还没闭合直接报错并指出起始位置。第二个坑是浮点数的边界情况。比如1.和.5在 Cminusf 里是否合法根据规范1.通常不合法因为小数点后必须有数字.5也不合法因为整数部分不能为空。但有些实现会漏掉这些检查导致1.被错误地识别为浮点数。调试时可以用一组边界测试用例覆盖1.0、1.、.5、1..2、1.2.3。第三个坑是行号和列号的维护。词法分析阶段如果不记录位置信息后面语法分析报错时就只能告诉用户“第某行有错”但具体哪个 token 出的问题说不清楚。我一般会在 Token 结构体里加line和col字段每次advanceChar时更新列号遇到换行时行号加一、列号归零。3. 实验二递归下降语法分析与 AST 构建3.1 为什么选递归下降而不是 LRCminusf 的文法不算复杂用递归下降手写语法分析器是最直接的选择。递归下降的核心思想是为每个非终结符写一个函数函数内部根据当前 token 决定走哪条产生式。比如parseExpression处理加减表达式parseTerm处理乘除parseFactor处理括号和字面量。选递归下降的理由有三个。第一代码结构和文法产生式一一对应可读性强调试时容易定位问题。第二Cminusf 的文法不是左递归的或者可以通过改写消除左递归递归下降不会陷入无限循环。第三手写递归下降可以方便地在解析过程中构建 AST不需要额外的语义动作框架。LR 分析虽然理论上更强大但构造分析表、处理冲突对教学实验来说太重了。除非课程明确要求用 Yacc/Bison否则递归下降是性价比最高的方案。3.2 AST 节点设计与构建代码AST 是语法分析和后续语义分析的桥梁。Cminusf 的 AST 节点类型包括编译单元、函数声明、变量声明、参数列表、复合语句、表达式语句、if 语句、while 语句、return 语句、赋值表达式、二元运算、函数调用、数组下标、标识符和字面量。下面是一个简化的 AST 节点定义和parseExpression的构建逻辑// AST 节点类型枚举 typedef enum { NODE_PROGRAM, NODE_FUNC_DECL, NODE_VAR_DECL, NODE_PARAM, NODE_COMPOUND, NODE_EXPR_STMT, NODE_IF, NODE_WHILE, NODE_RETURN, NODE_ASSIGN, NODE_BINARY, NODE_CALL, NODE_ARRAY_INDEX, NODE_ID, NODE_INT_LIT, NODE_FLOAT_LIT } NodeType; // AST 节点结构体 typedef struct ASTNode { NodeType type; int line; // 所在行号用于报错 union { struct { struct ASTNode *left, *right; int op; } binary; struct { struct ASTNode *cond, *then_stmt, *else_stmt; } if_stmt; struct { struct ASTNode *cond, *body; } while_stmt; struct { char *name; struct ASTNode *index; } id; int int_val; float float_val; // 其他节点类型的字段省略 } data; } ASTNode; // 解析加减表达式expr - term (( | -) term)* ASTNode *parseExpression() { ASTNode *left parseTerm(); while (currentToken.type TOKEN_PLUS || currentToken.type TOKEN_MINUS) { int op currentToken.type; advanceToken(); // 消费运算符 ASTNode *right parseTerm(); // 构建二元运算节点 ASTNode *node createNode(NODE_BINARY); node-data.binary.left left; node-data.binary.right right; node-data.binary.op op; node-line left-line; left node; } return left; } // 解析乘除表达式term - factor ((* | /) factor)* ASTNode *parseTerm() { ASTNode *left parseFactor(); while (currentToken.type TOKEN_STAR || currentToken.type TOKEN_SLASH) { int op currentToken.type; advanceToken(); ASTNode *right parseFactor(); ASTNode *node createNode(NODE_BINARY); node-data.binary.left left; node-data.binary.right right; node-data.binary.op op; node-line left-line; left node; } return left; } // 解析因子factor - ( expr ) | ID | ID [ expr ] | INT | FLOAT | call ASTNode *parseFactor() { if (currentToken.type TOKEN_LPAREN) { advanceToken(); ASTNode *node parseExpression(); expectToken(TOKEN_RPAREN); // 必须匹配右括号 return node; } if (currentToken.type TOKEN_ID) { char *name strdup(currentToken.value); int line currentToken.line; advanceToken(); // 函数调用 if (currentToken.type TOKEN_LPAREN) { advanceToken(); ASTNode *call createNode(NODE_CALL); call-data.id.name name; call-line line; // 解析实参列表省略细节 parseArgs(call); expectToken(TOKEN_RPAREN); return call; } // 数组下标 if (currentToken.type TOKEN_LBRACKET) { advanceToken(); ASTNode *index parseExpression(); expectToken(TOKEN_RBRACKET); ASTNode *node createNode(NODE_ARRAY_INDEX); node-data.id.name name; node-data.id.index index; node-line line; return node; } // 普通标识符 ASTNode *node createNode(NODE_ID); node-data.id.name name; node-line line; return node; } if (currentToken.type TOKEN_INT) { ASTNode *node createNode(NODE_INT_LIT); node-data.int_val atoi(currentToken.value); node-line currentToken.line; advanceToken(); return node; } // 浮点字面量处理类似 reportError(unexpected token in factor); return NULL; }这段代码展示了递归下降的三个核心机制。第一每个函数负责一个文法层级parseExpression调parseTermparseTerm调parseFactor层层下降。第二循环处理左结合的二元运算符while循环不断把右边的项挂到左边的节点上形成左倾的 AST。第三expectToken做强制匹配如果当前 token 不是期望的类型立即报错并记录行号。参数方面createNode负责分配内存并初始化节点建议用内存池或统一在程序结束时释放避免内存泄漏。strdup复制标识符名称因为 token 的缓冲区会被后续读取覆盖。3.3 语法错误恢复的实用策略递归下降遇到语法错误时最简单的做法是直接退出但这样只能报一个错。更好的策略是“恐慌模式恢复”报错后跳过 token 直到遇到一个同步点比如分号、右大括号或关键字int、void、if、while、return。这样一次编译可以发现多个错误用户体验更好。具体实现时在expectToken失败后调用synchronize()它不断advanceToken直到当前 token 属于同步集合。同步集合的选择很关键太小了恢复不了太大了会跳过太多代码。我一般用{;, }, TOKEN_INT, TOKEN_VOID, TOKEN_IF, TOKEN_WHILE, TOKEN_RETURN}作为同步集合。另一个坑是左递归消除。Cminusf 的表达式文法如果写成expr - expr term递归下降会无限递归。必须改写成expr - term ( term)*用循环代替递归。这个改写不难但初学者容易忘调试时表现为栈溢出或程序卡死。4. 实验三语义分析与中间代码生成4.1 语义分析要检查什么语义分析阶段的任务是在 AST 上做类型检查和符号表管理。Cminusf 的语义规则包括变量必须先声明后使用函数调用时实参类型和数量必须匹配形参数组下标必须是整数赋值号两边类型必须兼容int 和 float 之间可以隐式转换但数组不能整体赋值return 语句的类型必须和函数返回类型一致。符号表用栈式结构实现每进入一个作用域函数体或复合语句就压入一层离开时弹出。每个符号记录名称、类型、是否是数组、数组长度、所在行号。查找时从栈顶往下找找到最近声明的符号。4.2 中间代码生成三地址码的设计与输出中间代码生成是实验三的核心。常见做法是生成三地址码每条指令最多三个操作数形式如x y op z、x y、goto L、if x relop y goto L、param x、call f, n、return x。三地址码的好处是接近汇编方便后续优化和目标代码生成。下面是一个简化的三地址码生成器展示如何把 AST 的二元运算和赋值转换成四元式// 四元式结构op, arg1, arg2, result typedef struct { char op[16]; // 操作符如 , -, , goto char arg1[32]; // 第一个操作数 char arg2[32]; // 第二个操作数 char result[32]; // 结果 } Quadruple; Quadruple quads[MAX_QUADS]; int quadCount 0; int tempCount 0; // 临时变量计数器 int labelCount 0; // 标签计数器 // 生成一个新的临时变量名如 t1, t2 char *newTemp() { char *name malloc(16); sprintf(name, t%d, tempCount); return name; } // 生成一个新标签如 L1, L2 char *newLabel() { char *name malloc(16); sprintf(name, L%d, labelCount); return name; } // 为表达式节点生成三地址码返回存放结果的变量名 char *genExpression(ASTNode *node) { if (node NULL) return NULL; switch (node-type) { case NODE_INT_LIT: { char *name malloc(32); sprintf(name, %d, node-data.int_val); return name; } case NODE_ID: return strdup(node-data.id.name); case NODE_BINARY: { // 递归生成左右子表达式的代码 char *left genExpression(node-data.binary.left); char *right genExpression(node-data.binary.right); char *temp newTemp(); // 根据操作符类型生成四元式 const char *opStr; switch (node-data.binary.op) { case TOKEN_PLUS: opStr ; break; case TOKEN_MINUS: opStr -; break; case TOKEN_STAR: opStr *; break; case TOKEN_SLASH: opStr /; break; case TOKEN_LT: opStr ; break; case TOKEN_LE: opStr ; break; case TOKEN_GT: opStr ; break; case TOKEN_GE: opStr ; break; case TOKEN_EQ: opStr ; break; case TOKEN_NEQ: opStr !; break; default: opStr ?; break; } // 填入四元式 strcpy(quads[quadCount].op, opStr); strcpy(quads[quadCount].arg1, left); strcpy(quads[quadCount].arg2, right); strcpy(quads[quadCount].result, temp); quadCount; return temp; } case NODE_ASSIGN: { // 赋值先算右边再生成赋值四元式 char *right genExpression(node-data.binary.right); char *left node-data.binary.left-data.id.name; strcpy(quads[quadCount].op, ); strcpy(quads[quadCount].arg1, right); strcpy(quads[quadCount].arg2, ); strcpy(quads[quadCount].result, left); quadCount; return left; } default: return NULL; } } // 为 if 语句生成三地址码 void genIf(ASTNode *node) { char *cond genExpression(node-data.if_stmt.cond); char *labelElse newLabel(); char *labelEnd newLabel(); // if cond 0 goto labelElse strcpy(quads[quadCount].op, ifFalse); strcpy(quads[quadCount].arg1, cond); strcpy(quads[quadCount].arg2, ); strcpy(quads[quadCount].result, labelElse); quadCount; // 生成 then 分支代码 genStatement(node-data.if_stmt.then_stmt); // goto labelEnd strcpy(quads[quadCount].op, goto); strcpy(quads[quadCount].arg1, ); strcpy(quads[quadCount].arg2, ); strcpy(quads[quadCount].result, labelEnd); quadCount; // labelElse: strcpy(quads[quadCount].op, label); strcpy(quads[quadCount].arg1, labelElse); strcpy(quads[quadCount].arg2, ); strcpy(quads[quadCount].result, ); quadCount; // 生成 else 分支代码如果有 if (node-data.if_stmt.else_stmt) { genStatement(node-data.if_stmt.else_stmt); } // labelEnd: strcpy(quads[quadCount].op, label); strcpy(quads[quadCount].arg1, labelEnd); strcpy(quads[quadCount].arg2, ); strcpy(quads[quadCount].result, ); quadCount; }这段代码的核心逻辑是每个表达式节点返回一个“存放结果的变量名”可能是临时变量也可能是标识符。二元运算先生成左右子表达式的代码再生成一条运算四元式结果放在新临时变量里。赋值语句先生成右边的代码再生成一条四元式。控制流语句用标签和条件跳转实现ifFalse表示条件为假时跳转。参数方面MAX_QUADS根据程序规模设定一般 10000 条足够。临时变量和标签的命名用计数器保证唯一性。四元式的操作数字段长度要够标识符最长 64 字符的话arg1和arg2至少 32 字节。4.3 语义错误与中间代码的联调语义分析和中间代码生成通常放在同一次 AST 遍历里完成。遍历到变量引用时查符号表查不到就报“未声明”遍历到函数调用时检查实参类型不匹配就报“参数类型错误”遍历到赋值时检查左右类型不兼容就报“类型不匹配”。联调时最常见的问题是符号表作用域没处理好。比如在函数体内声明的变量出了函数体还在符号表里导致后续同名变量被误认为重复声明。解决方法是进入函数体时压入新作用域离开时弹出。另一个问题是数组下标越界检查Cminusf 通常不要求运行时检查但语义分析阶段可以检查下标表达式类型是否为 int。中间代码生成的一个坑是短路求值。Cminusf 的逻辑运算符和||如果支持的话需要生成带跳转的代码不能简单当成二元运算。比如a b应该等价于if a 0 goto L; if b 0 goto L; ...。如果实验不要求短路求值可以简化处理但要在文档里说明。5. 避坑与排查编译原理实验里那些血泪经验5.1 现象词法分析器把关键字识别成标识符原因关键字表查找失败通常是大小写敏感或表里漏了某个关键字。Cminusf 的关键字都是小写如果输入Int应该报错而不是当成标识符。解决在lookupKeyword里用strcmp精确匹配不要用strcasecmp。同时检查关键字表是否包含全部关键字int、float、void、if、else、while、return。5.2 现象语法分析器报错位置总是不对原因Token 的行号列号没有正确传递到 AST 节点或者报错时用的是当前 token 的位置而不是出错 token 的位置。解决在createNode时把 token 的行号存进节点报错时用节点的行号。另外expectToken失败时应该报当前 token 的位置而不是上一个 token 的位置。5.3 现象语义分析阶段报“重复声明”但代码里没有重复原因符号表作用域没有正确弹出内层作用域的变量泄漏到外层。解决在parseCompoundStmt进入时pushScope()退出时popScope()。函数参数也要单独压入一层作用域因为参数和函数体局部变量在同一层。5.4 现象中间代码里临时变量名冲突原因临时变量计数器在递归调用中没有正确递增或者多个表达式共用同一个临时变量名。解决newTemp用全局计数器每次调用都递增保证唯一性。不要用局部变量做计数器。5.5 现象生成的中间代码顺序混乱控制流跳转目标错误原因在生成 if 或 while 的代码时先生成了 then 分支的代码再生成条件跳转导致跳转目标标签位置不对。解决严格按照“条件代码 → 条件跳转 → then 代码 → 跳转到 end → else 标签 → else 代码 → end 标签”的顺序生成。while 循环则是“start 标签 → 条件代码 → 条件跳转 → 循环体 → 跳回 start → end 标签”。6. 进阶技巧用测试用例反推实现正确性这套实验项目集合里最有价值的部分其实是调试记录和得分标注。得分高的实验通常不是代码写得最漂亮的而是测试用例覆盖最全的。我后来自己带实验时习惯先写测试用例再写实现。具体做法是为词法分析准备一组输入文件和期望的 token 序列用脚本自动比对为语法分析准备合法和非法程序各若干检查报错位置是否准确为语义分析准备类型错误、未声明、重复声明等用例为中间代码生成准备简单程序手工推导期望的四元式序列再和程序输出比对。一个实用的技巧是用 Python 写一个测试驱动脚本调用编译器的各个阶段把输出和期望结果做 diff。比如词法分析阶段输入int main(void) { return 0; }期望输出是INT ID LPAREN VOID RPAREN LBRACE RETURN INT RBRACE。脚本自动跑所有用例哪个失败就打印 diff比手工一个个试快得多。另一个技巧是给中间代码生成加一个--dump-ast和--dump-quads选项调试时先看 AST 对不对再看四元式对不对。如果 AST 就错了说明语法分析有问题如果 AST 对但四元式错说明代码生成逻辑有 bug。这种分层排查能省很多时间。我自己的习惯是每完成一个实验就把测试用例和调试记录整理成一个 Markdown 文件和代码放在一起。下次遇到类似问题翻记录比翻代码快。这套重庆大学的实验项目集合之所以值得参考就是因为它的调试记录把“怎么发现问题、怎么定位、怎么修”的过程留下来了这比只看最终代码有用得多。希望帮到你。本文还有配套的精品资源点击获取
简介这份资源是重庆大学计算机学院编译原理课程的实验项目集合面向正在学习编译原理、需要动手实现编译器的本科生与自学者聚焦Cminusf这一教学用简化语言帮助读者打通从词法分析到中间代码生成的完整链路。压缩包共361个文件约1.52MB以out、sy、tk、json等中间结果与配置数据为主辅以h、cpp源码文件、in测试输入、txt说明文档及少量py脚本与静态库覆盖实验一至实验三的代码实现与调试记录。目前已有78人学习下载。资源不仅给出词法分析、语法分析、语义分析与中间代码生成各阶段的实现还保留了每个实验的调试过程与得分记录读者可据此理解符号表构建、语法树生成、类型检查与中间表示设计等关键环节并对照说明文件搭建环境、运行测试是理论落地与查漏补缺的实用参考。1. 从 Cminusf 到中间代码一套编译原理实验的完整落地路径很多人学编译原理课本翻了三遍LL(1) 和 LR(1) 的构造表背得滚瓜烂熟但一打开 IDE 就不知道从哪下手。重庆大学计算机学院这套实验项目集合恰好卡在这个痛点上——它把 Cminusf 语言的词法分析、语法分析、语义分析到中间代码生成串成了一条完整的流水线每个实验都有代码实现和调试记录还标注了得分。Cminusf 是编译教学里常用的精简 C 方言支持 int/float 类型、数组、函数定义与调用、if-else 和 while 控制流麻雀虽小五脏俱全。这套实验的价值不在于代码本身多优雅而在于它展示了一个真实编译器前端从零搭建时每一步会遇到什么、怎么调试、哪里容易翻车。如果你正在跟编译原理实验或者想自己写一个能跑通的前端这篇笔记会按实验顺序把关键实现和踩坑点讲清楚。2. 实验一Cminusf 词法分析器的实现与调试2.1 词法分析到底在做什么词法分析是编译器的第一道工序输入是 Cminusf 源程序的字符流输出是 token 序列。每个 token 包含类型和值两部分比如int对应关键字 tokenx对应标识符 token123对应整数字面量 token。Cminusf 的 token 类型通常包括关键字int、float、void、if、else、while、return、运算符、-、*、/、、、、、、!、、分隔符;、,、(、)、[、]、{、}、标识符、整数字面量、浮点字面量和注释。常见做法是用 Flex 自动生成词法分析器但很多课程实验要求手写。手写的好处是你得自己处理缓冲区、回退和最长匹配这些细节在自动生成工具里是黑匣子。我一般会用一个字符指针加一个回退标记来实现遇到不确定的字符先读进来匹配失败就回退。2.2 手写词法分析器的核心代码结构下面是一个简化的 Cminusf 词法分析器核心循环用 C 语言实现去掉了缓冲区管理的细节重点展示 token 识别逻辑// 从输入流读取下一个 token Token getNextToken() { skipWhitespaceAndComments(); // 跳过空白和注释 if (isEOF()) return makeToken(TOKEN_EOF, ); char ch peekChar(); // 查看当前字符不前进 // 标识符或关键字以字母或下划线开头 if (isalpha(ch) || ch _) { char buffer[MAX_ID_LEN]; int len 0; while (isalnum(peekChar()) || peekChar() _) { buffer[len] advanceChar(); } buffer[len] \0; // 查关键字表命中则返回关键字 token int kw lookupKeyword(buffer); if (kw 0) return makeToken(kw, buffer); return makeToken(TOKEN_ID, buffer); } // 数字整数或浮点数 if (isdigit(ch)) { char buffer[MAX_NUM_LEN]; int len 0; while (isdigit(peekChar())) buffer[len] advanceChar(); // 遇到小数点则继续读小数部分 if (peekChar() .) { buffer[len] advanceChar(); while (isdigit(peekChar())) buffer[len] advanceChar(); buffer[len] \0; return makeToken(TOKEN_FLOAT, buffer); } buffer[len] \0; return makeToken(TOKEN_INT, buffer); } // 运算符和分隔符单字符或双字符 switch (ch) { case : advanceChar(); return makeToken(TOKEN_PLUS, ); case -: advanceChar(); return makeToken(TOKEN_MINUS, -); case *: advanceChar(); return makeToken(TOKEN_STAR, *); case /: advanceChar(); return makeToken(TOKEN_SLASH, /); case : advanceChar(); if (peekChar() ) { advanceChar(); return makeToken(TOKEN_LE, ); } return makeToken(TOKEN_LT, ); case : advanceChar(); if (peekChar() ) { advanceChar(); return makeToken(TOKEN_GE, ); } return makeToken(TOKEN_GT, ); case : advanceChar(); if (peekChar() ) { advanceChar(); return makeToken(TOKEN_EQ, ); } return makeToken(TOKEN_ASSIGN, ); case !: advanceChar(); if (peekChar() ) { advanceChar(); return makeToken(TOKEN_NEQ, !); } // Cminusf 没有单独的 ! 运算符报错 reportError(unexpected character !); return makeToken(TOKEN_ERROR, !); // 其他分隔符类似处理 default: advanceChar(); reportError(unknown character); return makeToken(TOKEN_ERROR, ); } }这段代码的关键点有三个。第一peekChar()和advanceChar()的配合实现了最长匹配——比如读到之后必须再看一个字符如果是就组成否则回退到。第二关键字识别用查表法把所有关键字放在一个数组里lookupKeyword做线性扫描或哈希查找返回对应的 token 类型。第三错误处理不能直接崩溃要记录行号和列号方便定位源程序问题。参数方面MAX_ID_LEN和MAX_NUM_LEN根据 Cminusf 规范设定一般标识符不超过 64 字符数字不超过 32 字符。缓冲区管理如果用手写方式建议用双缓冲区或动态数组避免固定长度溢出。2.3 词法分析调试中最容易翻车的三个点第一个坑是注释处理。Cminusf 支持/* ... */块注释但很多实现忘了处理注释未闭合的情况导致程序读到文件尾还在等*/。我的做法是在跳过注释时记录起始行号如果遇到 EOF 还没闭合直接报错并指出起始位置。第二个坑是浮点数的边界情况。比如1.和.5在 Cminusf 里是否合法根据规范1.通常不合法因为小数点后必须有数字.5也不合法因为整数部分不能为空。但有些实现会漏掉这些检查导致1.被错误地识别为浮点数。调试时可以用一组边界测试用例覆盖1.0、1.、.5、1..2、1.2.3。第三个坑是行号和列号的维护。词法分析阶段如果不记录位置信息后面语法分析报错时就只能告诉用户“第某行有错”但具体哪个 token 出的问题说不清楚。我一般会在 Token 结构体里加line和col字段每次advanceChar时更新列号遇到换行时行号加一、列号归零。3. 实验二递归下降语法分析与 AST 构建3.1 为什么选递归下降而不是 LRCminusf 的文法不算复杂用递归下降手写语法分析器是最直接的选择。递归下降的核心思想是为每个非终结符写一个函数函数内部根据当前 token 决定走哪条产生式。比如parseExpression处理加减表达式parseTerm处理乘除parseFactor处理括号和字面量。选递归下降的理由有三个。第一代码结构和文法产生式一一对应可读性强调试时容易定位问题。第二Cminusf 的文法不是左递归的或者可以通过改写消除左递归递归下降不会陷入无限循环。第三手写递归下降可以方便地在解析过程中构建 AST不需要额外的语义动作框架。LR 分析虽然理论上更强大但构造分析表、处理冲突对教学实验来说太重了。除非课程明确要求用 Yacc/Bison否则递归下降是性价比最高的方案。3.2 AST 节点设计与构建代码AST 是语法分析和后续语义分析的桥梁。Cminusf 的 AST 节点类型包括编译单元、函数声明、变量声明、参数列表、复合语句、表达式语句、if 语句、while 语句、return 语句、赋值表达式、二元运算、函数调用、数组下标、标识符和字面量。下面是一个简化的 AST 节点定义和parseExpression的构建逻辑// AST 节点类型枚举 typedef enum { NODE_PROGRAM, NODE_FUNC_DECL, NODE_VAR_DECL, NODE_PARAM, NODE_COMPOUND, NODE_EXPR_STMT, NODE_IF, NODE_WHILE, NODE_RETURN, NODE_ASSIGN, NODE_BINARY, NODE_CALL, NODE_ARRAY_INDEX, NODE_ID, NODE_INT_LIT, NODE_FLOAT_LIT } NodeType; // AST 节点结构体 typedef struct ASTNode { NodeType type; int line; // 所在行号用于报错 union { struct { struct ASTNode *left, *right; int op; } binary; struct { struct ASTNode *cond, *then_stmt, *else_stmt; } if_stmt; struct { struct ASTNode *cond, *body; } while_stmt; struct { char *name; struct ASTNode *index; } id; int int_val; float float_val; // 其他节点类型的字段省略 } data; } ASTNode; // 解析加减表达式expr - term (( | -) term)* ASTNode *parseExpression() { ASTNode *left parseTerm(); while (currentToken.type TOKEN_PLUS || currentToken.type TOKEN_MINUS) { int op currentToken.type; advanceToken(); // 消费运算符 ASTNode *right parseTerm(); // 构建二元运算节点 ASTNode *node createNode(NODE_BINARY); node-data.binary.left left; node-data.binary.right right; node-data.binary.op op; node-line left-line; left node; } return left; } // 解析乘除表达式term - factor ((* | /) factor)* ASTNode *parseTerm() { ASTNode *left parseFactor(); while (currentToken.type TOKEN_STAR || currentToken.type TOKEN_SLASH) { int op currentToken.type; advanceToken(); ASTNode *right parseFactor(); ASTNode *node createNode(NODE_BINARY); node-data.binary.left left; node-data.binary.right right; node-data.binary.op op; node-line left-line; left node; } return left; } // 解析因子factor - ( expr ) | ID | ID [ expr ] | INT | FLOAT | call ASTNode *parseFactor() { if (currentToken.type TOKEN_LPAREN) { advanceToken(); ASTNode *node parseExpression(); expectToken(TOKEN_RPAREN); // 必须匹配右括号 return node; } if (currentToken.type TOKEN_ID) { char *name strdup(currentToken.value); int line currentToken.line; advanceToken(); // 函数调用 if (currentToken.type TOKEN_LPAREN) { advanceToken(); ASTNode *call createNode(NODE_CALL); call-data.id.name name; call-line line; // 解析实参列表省略细节 parseArgs(call); expectToken(TOKEN_RPAREN); return call; } // 数组下标 if (currentToken.type TOKEN_LBRACKET) { advanceToken(); ASTNode *index parseExpression(); expectToken(TOKEN_RBRACKET); ASTNode *node createNode(NODE_ARRAY_INDEX); node-data.id.name name; node-data.id.index index; node-line line; return node; } // 普通标识符 ASTNode *node createNode(NODE_ID); node-data.id.name name; node-line line; return node; } if (currentToken.type TOKEN_INT) { ASTNode *node createNode(NODE_INT_LIT); node-data.int_val atoi(currentToken.value); node-line currentToken.line; advanceToken(); return node; } // 浮点字面量处理类似 reportError(unexpected token in factor); return NULL; }这段代码展示了递归下降的三个核心机制。第一每个函数负责一个文法层级parseExpression调parseTermparseTerm调parseFactor层层下降。第二循环处理左结合的二元运算符while循环不断把右边的项挂到左边的节点上形成左倾的 AST。第三expectToken做强制匹配如果当前 token 不是期望的类型立即报错并记录行号。参数方面createNode负责分配内存并初始化节点建议用内存池或统一在程序结束时释放避免内存泄漏。strdup复制标识符名称因为 token 的缓冲区会被后续读取覆盖。3.3 语法错误恢复的实用策略递归下降遇到语法错误时最简单的做法是直接退出但这样只能报一个错。更好的策略是“恐慌模式恢复”报错后跳过 token 直到遇到一个同步点比如分号、右大括号或关键字int、void、if、while、return。这样一次编译可以发现多个错误用户体验更好。具体实现时在expectToken失败后调用synchronize()它不断advanceToken直到当前 token 属于同步集合。同步集合的选择很关键太小了恢复不了太大了会跳过太多代码。我一般用{;, }, TOKEN_INT, TOKEN_VOID, TOKEN_IF, TOKEN_WHILE, TOKEN_RETURN}作为同步集合。另一个坑是左递归消除。Cminusf 的表达式文法如果写成expr - expr term递归下降会无限递归。必须改写成expr - term ( term)*用循环代替递归。这个改写不难但初学者容易忘调试时表现为栈溢出或程序卡死。4. 实验三语义分析与中间代码生成4.1 语义分析要检查什么语义分析阶段的任务是在 AST 上做类型检查和符号表管理。Cminusf 的语义规则包括变量必须先声明后使用函数调用时实参类型和数量必须匹配形参数组下标必须是整数赋值号两边类型必须兼容int 和 float 之间可以隐式转换但数组不能整体赋值return 语句的类型必须和函数返回类型一致。符号表用栈式结构实现每进入一个作用域函数体或复合语句就压入一层离开时弹出。每个符号记录名称、类型、是否是数组、数组长度、所在行号。查找时从栈顶往下找找到最近声明的符号。4.2 中间代码生成三地址码的设计与输出中间代码生成是实验三的核心。常见做法是生成三地址码每条指令最多三个操作数形式如x y op z、x y、goto L、if x relop y goto L、param x、call f, n、return x。三地址码的好处是接近汇编方便后续优化和目标代码生成。下面是一个简化的三地址码生成器展示如何把 AST 的二元运算和赋值转换成四元式// 四元式结构op, arg1, arg2, result typedef struct { char op[16]; // 操作符如 , -, , goto char arg1[32]; // 第一个操作数 char arg2[32]; // 第二个操作数 char result[32]; // 结果 } Quadruple; Quadruple quads[MAX_QUADS]; int quadCount 0; int tempCount 0; // 临时变量计数器 int labelCount 0; // 标签计数器 // 生成一个新的临时变量名如 t1, t2 char *newTemp() { char *name malloc(16); sprintf(name, t%d, tempCount); return name; } // 生成一个新标签如 L1, L2 char *newLabel() { char *name malloc(16); sprintf(name, L%d, labelCount); return name; } // 为表达式节点生成三地址码返回存放结果的变量名 char *genExpression(ASTNode *node) { if (node NULL) return NULL; switch (node-type) { case NODE_INT_LIT: { char *name malloc(32); sprintf(name, %d, node-data.int_val); return name; } case NODE_ID: return strdup(node-data.id.name); case NODE_BINARY: { // 递归生成左右子表达式的代码 char *left genExpression(node-data.binary.left); char *right genExpression(node-data.binary.right); char *temp newTemp(); // 根据操作符类型生成四元式 const char *opStr; switch (node-data.binary.op) { case TOKEN_PLUS: opStr ; break; case TOKEN_MINUS: opStr -; break; case TOKEN_STAR: opStr *; break; case TOKEN_SLASH: opStr /; break; case TOKEN_LT: opStr ; break; case TOKEN_LE: opStr ; break; case TOKEN_GT: opStr ; break; case TOKEN_GE: opStr ; break; case TOKEN_EQ: opStr ; break; case TOKEN_NEQ: opStr !; break; default: opStr ?; break; } // 填入四元式 strcpy(quads[quadCount].op, opStr); strcpy(quads[quadCount].arg1, left); strcpy(quads[quadCount].arg2, right); strcpy(quads[quadCount].result, temp); quadCount; return temp; } case NODE_ASSIGN: { // 赋值先算右边再生成赋值四元式 char *right genExpression(node-data.binary.right); char *left node-data.binary.left-data.id.name; strcpy(quads[quadCount].op, ); strcpy(quads[quadCount].arg1, right); strcpy(quads[quadCount].arg2, ); strcpy(quads[quadCount].result, left); quadCount; return left; } default: return NULL; } } // 为 if 语句生成三地址码 void genIf(ASTNode *node) { char *cond genExpression(node-data.if_stmt.cond); char *labelElse newLabel(); char *labelEnd newLabel(); // if cond 0 goto labelElse strcpy(quads[quadCount].op, ifFalse); strcpy(quads[quadCount].arg1, cond); strcpy(quads[quadCount].arg2, ); strcpy(quads[quadCount].result, labelElse); quadCount; // 生成 then 分支代码 genStatement(node-data.if_stmt.then_stmt); // goto labelEnd strcpy(quads[quadCount].op, goto); strcpy(quads[quadCount].arg1, ); strcpy(quads[quadCount].arg2, ); strcpy(quads[quadCount].result, labelEnd); quadCount; // labelElse: strcpy(quads[quadCount].op, label); strcpy(quads[quadCount].arg1, labelElse); strcpy(quads[quadCount].arg2, ); strcpy(quads[quadCount].result, ); quadCount; // 生成 else 分支代码如果有 if (node-data.if_stmt.else_stmt) { genStatement(node-data.if_stmt.else_stmt); } // labelEnd: strcpy(quads[quadCount].op, label); strcpy(quads[quadCount].arg1, labelEnd); strcpy(quads[quadCount].arg2, ); strcpy(quads[quadCount].result, ); quadCount; }这段代码的核心逻辑是每个表达式节点返回一个“存放结果的变量名”可能是临时变量也可能是标识符。二元运算先生成左右子表达式的代码再生成一条运算四元式结果放在新临时变量里。赋值语句先生成右边的代码再生成一条四元式。控制流语句用标签和条件跳转实现ifFalse表示条件为假时跳转。参数方面MAX_QUADS根据程序规模设定一般 10000 条足够。临时变量和标签的命名用计数器保证唯一性。四元式的操作数字段长度要够标识符最长 64 字符的话arg1和arg2至少 32 字节。4.3 语义错误与中间代码的联调语义分析和中间代码生成通常放在同一次 AST 遍历里完成。遍历到变量引用时查符号表查不到就报“未声明”遍历到函数调用时检查实参类型不匹配就报“参数类型错误”遍历到赋值时检查左右类型不兼容就报“类型不匹配”。联调时最常见的问题是符号表作用域没处理好。比如在函数体内声明的变量出了函数体还在符号表里导致后续同名变量被误认为重复声明。解决方法是进入函数体时压入新作用域离开时弹出。另一个问题是数组下标越界检查Cminusf 通常不要求运行时检查但语义分析阶段可以检查下标表达式类型是否为 int。中间代码生成的一个坑是短路求值。Cminusf 的逻辑运算符和||如果支持的话需要生成带跳转的代码不能简单当成二元运算。比如a b应该等价于if a 0 goto L; if b 0 goto L; ...。如果实验不要求短路求值可以简化处理但要在文档里说明。5. 避坑与排查编译原理实验里那些血泪经验5.1 现象词法分析器把关键字识别成标识符原因关键字表查找失败通常是大小写敏感或表里漏了某个关键字。Cminusf 的关键字都是小写如果输入Int应该报错而不是当成标识符。解决在lookupKeyword里用strcmp精确匹配不要用strcasecmp。同时检查关键字表是否包含全部关键字int、float、void、if、else、while、return。5.2 现象语法分析器报错位置总是不对原因Token 的行号列号没有正确传递到 AST 节点或者报错时用的是当前 token 的位置而不是出错 token 的位置。解决在createNode时把 token 的行号存进节点报错时用节点的行号。另外expectToken失败时应该报当前 token 的位置而不是上一个 token 的位置。5.3 现象语义分析阶段报“重复声明”但代码里没有重复原因符号表作用域没有正确弹出内层作用域的变量泄漏到外层。解决在parseCompoundStmt进入时pushScope()退出时popScope()。函数参数也要单独压入一层作用域因为参数和函数体局部变量在同一层。5.4 现象中间代码里临时变量名冲突原因临时变量计数器在递归调用中没有正确递增或者多个表达式共用同一个临时变量名。解决newTemp用全局计数器每次调用都递增保证唯一性。不要用局部变量做计数器。5.5 现象生成的中间代码顺序混乱控制流跳转目标错误原因在生成 if 或 while 的代码时先生成了 then 分支的代码再生成条件跳转导致跳转目标标签位置不对。解决严格按照“条件代码 → 条件跳转 → then 代码 → 跳转到 end → else 标签 → else 代码 → end 标签”的顺序生成。while 循环则是“start 标签 → 条件代码 → 条件跳转 → 循环体 → 跳回 start → end 标签”。6. 进阶技巧用测试用例反推实现正确性这套实验项目集合里最有价值的部分其实是调试记录和得分标注。得分高的实验通常不是代码写得最漂亮的而是测试用例覆盖最全的。我后来自己带实验时习惯先写测试用例再写实现。具体做法是为词法分析准备一组输入文件和期望的 token 序列用脚本自动比对为语法分析准备合法和非法程序各若干检查报错位置是否准确为语义分析准备类型错误、未声明、重复声明等用例为中间代码生成准备简单程序手工推导期望的四元式序列再和程序输出比对。一个实用的技巧是用 Python 写一个测试驱动脚本调用编译器的各个阶段把输出和期望结果做 diff。比如词法分析阶段输入int main(void) { return 0; }期望输出是INT ID LPAREN VOID RPAREN LBRACE RETURN INT RBRACE。脚本自动跑所有用例哪个失败就打印 diff比手工一个个试快得多。另一个技巧是给中间代码生成加一个--dump-ast和--dump-quads选项调试时先看 AST 对不对再看四元式对不对。如果 AST 就错了说明语法分析有问题如果 AST 对但四元式错说明代码生成逻辑有 bug。这种分层排查能省很多时间。我自己的习惯是每完成一个实验就把测试用例和调试记录整理成一个 Markdown 文件和代码放在一起。下次遇到类似问题翻记录比翻代码快。这套重庆大学的实验项目集合之所以值得参考就是因为它的调试记录把“怎么发现问题、怎么定位、怎么修”的过程留下来了这比只看最终代码有用得多。希望帮到你。本文还有配套的精品资源点击获取
