太强了!鹅厂程序员“自研”脚本语言 eben
共 65321字,需浏览 131分钟
·
2023-10-13 18:53
# 关注并星标腾讯云开发者
# 每周4 | 鹅厂一线程序员,为你“试毒”新技术
# 第5期 | 腾讯donghui:从0到1:如何设计实现一门自己的脚本语言?
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
a := (base + 10.2) / 2
var a = (base + 10.2) / 2;
a := (base + 10.2) / 2
0000 1 OP_GET_GLOBAL 1 'base'
0002 | OP_CONSTANT 2 '10.2'
0004 | OP_ADD
0005 | OP_CONSTANT 3 '2'
0007 | OP_DIVIDE
0008 | OP_DEFINE_GLOBAL 0 'a'
0010 2 OP_NIL
0011 | OP_RETURN
文中主要知识来自于 Robert Nystrom 的 "Crafting Interpreters" 和 Roberto Ierusalimschy 的 "The Implementation of Lua 5.0" 以及 "The Design of Lua"。
3.1 基础概念
3.1.1 BNF 范式
print "hello" + " world";print 5 > 9;print 4 * 9 + -8 / 2;
printStmt -> "print" expression ";" ;
expression -> ...| comparison | ... ;
comparison -> term (">" | ">=" | "<" | "<=") term ;
term -> factor ( ( "-" | "+") factor )* ;
factor -> unary ( ( "/" | "*" ) unary )* ;
class Bird {
fly() { print "Hi, sky!"; }
}
class Canary : Bird {
eat() {}
}
classDecl -> "class" IDENTIFIER ( ":" IDENTIFIER)? "{" function* "}" ;
function -> IDENTIFIER "(" parameters? ")" block ;
parameters -> IDENTIFIER ( "," IDENTIFIER )* ;
IDENTIFIER -> ALPHA ( ALPHA | DIGIT )* ;
3.1.2 字节码
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
0000 1 OP_CONSTANT 1 'hello' // 创建字面常量 "hello"
0002 | OP_CONSTANT 2 'world' // 创建字面常量 "world"
0004 | OP_ADD // 字符串拼接
0005 | OP_DEFINE_GLOBAL 0 'b' // 定义全局变量 b
0007 2 OP_GET_GLOBAL 3 'b' // 获取全局变量 b
0009 | OP_PRINT // 打印
3.1.3 虚拟机
typedef struct { CallFrame frames[FRAMES_MAX]; // 函数调用栈
Value stack[STACK_MAX]; // 值栈
Value *stackPop; // 栈顶指针
Table globals; // 全局表,存放变量、函数
ObjUpvalue *openUpvalues; // 闭包值链表,用于存放函数闭包所需的参数
Obj *objects; // 对象链表,用于垃圾回收等 ...} VM;
Result run() {
for(;;) {
switch(instruction = READ_BYTE()) { // 获取下一条字节码
case OP_CONSTANT: ...;break;
case OP_POP: pop();break;
case OP_GET_GLOBAL: ...;break;
case OP_ADD: ...;break;
case OP_CLOSURE: ...;break;
case OP_CLASS: push(OBJ_VAL(newClass(READ_STRING())));break; // 创建类对象
...
}
}
}
3.2 词法扫描
NUMBER -> DIGIT+ ( "." DIGIT+ )? ; // 数值
IDENTIFIER -> ALPHA ( ALPHA | DIGIT )* ; // 标识符
ALPHA -> "a" ... "z" | "A" .. "Z" | "_" ; // 字母(包含下划线)
DIGIT -> "0" ... "9" ; // 数字
STRING -> '"' (^")* '"' ; // 字符串(^" 表示非引号)
// 是否是字母或下划线
bool isAlpha(char c) {
return (c >= 'a' && c <= 'z') || (c >= 'A' && c <= 'Z') || c == '_';
}
// 是否是数字
bool isDigit(char c) { return c >= '0' && c <= '9'; }
// 扫描数字
Token number() {
while(isDigit(peek(0))
advance(); // 游标前进
// 小数部分
if(peek(0) == '.' && isDigit(peek(1))) {
advance();
while(isDigit(peek(0)))
advance();
}
return makeToken(TOKEN_NUMBER);
}
// 扫描字符串
Token string() {
while(peek(0) != '"' && !isAtEnd()) {
advance();
}
if(isAtEnd())
return error("未收尾的字符串");
advance();
return makeToken(TOKEN_STRING);
}
Token scan() {
char c = advance();
if(isAlpha(c)) // 检测到字母或下划线
return identifer(); // 扫描标识符
if(isDigit(c)) // 检测到数字
return number(); // 扫描数值
switch(c) {
case '+': return makeToken(TOKEN_PLUS); // 扫描加法符号
// 依据下个字符的情况,扫描小于等于号,或者小于号
case '<': return makeToken(match('=') ? TOKEN_LESS_EQUAL : TOKEN_LESS);
...
case '"': return string(); // 扫描字符串,直到遇到收尾双引号
}
// 遇到无法匹配的字符,报错
return error("未识别字符");
}
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
swtich(c1) {
case 'a': return checkReserved("nd", TOKEN_AND); // checkReserved 判断剩下的字符串是否相同,同则返回 TOKEN_AND
case 'f': {
...
switch(c2) {
case 'a': return checkReserved("lse", TOKEN_FALSE); // f + a + lse 三部分都匹配的话,返回 TOKEN_FALSE
case 'o': return checkReserved("r", TOKEN_FOR);
case 'n': return checkReserved("", TOKEN_FUNC);
}
}
case 'v': return checkReserved("ar", TOKEN_VAR);
...
}
return TOKEN_IDENTIFIER; // 没有匹配,说明不是保留关键字
3.3 语法解析
// 程序代码由任意条声明加上文件结束符组成
program -> decl* EOF ;
// 声明可以是类声明、函数声明、变量声明等,还可以是语句
decl -> classDecl | funcDecl | varDecl | stmt ;
// 语句可以是表达式语句,for循环,if条件,打印,返回,while循环,区块等
stmt -> exprStmt | forStmt | ifStmt | printStmt | returnStmt | whileStmt | block ;
void compile(const char *source) {
...
scan(); // 完成词法扫描
while(!match(TOKEN_EOF)) {
declaration(); // 循环解析声明语句,直到文件结束
}
...
}
static void declaration() {
if(match(TOKEN_CLASS)) {
classDeclaration(); // 解析类声明
} else if(match(TOKEN_FUNC)) {
funcDeclaration(); // 解析函数声明
} else if(match(TOKEN_VAR)) {
varDeclaration(); // 解析变量声明
} else {
statement(); // 解析其他语句
}
}
static void statement() {
if(match(TOKEN_PRINT)) {
printStatement(); // 解析打印语句
} else if(match(TOKEN_FOR)) {
forStatement(); // 解析 for 循环语句
}
... // 解析其他语句
else {
expressionStatement(); // 解析表达式语句
}
}
...
static void funcDeclaration() {
uint8_t funcNameIndex = parseVariable("此处需要函数名"); // 解析函数名标识符,失败则报错
consumeToken(TOKEN_LEFT_PAREN, "需要左括号"); // 完成左括号解析,不存在则报错
if(!check(TOKEN_RIGHT_PAREN)) { // 如果下一个token不是右括号,代表有函数形参列表
do {
uint8_t paramNameIndex = parseVariable("需要形式参数名称");
defineVariable(paramNameIndex);
} while(match(TOKEN_COMMA)); // 遇到逗号代表还有参数,循环解析下去
}
consumeToken(TOKEN_RIGHT_PAREN, "需要右括号"); // 完成右括号解析,不存在则报错
consumeToken(TOKEN_LEFT_BRACE, "需要左花括号"); // 完成左花括号解析,不存在则报错
block(); // 解析函数体,函数体是一个区块 block
...
defineVariable(funcNameIndex); // 将函数名放入全局表中
}
3.4 底层数据结构
typedef enum {
VAL_BOOL, // 布尔类型
VAL_NIL, // 空类型
VAL_NUMBER, // 数值类型
VAL_OBJ // 对象类型
} ValueType;
typedef struct {
ValueType type; // 数据类型
// 使用联合实现空间复用,节约内存
union {
bool boolean; // C 中 bool 类型来表示 eben 布尔类型
double number; // C 中 double 类型来表示 eben 数值类型
Obj *obj; // C 中 Obj* 指针来指向动态分配的复杂结构
} as;
} Value;
typedef enum {
OBJ_CLASS, // 类
OBJ_CLOSURE, // 闭包
OBJ_FUNCTION, // 函数
OBJ_INSTANCE, // 实例
OBJ_NATIVE, // 本地函数
OBJ_STRING, // 字符串
OBJ_UPVALUE, // 闭包参数
} ObjType;
struct Obj {
ObjType type; // Object 类型
bool isMarked; // 用于 GC 标记,下文将介绍
struct Obj *next; // 链表指针
}
typedef struct {
Obj obj; // 元信息
int length;
char *chars;
} ObjString;
typedef struct {
Obj obj; // 元信息
ObjString *name;
Table methods;
} ObjClass;
void freeObject(Obj *object) {
switch(object->type) {
case OBJ_CLASS: {
ObjClass *klass = (ObjClass *)object;
freeTable(&klass->methods);
FREE(ObjClass, object);
break;
}
case OBJ_STRING: {
ObjString *string = (ObjString *)object;
FREE_ARRAY(char, string->chars, string->length+1);
FREE(ObjString, object);
break;
}
... // 其他类型对象的释放
}
}
3.5 变量
3.5.1 全局变量
varDecl -> "var" IDENTIFIER ( "=" expression )? ";" ;
var abc = "hello"; // 赋值 "hello"
var bcd; // 没有赋初始值,默认为 nil
static void varDeclaration() {
uint8_t global = parseVariable("需要变量名"); // 解析变量名,获取序号
if(match(TOKEN_EQUAL)) {
expression(); // 继续解析等于号右侧的表达式,此处就是 "hello" 字符串
} else {
emitByte(OP_NIL); // 直接生成压入空值字节码
}
consumeToken(TOKEN_SEMICOLON, "声明结尾需要分号");
emitBytes(OP_DEFINE_GLOBAL, global); // 带入序号,生成定义变量字节码
}
case OP_DEFINE_GLOBAL: {
ObjString *name = READ_STRING_FROM_CONSTANTS(); // 从常量列表中取出之前暂存的变量名
tableSet(&vm.globals, name, peek(0)); // peek(0) 取出值栈的栈顶元素
pop(); // 使用完成,弹出栈顶元素
break;
}
case OP_GET_GLOBAL: {
ObjString *name = READ_STRING_FROM_CONSTANTS(); // 获得变量名 "abc"
Value value;
if(!tableGet(&vm.globals, name, &value)) { // 用 "abc" 去全局表中查找,找到则将值回填到 value 中
runtimeError("未定义变量 %s", name->chars); // 如果没找到,报“未定义的变量”错误
return RUNTIME_ERROR;
}
push(value); // 如果存在,压入值栈待后续使用
break;
}
case OP_PRINT:
printValue(pop());
break;
3.5.2 局部变量
int arg = resolveLocal(current, &name); // 尝试查找局部变量,递归向外执行
if(arg != -1) {
op = OP_GET_LOCAL;
} else {
op = OP_GET_GLOBAL;
}
emitBytes(op, arg); // 传入变量序号,生成获取变量字节码
case OP_GET_LOCAL: {
uint8_t index = READ_BYTE(); // 在字节码数据中读出上文代码中传入的 arg,即变量序号
push(vm.stack[index]); // 将序号对应的值压入栈顶,以备后续使用
break;
}
3.6 条件控制
3.6.1 if 语句
if(true) {
print "hi";
}
print "hello";
0000 1 OP_TRUE // 将布尔值 true 压入值栈
0001 | OP_JUMP_IF_FALSE 1 -> 11 // 如果为假,跳到 0011 处
0004 | OP_POP // 弹出栈顶值
0005 2 OP_CONSTANT 0 'hi'
0007 | OP_PRINT
0008 3 OP_JUMP 8 -> 12 // 无条件跳到 0012 处
0011 | OP_POP // 弹出栈顶值
0012 4 OP_CONSTANT 1 'hello'
0014 | OP_PRINT
static void ifStatement() {
consumeToken(TOKEN_LEFT_PAREN, "需要左括号"); // 完成左括号解析,不存在则报错
expression(); // 解析括号中的条件表达式
consumeToken(TOKEN_RIGHT_PAREN, "需要右括号");
int thenJump = emitJump(OP_JUMP_IF_FALSE); // 生成条件跳跃字节码
emitByte(OP_POP); // 弹出条件表达式的值,用完即丢
statement(); // 解析 if 分支中语句
int elseJump = emitJump(OP_JUMP); // 生成无条件跳跃字节码
patchJump(thenJump); // 计算并回填跳跃距离
emitByte(OP_POP);
if(match(TOKEN_ELSE)) // 如果 else 存在,解析其分支语句
statement();
patchJump(elseJump); // 计算并回填跳跃距离
}
3.6.2 while 循环
OP_JUMP 配合负数参数也可以实现向后跳跃。不过字节码指令及其参数在虚拟机内部都使用 uint8_t 类型存储,故此处不使用负数以防诸多麻烦。
var a = 5;
while(a > 0) {
a = a - 1;
}
0000 1 OP_CONSTANT 1 '5'
0002 | OP_DEFINE_GLOBAL 0 'a'
0004 2 OP_GET_GLOBAL 2 'a'
0006 | OP_CONSTANT 3 '0'
0008 | OP_GREATER // 判断 a 是否大于 0
0009 | OP_JUMP_IF_FALSE 9 -> 24 // 如果判定为假,跳过整个循环体
0012 | OP_POP
0013 3 OP_GET_GLOBAL 5 'a'
0015 | OP_CONSTANT 6 '1'
0017 | OP_SUBTRACT
0018 | OP_SET_GLOBAL 4 'a'
0020 | OP_POP
0021 4 OP_LOOP 21 -> 4 // 跳回到 0004 处,再次进行条件判定
0024 | OP_POP
static void whileStatement() {
consumeToken(TOKEN_LEFT_PAREN, "需要左括号"); // 完成左括号解析,不存在则报错
expression(); // 解析括号中的条件表达式
consumeToken(TOKEN_RIGHT_PAREN, "需要右括号");
int exitJump = emitJump(OP_JUMP_IF_FALSE); // 生成跳出循环体的条件跳跃字节码
emitByte(OP_POP);
statement(); // 解析循环体中语句
emitLoop(loopStart); // 生成跳回字节码 OP_LOOP
patchJump(exitJump); // 回填跳跃的距离参数
emitByte(OP_POP);
}
3.6.3 for 循环
for(var i=0; i<5; i=i+1) {
print i;
}
0000 1 OP_CONSTANT 0 '0' // 生成字面量 0
0002 | OP_GET_LOCAL 1 // 获取序号 1 处局部变量值,即 i 的值
0004 | OP_CONSTANT 1 '5' // 生成字面量 5
0006 | OP_LESS // 判断是否小于 5
0007 | OP_JUMP_IF_FALSE 7 -> 31 // 如果为假,跳过循环体
0010 | OP_POP
0011 | OP_JUMP 11 -> 25 // 无条件跳到 0025 处,跳过更新部分,循环体执行之后才执行这里
0014 | OP_GET_LOCAL 1
0016 | OP_CONSTANT 2 '1'
0018 | OP_ADD // 将序号 1 处局部变量,即 i 的值加1
0019 | OP_SET_LOCAL 1
0021 | OP_POP
0022 | OP_LOOP 22 -> 2 // 跳回到 0002 处进行条件判定
0025 2 OP_GET_LOCAL 1 // 执行循环体内逻辑
0027 | OP_PRINT // 打印变量值
0028 3 OP_LOOP 28 -> 14 // 执行完循环体后,跳回到 0014 处,执行 i=i+1 更新部分逻辑
0031 | OP_POP
0032 | OP_POP
static void forStatement() {
consumeToken(TOKEN_LEFT_PAREN, "需要左括号"); // 完成左括号解析,不存在则报错
// 初始化部分
if(match(TOKEN_SEMICOLON)) { // for(;...) 形式,空初始化,无需操作
} else if(match(TOKEN_VAR)) { // for(var i=0;...) 形式,声明新的循环变量 i
varDeclaration();
} else { // for(i=0;...) 形式,直接使用外界的变量 i;或者是只需要其副作用的任意表达式
expressionStatement();
}
// 条件部分
...
int exitJump = -1;
if(!match(TOKEN_SEMICOLON)) { // 不是分号,条件部分不为空
...
exitJump = emitJump(OP_JUMP_IF_FALSE); // 如果假,跳出循环体
...
}
// 更新部分
if(!match(TOKEN_RIGHT_PAREN)) { // 不是右括号,更新部分不为空
int bodyJump = emitJump(OP_JUMP); // 无条件跳到循环体部分
...
emitLoop(loopStart); // 执行完更新之后跳回到条件判定处
loopStart = ...;
patchJump(bodyJump);
}
statement(); // 解析循环体中语句
emitLoop(loopStart); // 跳回到更新部分去执行
if(exitJump != -1) {
patchJump(exitJump); // 回填跳跃的距离参数
emitByte(OP_POP);
}
}
3.6.4 逻辑与和或
if(true and true) { // 为了样例简便,矫揉造作了这里的写法
print "AND is ok";
}
0000 1 OP_TRUE
0001 | OP_JUMP_IF_FALSE 1 -> 6 // 如果假,跳到 0006。此处真,不跳。
0004 | OP_POP
0005 | OP_TRUE
0006 | OP_JUMP_IF_FALSE 6 -> 16 // 如果假,跳到 0016。此处真,不跳。
0009 | OP_POP
0010 2 OP_CONSTANT 0 'AND is ok'
0012 | OP_PRINT // 正常执行打印
0013 3 OP_JUMP 13 -> 17
0016 | OP_POP
if(false and true) {
print "shortcut";
}
0000 1 OP_FALSE
0001 | OP_JUMP_IF_FALSE 1 -> 6 // 如果假,跳到 0006。此处假,跳。
0004 | OP_POP
0005 | OP_TRUE
0006 | OP_JUMP_IF_FALSE 6 -> 16 // 0004 和 0005 处的操作被跳过,目前栈顶值还是假,跳到 0016
0009 | OP_POP
0010 2 OP_CONSTANT 0 'shortcut'
0012 | OP_PRINT
0013 3 OP_JUMP 13 -> 17
0016 | OP_POP // 打印操作被跳过
static void andOperator()
{
int endJump = emitJump(OP_JUMP_IF_FALSE); // 生成跳跃字节码
emitByte(OP_POP); // 左边值出栈
... // 继续解析右边的表达式,可能有 a and b and c and d 的情况
patchJump(endJump); // 回填跳跃的距离参数
}
if(true or false) {
print "shortcut";
}
0000 1 OP_TRUE
0001 | OP_JUMP_IF_FALSE 1 -> 7 // 如果假,跳到 0007。此处真,不跳。
0004 | OP_JUMP 4 -> 9 // 直接跳到 0009
0007 | OP_POP
0008 | OP_FALSE
0009 | OP_JUMP_IF_FALSE 9 -> 19 // 0007 和 0008 处的操作被跳过,目前栈顶值还是真,不跳
0012 | OP_POP
0013 2 OP_CONSTANT 0 'shortcut'
0015 | OP_PRINT // 正常执行打印
0016 3 OP_JUMP 16 -> 20
0019 | OP_POP
static void orOperator()
{
int elseJump = emitJump(OP_JUMP_IF_FALSE); // 如果假,跳到 or 右边第一个值处继续判定
int endJump = emitJump(OP_JUMP); // 如果真,跳过整个判定条件表达式
patchJump(elseJump); // 回填 or 左边值判定假后跳跃的距离参数
emitByte(OP_POP); // 左边值出栈
... // 继续解析右边的表达式
patchJump(endJump); // 回填跳跃整个条件表达式的距离参数
}
3.7 函数
fn sayHi(first, last) {
print "Hi, " + first + " " + last + "!";
}
sayHi("Code", "读者");
== sayHi == // sayHi 函数体
0000 2 OP_CONSTANT 0 'Hi, ' // 构建字面常量
0002 | OP_GET_LOCAL 1 // 获取序号 1 处局部变量,即第一个参数 first
0004 | OP_ADD // 字符串拼接
0005 | OP_CONSTANT 1 ' ' // 构建字面常量
0007 | OP_ADD // 字符串拼接
0008 | OP_GET_LOCAL 2 // 获取序号 2 处局部变量,即第二个参数 last
0010 | OP_ADD // 字符串拼接
0011 | OP_CONSTANT 2 '!' // 构建字面常量
0013 | OP_ADD // 字符串拼接
0014 | OP_PRINT // 打印
0015 3 OP_NIL
0016 | OP_RETURN // 该函数没有明确返回值,故默认返回值为 nil
== <script> == // 脚本主体
0000 3 OP_CLOSURE 1 <fn sayHi> // 构建函数
0002 | OP_DEFINE_GLOBAL 0 'sayHi' // sayHi 函数加入到全局表
0004 5 OP_GET_GLOBAL 2 'sayHi' // 从全局表中获取 sayHi 函数
0006 | OP_CONSTANT 3 'Code' // 构建字面常量
0008 | OP_CONSTANT 4 '读者' // 构建字面常量
0010 | OP_CALL 2 // 调用 sayHi 函数
0012 | OP_POP // 弹出栈顶值
case OP_CLOSURE: {
ObjFunctioin *function = AS_FUNCTION(READ_CONSTANT()); // 根据序号读出函数对象
ObjClosure *closure = newClosure(function); // 构建闭包对象
push(OBJ_VAL(closure)); // 将 sayHi 函数压入值栈,供后面的 OP_DEFINE_GLOBAL 指令使用
...
break;
}
static void function(FunctionType type)
{
...
consumeToken(TOKEN_LEFT_PAREN, "需要左括号");
if (!check(TOKEN_RIGHT_PAREN)) // 如果没有遇到右括号,解析参数
{
do
{
... // 解析函数形式参数
} while (match(TOKEN_COMMA));// 如果遇到逗号,继续解析下一个参数
}
consumeToken(TOKEN_RIGHT_PAREN, "需要右括号");
consumeToken(TOKEN_LEFT_BRACE, "需要左花括号");
block(); // 解析函数体
ObjFunction *function = ...; // 构建函数对象
emitBytes(OP_CLOSURE, makeConstant(OBJ_VAL(function))); // 生成 OP_CLOUSRE 字节码指令
...
}
case OP_CALL: {
int argCount = READ_BYTE(); // 获取函数参数个数
if(!call_(peek(argCount), argCount)) { // 调用 call_ 完成调用逻辑,peek(argCount) 是指栈顶往下 argCount 个位置的函数对象
return RUNTIME_ERROR; // 失败则报运行时错误
}
frame = &vm.frames[vm.frameCount - 1]; // 成功完成,重新指向栈顶下方的函数调用栈帧
break;
}
static bool call_(ObjClosure *closure, int argCount) //如前文所述,ObjClosure 就是封装后的 ObjFunction
{
if (argCount != closure->function->arity) { // 检查参数个数,不匹配则打回
runtimeError("需要 %d 个参数,提供了 %d 个", closure->function->arity, argCount);
return false;
}
// 调用层数超出限制,给出经典的 Stack Overflow 错误
if (vm.frameCount == FRAMES_MAX) {
runtimeError("栈溢出");
return false;
}
// 构建调用栈帧,压入调用栈
CallFrame *frame = &vm.frames[vm.frameCount++];
frame->closure = closure;
// ip 即 instruction pointer 指令指针,指向函数体内字节码,比如上文中 sayHi 函数的字节码
frame->ip = closure->function->chunk.code;
// 函数调用所需参数列表指向虚拟机值栈对应位置
frame->slots = vm.stackTop - argCount - 1;
return true;
}
typedef struct {
ObjClosure *closure; // 闭包对象
uint8_t *ip; // 指向当前指令的指令指针 Instruction Pointer,有些语言里会称作 Program Counter (PC)
Value *slots; // 参数列表指针
} CallFrame;
fn adder(operand) {
if(operand <= 0) {
return 0;
}
return operand + adder(operand - 1);
}
print adder(5);
== adder ==
0000 2 OP_GET_LOCAL 1
0002 | OP_CONSTANT 0 '0'
0004 | OP_GREATER
0005 | OP_NOT // operand <= 0 等价于 !(operand > 0)
0006 | OP_JUMP_IF_FALSE 6 -> 16 // 未达到基准条件,跳到 0016
0009 | OP_POP
0010 3 OP_CONSTANT 1 '0'
0012 | OP_RETURN
0013 4 OP_JUMP 13 -> 17
0016 | OP_POP
0017 5 OP_GET_LOCAL 1
0019 | OP_GET_GLOBAL 2 'adder'
0021 | OP_GET_LOCAL 1
0023 | OP_CONSTANT 3 '1'
0025 | OP_SUBTRACT // 当前参数减 1 后的值放入栈顶
0026 | OP_CALL 1 // 再次发起调用,即再压入一个 CallFrame
0028 | OP_ADD // 将当前参数与调用产生的值相加
0029 | OP_RETURN
== <script> ==
0000 6 OP_CLOSURE 1 <fn adder>
0002 | OP_DEFINE_GLOBAL 0 'adder' // 定义这个全局函数
0004 8 OP_GET_GLOBAL 2 'adder'
0006 | OP_CONSTANT 3 '5'
0008 | OP_CALL 1
0010 | OP_PRINT
3.8 闭包
== myFunc ==
0000 4 OP_GET_UPVALUE 0 // 获取被闭包的参数
0002 | OP_PRINT // 打印
0003 5 OP_NIL
0004 | OP_RETURN
== makeFunc ==
0000 2 OP_CONSTANT 0 'hello'
0002 5 OP_CLOSURE 1 <fn myFunc> // 生成闭包函数,并携带闭包参数
0004 | local 1 // myFunc 携带的闭包参数是从父函数的局部变量捕获所得,即脚本中的 a
0006 6 OP_GET_LOCAL 2 // myFunc 是内部函数,所以也是 local
0008 | OP_RETURN
== <script> ==
0000 7 OP_CLOSURE 1 <fn makeFunc> // 生成函数
0002 | OP_DEFINE_GLOBAL 0 'makeFunc'
0004 9 OP_GET_GLOBAL 3 'makeFunc'
0006 | OP_CALL 0
0008 | OP_DEFINE_GLOBAL 2 'f'
0010 10 OP_GET_GLOBAL 4 'f'
0012 | OP_CALL 0 // 调用 f 函数
0014 | OP_POP
获取闭包参数的指令叫作 OP_GET_UPVALUE,这里是借鉴了 Lua 作者的叫法。Lua 内部将实现闭包的数据结构称为 Upvalue 。
case OP_CLOSURE: {
...
ObjClosure *closure = newClosure(function);
push(OBJ_VAL(closure));
for(...) {
...
if(isLocal) {
closure->upvalues[i] = captureUpvalue(...); // 捕获潜在闭包参数
} else {
...
}
}
...
}
static ObjUpvalue *captureUpvalue(Value *local) {
...
ObjUpvalue *upvalue = vm.openUpvalues;
...
ObjUpvalue *newUpvalue = newUpvalue(local);
newUpvalue->next = upvalue;
...
vm.openUpvalues = newUpvalue;
...
}
case OP_RETURN: {
...
closeUpvalues(frame->slots);
...
}
static void closeUpvalues(Value *last)
{
// 在 frame->slots 之后的变量全部搬到堆上
while (vm.openUpvalues != NULL && vm.openUpvalues->location >= last)
{
ObjUpvalue *upvalue = vm.openUpvalues;
upvalue->closed = *upvalue->location; // 原本栈上的值拷贝到 closed 字段中,也就到了堆上
upvalue->location = &upvalue->closed; // 指针位置指向 closed 字段
vm.openUpvalues = upvalue->next;
}
}
typedef struct ObjUpvalue
{
Obj obj; // 元信息头部
Value *location; // 记录该变量原本在栈上的位置
Value closed; // 如果该变量被闭包,将 location 指向的值拷贝到此处。即从栈上搬到堆上,保证其长期存活
struct ObjUpvalue *next; // 链表指针
} ObjUpvalue;
if arg = resolveLocal(current, &name);
if(arg != -1) { // 找到了局部变量,生成 OP_GET_LOCAL 字节码
...
} else if(arg = resolveUpvalue(current, &name)) != -1) { // 找到了闭包参数,生成 OP_GET_UPVALUE 字节码
emitBytes(OP_GET_UPVALUE, arg);
} else { // 当作全局变量处理,生成 OP_GET_GLOBAL,如果还是没有就报“未定义”错误
...
}
static int resolveUpvalue(Token *name) {
...
int local = resolveLocal(parent, name); // 先尝试从父作用域的局部变量中找
if(local != -1) {
return addUpvalue(...); // 记录下闭包参数,下同
}
int upvalue = resolveUpvalue(parent, name); // 如果没找到,再从父作用域的闭包参数中找,递归调用到顶为止
if(upvalue != -1) {
return addUpvalue(...);
}
return -1; // 找不到则返回
}
如上代码所示,addUpvalue 函数既可用于将父作用域的局部变量加入到当前作用域闭包参数中,也可用于将父作用域“继承”而来的闭包参数加入到当前作用域闭包参数中。
本例中,myFunc 没找到局部变量 a,但找到了闭包参数 a。所以,它生成了 OP_GET_UPVALUE 字节码指令。虚拟机执行 OP_GET_UPVALUE 指令时会从闭包函数对象的 upvalues 列表中获取对应的闭包参数。
case OP_GET_UPVALUE: {
uint8_t slot = READ_BYTE();
push(*frame->closure->upvalues[slot]->location);
break;
}
3.9 面向对象
class Cake {
eat() { // 定义成员函数 eat
var adjective = "好吃";
print "这个" + this.flavor + "蛋糕真" + adjective + "!";
}
}
var cake = Cake();
cake.flavor = "巧克力"; // 动态地设置实例字段
cake.eat(); // 输出“这个巧克力蛋糕真好吃!”
3.9.1 类与实例
0000 1 OP_CLASS 0 'Cake' // 定义 Cake 类
0002 | OP_DEFINE_GLOBAL 0 'Cake' // 加到全局表
0004 | OP_GET_GLOBAL 1 'Cake'
...
0010 6 OP_POP
0011 8 OP_GET_GLOBAL 5 'Cake'
0013 | OP_CALL 0 // 调用 Cake(),因为 Cake 未指定构造函数,故使用默认的无参构造函数
0015 | OP_DEFINE_GLOBAL 4 'cake' // 加到全局表
0017 9 OP_GET_GLOBAL 6 'cake'
...
static void classDeclaration() {
consumeToken(TOKEN_IDENTIFER, "需要类名");
...
emitBytes(OP_CLASS, ...); // 生成 OP_CLASS 字节码
...
if(match(TOKEN_COLON)) { // 如果有冒号符号,尝试解析父类
...
}
namedVariable(className, ...); // 生成 OP_DEFINE_GLOBAL,加入到全局表,这样可以允许成员方法引用该类
consumeToken(TOKEN_LEFT_BRACE, "需要左花括号");
while (!check(TOKEN_RIGHT_BRACE) && !check(TOKEN_EOF))
{
method(); // 在遇到右花括号之前,循环解析成员方法
}
consumeToken(TOKEN_RIGHT_BRACE, "需要右花括号");
...
}
case OP_CLASS: {
ObjString *name = READ_STRING();
ObjClass *klass = ALLOCATE_OBJ(ObjClass, OBJ_CLASS); // 初始化结构体
klass->name = name;
initTable(&klass->methods); // 初始化类成员方法表
push(OBJ_VAL(klass)); // 压入值栈,方便后续调用
break;
}
typedef struct
{
Obj obj; // 元信息
ObjString *name; // 类名
Table methods; // 成员方法表
} ObjClass;
...
0017 9 OP_GET_GLOBAL 6 'cake' // 获得 cake 实例
0019 | OP_CONSTANT 8 '巧克力'
0021 | OP_SET_PROPERTY 7 'flavor' // 设置 cake 实例的属性
...
case OP_SET_PROPERTY: {
if(!IS_INSTANCE(peek(1)) { // 只有类的实例才可以动态设置字段
runtimeError("只有实例才允许字段赋值");
return RUNTIME_ERROR;
}
ObjInstance *instance = AS_INSTANCE(peek(1)); // 获得实例对象
tableSet(&instance->fields, READ_STRING(), ...); // 设置其字段表的值
...
break;
}
typedef struct
{
Obj obj; // 元信息
ObjClass *klass; // 所属的类
Table fields; // 字段表
} ObjInstance;
0024 10 OP_GET_GLOBAL 9 'cake' // 从全局表中获得 cake 实例
0026 | OP_INVOKE (0 args) 10 'eat' // 调用成员方法 eat,携带 0 个参数
case OP_INVOKE: {
ObjString *method = READ_STRING(); // 获得方法名
int argCount = READ_BYTE(); // 获取参数个数
if(!invoke(method, argCount)) { // 发起调用
return RUNTIME_ERROR;
}
frame = &vm.frames[vm.frameCount - 1]; // 成功完成,重新指向栈顶下方的函数调用栈帧
break;
}
static bool invoke(ObjString *name, int argCount) {
Value receiver = peek(argCount); // 获得实例对象
...
ObjInstance *instance = AS_INSTANCE(receiver); // 转成具体类型
...
ObjClass *klass = instance->class;
Value method;
if(!tableGet(&klass->method, name, &method)) { // 从实例关联的类中查找成员方法
runtimeError("未定义属性 '%s'", name->chars);
return false;
}
return call_(AS_CLOSURE(method), argCount); // 包装成闭包对象,像普通函数一样调用
}
3.9.2 成员方式
0024 10 OP_GET_GLOBAL 9 'cake' // 从全局表中获得 cake 实例
0026 | OP_INVOKE (0 args) 10 'eat' // 调用成员方法 eat,携带 0 个参数
case OP_METHOD: {
ObjString *name = READ_STRING();
Value method = peek(0); // 获得栈顶已经包装好成员方法的闭包对象
ObjClass *klass = AS_CLASS(peek(1)); // 获取栈顶下方的 Cake 类
tableSet(&klass->methods, name, method); // 把闭包对象加入到类的 `methods` 表中,如果 name 已经存在,覆盖旧值
pop(); // 弹出栈顶元素
break;
}
static void method() {
consumeToken(TOKEN_IDENTIFIER, "需要方法名");
...
if(token.length == 4 && memcmp(token.name, "init", 4) == 0) {
// 如果成员方法名为 "init",表示是构造函数,走特殊逻辑
...
}
// 同前文普通函数解析方法
...
emitBytes(OP_ClOSURE, ...); // 生成 OP_CLOSURE 字节码
emitBytes(OP_METHOD, ...); // 生成 OP_METHOD 字节码
}
3.9.3 构造函数
class Cake {
init(color) {
this.color = color; // 设置 color 字段
}
eat() {
print "这个" + this.color + "蛋糕真不错!";
}
}
var cake = Cake("粉色");
cake.eat();
== init ==
0000 3 OP_GET_LOCAL 0 // 获得序号 0 的局部变量,即 this,此位置专门预留给 this
0002 | OP_GET_LOCAL 1 // 获得序号 1 的局部变量,即 color 参数
0004 | OP_SET_PROPERTY 0 'color' // 将参数赋值到 this 的属性 color 中
0006 | OP_POP
0007 4 OP_GET_LOCAL 0 // 获得序号 0 的局部变量,即this
0009 | OP_RETURN // 返回 this,即实例自身
== eat ==
0000 7 OP_CONSTANT 0 '这个'
0002 | OP_GET_LOCAL 0 // 获得序号 0 的局部变量,即this
0004 | OP_GET_PROPERTY 1 'color' // 获得 this 上的属性字段 color
0006 | OP_ADD // 字符串拼接
0007 | OP_CONSTANT 2 '蛋糕真不错!'
...
== <script> ==
0000 1 OP_CLASS 0 'Cake'
0002 | OP_DEFINE_GLOBAL 0 'Cake'
0004 | OP_GET_GLOBAL 1 'Cake'
0006 4 OP_CLOSURE 3 <fn init> // 生成构造函数包装而成的闭包对象
0008 | OP_METHOD 2 'init' // 构造函数加入到类的成员方法表
...
static void retrunStatement() {
...
if(current->type == TYPE_INITIALIZER) {
error("不可以在构造函数内使用 return。");
}
...
}
如前所述,eben 中普通函数在没有指定返回值的情况下,会默认返回空值 nil 。所以,编译器解析 eben 函数过程中调用 emitReturn 时需要对两种情况分别处理。
static void emitReturn() {
if(current->type == TYPE_INITIALIZER) { // 是构造函数
emitBytes(OP_GET_LOCAL, 0); // this 处在局部变量预留位置 0
} else { // 是普通函数
emitByte(OP_NIL);
}
emitByte(OP_RETURN); // 生成返回操作字节码
}
3.9.4 构造函数
class Cake {
eat() {
print "这个蛋糕真好吃!";
}
make() {
print "做蛋糕很辛苦.";
}
}
class BananaCake : Cake { // BananaCake 继承 Cake
eat() { // 覆盖父类同名方法
super.eat(); // 调用父类的方法
print "加了香蕉更好吃!";
}
}
var bc = BananaCake(); // 构建实例
bc.make(); // 调用继承而来的方法 make,输出“做蛋糕很辛苦.”
bc.eat(); // 调用覆盖方法 eat,输出“这个蛋糕真好吃!\n加了香蕉更好吃!”
== eat == // Cake 中 eat 方法
...
== make == // Cake 中 make 方法
...
== eat ==
0000 13 OP_GET_LOCAL 0 // 获得 this
0002 | OP_GET_UPVALUE 0 // 获得 super
0004 | OP_SUPER_INVOKE (0 args) 0 'eat' // 调用父类方法 eat
0007 | OP_POP
0008 14 OP_CONSTANT 1 '加了香蕉更好吃!'
0010 | OP_PRINT
0011 15 OP_NIL
0012 | OP_RETURN
== <script> ==
0000 1 OP_CLASS 0 'Cake' // 生成父类 Cake
... // 生成父类 Cake 成员方法
0015 11 OP_CLASS 6 'BananaCake' // 生成子类 BananaCake
0017 | OP_DEFINE_GLOBAL 6 'BananaCake'
0019 | OP_GET_GLOBAL 7 'Cake'
0021 | OP_GET_GLOBAL 8 'BananaCake'
0023 | OP_INHERIT // 继承父类的方法(只继承方法,不继承字段,因为后者都是动态设置)
0024 | OP_GET_GLOBAL 9 'BananaCake' // 开始生成其成员方法
... // OP_METHOD 指令,此处略去
0033 | OP_CLOSE_UPVALUE
0034 18 OP_GET_GLOBAL 13 'BananaCake'
0036 | OP_CALL 0 // 调用默认构造函数
0038 | OP_DEFINE_GLOBAL 12 'bc'
0040 19 OP_GET_GLOBAL 14 'bc'
0042 | OP_INVOKE (0 args) 15 'make' // 调用继承来的 make 方法
0045 | OP_POP
0046 20 OP_GET_GLOBAL 16 'bc'
0048 | OP_INVOKE (0 args) 17 'eat' // 调用 eat 方法
...
...
ObjClass *superclass = AS_CLASS(pop()); // pop() 出来的参数是事先放置的父类
if(!invokeFromClass(superclass, method, argcount)) {
return RUNTIME_ERROR;
}
...
uint8_t argCount = argumentList(); // 解析函数参数,返回参数个数
namedVariable("super", ...); // 通过 resolveLocal, resolveUpvalue 查找逻辑找到闭包参数 super
emitBytes(OP_SUPER_INVOKE, name); // 生成 OP_SUPER_INVOKE 指令,本例中 name 就是 "eat" 函数对象的序号
emitByte(argCount); // 生成参数个数
static void classDeclaration() {
...
if(match(TOKEN_COLON)) { // 遇到冒号,有继承父类关系,当前类是一个子类
consumeToken(TOKEN_IDENTIFIER, "需要父类名称.");
variable(false); // 获取父类,压入值栈
...
addLocal("super"); // super 加到局部变量列表,让其被闭包捕获,方便子类方法引用
defineVariable(0);
...
}
...
}
case OP_INHERIT: {
Value superclass = peek(1);
...
ObjClass *subclass = AS_CLASS(peek(0));
// 将父类方法表拷贝到子类方法表
tableAddAll(&AS_CLASS(superclass)->methods, &subclass->methods);
pop(); // 弹出子类
break;
}
static void classDeclaration() {
...
if(match(TOKEN_COLON)) { // 遇到冒号,有继承父类关系
...
namedVariable(className, ...); // 生成 OP_GET_GLOBAL 指令,加载 BananaCake 类进栈
emitByte(OP_INHERIT); // 生成继承指令
}
...
}
3.10 垃圾回收
开发过程中,总要有人操心内存管理。要么是语言使用者(比如 C/C++ 使用者和 ARC 出现之前的 Obj-C 使用者),要么是语言作者(比如 Java、Python、C#、Go 的作者)。eben 带有 Garbage Collection 垃圾自动回收特性(简称 GC) ,所以 eben 使用者比较幸运,不需要操心内存管理。
如前文所介绍,eben 脚本语言中的函数、闭包参数、闭包、类、实例、绑定方法等等都有其对应的底层类型,大致结构如下所示:
typedef struct
{
Obj obj; // 元信息
...
ObjY *someObject; // 可能包含任意个对其他复杂类型的引用
Table someTable; // 可能包含自定义的哈希表结构体
char *chars; // 可能包含字符串指针
} ObjX;
虚拟机中通过 freeObject 函数来释放这些底层类型的内存。
void freeObject(Obj *object) {
swtich(object->type) {
case OBJ_CLASS: { // 类对象
ObjClass *klass = (ObjClass *)object;
freeTable(&klass->methods); // 释放其方法表
FREE(ObjClass, object); // 释放结构自身
break;
}
...
case OBJ_STRING: { // 字符串对象
ObjString *string = (ObjString*)object;
FREE_ARRAY(char, string->chars, string->length+1); // 尾部的'\0'也一起释放
FREE(ObjString, object); // 释放结构自身
break;
}
...
}
}
其他底层类型的释放逻辑与上面二者大同小异。理论上,只要虚拟机能够将所有需要释放的对象归置到一起,再全部释放,就可以避免内存泄漏,也就可以管理好内存。为了判断对象是否需要释放,eben 在每一个底层类型头部都嵌套了 Obj obj 字段。该字段中内含的 isMarked 布尔字段被用来判断对象是否该释放。
struct Obj {
ObjType type; // OBJ_CLASS, OBJ_FUNCTION, OBJ_STRING 等等枚举值
bool isMarked; // 是否被标记
struct Obj *next; // 链接串接指针
}
看到 isMarked 字段,读者大概已经猜到 eben 中会使用 Mark-Sweep 方法来清理内存。业界有很多高级垃圾回收算法来高效地完成回收,本文为了简便使用了最朴素但是也蛮高效的 Mark-Sweep 标记清除方法。其主要流程如下表所示:
初始状态 | 标记 Mark | 清除 Sweep |
存在引用无法可达的对象 | 将 root 出发引用可达的对象标记成黑色 | 将未标记的对象清除 |
void gc() {
markRoots(); // 虚拟机主结构直接引用的对象称为 root,将其全部标记
markByReferences(); // 从 root 出发,根据引用关系在所有对象中访问扩散并标记
sweep(); // 清除所有没被标记过的对象
...
}
static void markRoots() {
for(Value *slot = vm.stack; slot < vm.stackTop; slot++) {
markValue(*slot);
}
... // 其他直接引用的对象
markTable(&vm.globals);
markObject((Obj *)vm.initString);
...
}
void markObject(Obj *object) {
...
if(object->isMarked)
return; // 已经标记过,返回
object->isMarked = true; // 标记
...
vm.grayStack[vm.grayCount++] = object; // 加入到已访问节点栈中
}
static void markByReferences() {
while(vm.grayStack > 0) { // 取出节点访问栈中全部对象为止
Obj *object = vm.grayStack[--vm.grayCount];
switch(object->type) {
...
case OBJ_CLASS: { // 按类型标记类对象
ObjClass *klass = (ObjClass *)objects;
markObject((Obj *)klass->name); // 标记 Class 中引用的名称字段 name
markTable(&klass->methods); // 标记 Class 中引用的方法表字段 methods
break;
}
case OBJ_FUNCTION: { // 按类型标记函数对象
ObjFunction *func = (ObjFunction *)object;
markObject((Obj *)func->name); // 标记 Function 中引用的名称字段 name
markArray(&func->chunk.constants); // 标记 Function 中引用的常量表字段 constants
break;
}
... // 其他需要标记其字段的对象
}
}
}
static void sweep() {
Obj *prev = NULL;
Obj *object = vm.objects; // vm.objects 链表中维护系统分配出来的所有对象,它不参与 markRoots
while(object != NULL) {
if(!object->isMarked) {
Obj *garbage = object; // 锁定垃圾对象
// 链表删除节点处理
object = object->next;
if(prev != NULL) {
previous->next = object;
} else {
vm.objects = object;
}
freeObject(garbage); // 清除垃圾对象
}
... // 其他维护工作
}
}
static Obj *allocateObject(size_t size, ObjType type) {
Obj *object = (Obj *)custom_allocate(NULL, 0, size); // 使用自定义的内存分配函数
...
object->next = vm.objects; // 加入到链表头位置
vm.objects = object;
...
}
void *custom_allocate(void *pointer, size_t oldSize, size_t newSize) { // 所有新对象的生成对会用到此函数
vm.bytesAllocated += newSize - oldSize;
if(vm.bytesAllocated > vm.nextGC) { // 大于阈值,发起 gc
gc();
}
...
}
void gc() {
...
vm.nextGC = vm.bytesAllocated * GC_GROW_FACTOR;
}
至此,一个完整的垃圾回收机制就完成了。
了解完 eben 的内在之后,想必读者再看到这个 REPL 会更感亲切,也更感透彻。
笔者在学习完 Robert Nystrom 的 "Crafting Interpreters" 全书和 Roberto Ierusalimschy 的 Lua 设计论文后,就对编译原理有了远比之前更透彻的理解。既钦佩于作者才华之美,又感叹他们计算机教育水平之高。基于前文的编程语言诞生时间表,笔者又理了一份编程语言作者表,方便读者直观地感受他们的编译原理发展水平之高。
年份 | 语言 | 主要作者 | 国籍 |
1957 | FORTRAN | John Backus | 美国 |
1958 | LISP | John McCarthy | 美国 |
1970 | Pascal | Niklaus Wirth | 瑞士 |
1972 | C | Dennis Ritchie | 美国 |
1978 | SQL | Donald D. Chamberlin, Raymond F. Boyce | 美国 |
1980 | C++ | Bjarne Stroustrup | 丹麦 |
1986 | Objective-C | Brad Cox | 美国 |
1987 | Perl | Larry Wall | 美国 |
1990 | Python | Guido van Rossum | 荷兰 |
1993 | Lua | Roberto Ierusalimschy | 巴西 |
1995 | Ruby | 松本行弘 | 日本 |
1995 | Java | James Gosling | 加拿大 |
1995 | JavaScript | Brendan Eich | 美国 |
1995 | PHP | Rasmus Lerdorf | 加拿大 |
2001 | C# | Anders Hejlsberg | 丹麦 |
2003 | Scala | Martin Odersky | 德国 |
2009 | Go | Rob Pike, Ken Thompson 等 | 美国 |
2012 | TypeScript | Anders Hejlsberg | 丹麦 |
2014 | Swift | Chris Lattner | 美国 |
2015 | Rust | Graydon Hoare | 加拿大 |
... | ... | ... | ... |
📢📢欢迎加入腾讯云开发者社群,社群专享券、大咖交流圈、第一手活动通知、限量鹅厂周边能你来~
(长按图片立即扫码)
关注并星标腾讯云开发者
每周4看鹅厂程序员测评新技术