(基于Java)编写编译器和解释器第9章：解析声明第一部分(连载)

本章你将会解析声明(declarations)。因为所有申明的信息都会放到符号表，所以这章也是第4章的一个延续。

==>> 本章中文版源代码下载：svn co http://wci.googlecode.com/svn/branches/ch9/ 源代码使用了UTF-8编码，下载到本地请修改！

目标与方法

本章有以下目标：

• 前端处理Pascal常量定义，类型定义，变量声明和类型说明的解析器。
• 在符号表中加入类型信息。

方法将是开发新的类表现Pascal类型信息，并分别放在intermediate,intermediate.symtabimpl和intermediate.typeimpl包中。为验证你的代码，你会扩展第4章开发的使用工具CrossReferencer使之包含类型信息。

程序语言的申明对解析来说通常是最难搞的一些语句，因为：

• 声明语句语法本身可以很难。
• 声明通常包含递归定义。
• 你得hold住各式各样的信息。
• 你得在符号表放置很多很多很多的东西。

Pascal声明(Declarations)

Pascal申明包含四个部分(本书不处理标识申明label delcaration，因为去掉了goto，也不处理集合和指针类型，这留给你实践吧)。每个部分都可以没有但它们的顺序不能乱，分别是：常量定义部分(constant)，类型定义部分(type)，变量申明部分以及过程和函数申明（procedure and function)部分。这章只讲前三部分，你会在11章中解析过程和函数申明。语法图9-1显示出Pascal申明有一个相对来说比较明了的语法。

图9-1：Pascal声明语法

留意常量和类型是“定义”的，而变量，过程以及函数是“声明”的。我们把定义和声明语句统称为“声明”(declarations)。

一个Pascal常量定义由1个标识符紧接着等于号"="和一个常量组成。看下面的常量定义部分的例子：

CONST
    factor = 8;
    epsilon = 1.0e-6;
    ch = 'x';
    limit = -epsilon;
    message = 'Press the OK button to confirm your selection.';

一个Pascal类型定义包含一个标识符，然后是一个等于号"="加一个类型说明(type specification)。一个简单的类型说明可以是先前定义过的类型标识符，一个枚举类型说明，一个其基础类型为枚举类型的子界(subrange)说明或一个非实(non-real，意思实际上是非浮点数，只是整数)标量类型。下面是类型定义部分的例子：

TYPE
    range1 = 0..factor; {subrange of integer}
    range2 = 'a'..'q';  {subrange of char}
    range3 = range1;    {type identifier}

    grades  = (A, B, C, D, F);  {enumeration}
    passing = A..D;             {subrange of enumeration}

    week    = (monday, tuesday, wednesday, thursday, friday, saturday, sunday);
    weekday = monday..friday;
    weekend = saturday..sunday;

一个数组类型说明有一个索引类型和一个元素类型。索引类型必须是一个子界或枚举类型，元素类型可以是任何Pascal类型。数组可以使多维的。看数组类型定义的例子：

ar1 = ARRAY [grades] OF integer;
ar2 = ARRAY [(alpha, beta, gamma)] OF range2;
ar3 = ARRAY [weekday] OF ar2
ar4 = ARRAY [range3] OF (foo bar, baz);
ar5 = ARRAY [range1] OF ARRAY [range2] OF ARRAY[c..e] OF enum2;
ar6 = ARRAY [range1, range2, c..e] OF enum2;

上面可以看到ar5和ar6两种等效的定义多维数组的方式。每一维可以象ar5一样显式指定，或者象ar6的把维度值合并在一起(也就是C，Java等语言的方式)。

Pascal字符串类型是一个字符数组，且其索引类型是一个最小值为1的整数子界(subrange)。下面的类型str是一个长度为10的字符串(这个我估计用的很少吧，定长字符串，很恶心的)。

str = ARRAY [1..10] OF char;

一个Pascal记录(record)类型说明由包含在关键字RECORD和END之间的域申明构成。每个记录域(record field)可以是任何Pascal类型，包括其它的记录类型。一个冒号将域标识符列表与其类型隔开。(Pascal记录类型和C语言的Struct类型很像，但是本书不处理记录类型的变种和WITH语句)。举两个例子：

rec1 = RECORD
           i : integer;
           r : real;
           b1, b2 : boolean;
           c : char
       END;

第二个：

rec2 = RECORD
              ten : integer;
              r : rec1;
              a1, a2, a3 : ARRAY [range3] OF range2;
          END;

注意rec2的域r的类型是记录类型rec1

Pascal变量申明语法与记录域的申明类似，看变量申明部分的例子：

VAR
    var1 : integer;
    var2, var3 : range2;
    var4 : ar2
    var5 : rec1;
    direction : (north, south, east, west);

Pascal支持匿名(unnamed type)类型。在上面演示过的类型ar2，它的索引类型就是一个匿名枚举类型。同理，在类型ar5和ar6的定义中，第三维的索引类型是一个匿名子界类型。记录类型rec2的域a1，a2，a3的类型是一个匿名数组类型。变量direction的类型是一个匿名枚举类型。

类型和符号表

你将要编写的类型说明解析器将会在符号表中放入类型信息。

设计笔记

就像你在第4章做的那样，我们再一次从概念层面上着手。首先，设计一组语言无关的接口，将类型说明简单当成一个属性集合。在这些属性中，一个类型说明有一个格式，或许还有一个类型标识符。之后，开发Pascal相关的接口实现。

类型说明接口

图9-2 展示了intermediate包中相关接口TypeSpec，TypeForm，TypeKey的UML类图。

方法getForm()返回类型的格式，诸如标量，数组，和记录。方法getIdentifier()返回类型标识符对应的符号表项，或者null值假如类型匿名。所有其它的类型说明信息象属性值一样通过setAttribute()和getAttribute()方法存取。方法isPascalString()标识当前类型是否一个Pascal字符串。baseType()方法如果当前类型是子界类型则返回其基础类型，否则返回它本身。

清单9-1，9-2，9-3 分别展示TypeSpec，TypeForm和TypeKey的内容，请参考源代码对应类，这里不再显示。

Pascal类型说明实现

前面提到，一个Pascal类型的格式可以是标量，枚举，子界，数组或者记录。下面的表格展示了对每一种类型格式来说，解析器该抽取什么样的类型说明信息。

类型格式	类型说明信息(要抽取的)
标量	无
枚举	枚举常量标识符列表
子界	基础类型
	下界值
	上界值
数组	索引类型
	最小索引值
	最大索引值
	元素类型
	元素数量
记录	一个独立的符号表服务于记录域的标识符

类型说明信息都以属性方式存取。

清单9-4 展示了包intermediate.typeimpl中的枚举类型(注意，这个是Java的) TypeFormImpl即Pascal的TypeForm接口实现。它的枚举值对应上表中的第一列。

public enum TypeFormImpl implements TypeForm
{
    SCALAR /*标量*/,
    ENUMERATION/*枚举*/,
    SUBRANGE/*子界*/,
    ARRAY /*数组*/,
    RECORD/*记录*/;

    public String toString()
    {
        return super.toString().toLowerCase();
    }
}

清单9-5 展示了包intermediate.typeimpl中的枚举类型TypeKeyImpl即接口TypeKey的Pascal相关实现。其枚举值对应上表中的第二列。

public enum TypeKeyImpl implements TypeKey
{
    //枚举的属性
    ENUMERATION_CONSTANTS,

    // 子界的属性
    SUBRANGE_BASE_TYPE/*基础类型*/, SUBRANGE_MIN_VALUE/*下界*/,
    SUBRANGE_MAX_VALUE/*上界*/,

    // 数组属性
    ARRAY_INDEX_TYPE/*索引类型*/, ARRAY_ELEMENT_TYPE/*元素类型*/,
    ARRAY_ELEMENT_COUNT/*元素个数*/,

    // 记录
    RECORD_SYMTAB /*记录对应的符号表*/
}

就如你在前面针对符号表项（第四章)和分析树节点(第五章)做的那样，将每种类型说明(TYpe SPecification)实现成哈希表可带来极大方便。清单9-6 展示了包intermediate.typeimpl中的类TypeSpecImpl的关键方法，它是TypeSpec接口的Pascal相关实现。更详细参见源代码。

public class TypeSpecImpl
    extends HashMap<TypeKey, Object>
    implements TypeSpec
{
    private TypeForm form; //对应格式
    private SymTabEntry identifier;  //类型标识符

    public TypeSpecImpl(TypeForm form)
    {
        this.form = form;
        this.identifier = null;
    }
    //特殊的对String的处理
    public TypeSpecImpl(String value)
    {
        this.form = ARRAY;

        TypeSpec indexType = new TypeSpecImpl(SUBRANGE);
        indexType.setAttribute(SUBRANGE_BASE_TYPE, Predefined.integerType);
        indexType.setAttribute(SUBRANGE_MIN_VALUE, 1);
        indexType.setAttribute(SUBRANGE_MAX_VALUE, value.length());

        setAttribute(ARRAY_INDEX_TYPE, indexType);
        setAttribute(ARRAY_ELEMENT_TYPE, Predefined.charType);
        setAttribute(ARRAY_ELEMENT_COUNT, value.length());
    }

//一个Pascal String首先必须得是个数组(注意char和int的互转)
    public boolean isPascalString()
    {
        if (form == ARRAY) {
            TypeSpec elmtType  = (TypeSpec) getAttribute(ARRAY_ELEMENT_TYPE);
            TypeSpec indexType = (TypeSpec) getAttribute(ARRAY_INDEX_TYPE);

            return (elmtType.baseType()  == Predefined.charType) &&
                   (indexType.baseType() == Predefined.integerType);
        }
        else {
            return false;
        }
    }

    /**
     * @return 是子界则返回基类型，否则返回本身
     */
    public TypeSpec baseType()
    {
        return form == SUBRANGE ? (TypeSpec) getAttribute(SUBRANGE_BASE_TYPE)
                                : this;
    }
}

这儿有两个构造函数。第一个给定一个格式创建一个“空”TypeSpec对象。第二个构造函数为一个String(Java的)对象创建相应的TypeSpec对象。本章开头说过，一个Pascal 字符串类型是一个带 子界索引类型的字符数组，就象isPascalString()方法验证的那样。此构造函数创建一个带整数子界索引类型且值范围从1到字符串（Java的)长度的字符数组。

图9-3 展示了针对几个Pascal类型定义样例其中符号表项和TypeSpec对象之间的关系。值得留意的有：

• 类型标识符的符号表项指向相应的TypeSpec对象，而它反过来指向这个符号表项。不过匿名类型的类型说明(比如图中的匿名数组索引类型)没有指向任何符号表项。
• 枚举类型说明的ENUMERATION_CONSTANTS属性是其常量标识符所对应的符号表项形成的数组列表。
• 字节类型说明有SUBRANGE_MIN_VALUE和SUBRANGE_MAX_VALUE属性，它的SUBRANGE_BASE_TYPE属性值为其基本类型说明。
• 数组类型说明的ARRAY_INDEX_TYPE和ARRAY_ELEMENT_TYPE属性分别是数组索引和数组元素的类型说明。
• 记录类型说明的RECORD_SYMTAB属性指向包含此记录域标识符的符号表

图9-3：各种类型定义下SymTabEntry对象(淡灰色)和TypeSpec对象(暗灰色)。TypeKeyImpl属性键名以斜体大写呈现。

类型工厂

清单9-7 展示了包intermediate中的类TypeFactory，它创建TypeSpec对象。它有两个静态方法为别对应TypeSpecImpl的不同构造函数

设计笔记

此时再次使用“工厂方法”设计模式，使得类型说明客户端保持对具体类型说明实现的松耦合。

清单9-7 类型工厂的代码

public class TypeFactory
{
    public static TypeSpec createType(TypeForm form)
    {
        return new TypeSpecImpl(form);
    }

    public static TypeSpec createStringType(String value)
    {
        return new TypeSpecImpl(value);
    }
}

作用域(scope)和符号表堆栈

作用域(scope)指的是源程序的某部分，在此范围内，某些标识符能被使用（换句话说，是程序中使得哪些标识符生效的任何位置）。也可以说任何一个标识符都有一个作用域或属于一个作用域。作用域与嵌套层次和符号表堆栈(第四章有给过简要介绍)关系紧密。

Pascal有很多命名语言预定义元素的标识符，比如各种类型如integer、real、boolean、char和布尔常量true和false。在后面章节中，你将会碰到命名预定义函数的标识符如writeln。默认情况下，预定义的全局标识符的作用域是整个程序（程序可以有1个或多个文件构成)。他们被隐式的定义在嵌套层0作用域即全局作用域。程序的名字同样在这个嵌套层定义。

本章之前你仅仅碰到过只有一个符号表的符号表堆栈，它在嵌套层0，也就是把所有的标识符都当作了全局标识符。实际上在一个程序的最顶层定义的所有标识符（常量名，类型，变量，函数过程等）是在嵌套层1即程序域(program scope)。（目前有两个作用域了，一个全局作用域 global scope，一个程序作用域 program scope)

每一个Pascal记录定义为它的域标识符创建一个新的作用域。这个新域的嵌套层次比记录定义本身所在的作用域层次高一级。嵌套的记录定义创建更高的嵌套层级。类似的你将在第11章看到，每一个声明过的Pascal过程或函数创建的新作用域嵌套层次取决于函数的嵌套深度。

标识符可以被嵌套作用域重定义（也就是覆盖)。例如，一个程序可能定义了名为str，类型为string的标识符。但程序还可有一个记录(record)定义了str为一个域(field)的名字。在记录的嵌套域中，作为域重定义的str有效，而外部程序域中的str定义被隐藏。但是在记录之外，也就是程序域中，str的定义是作为一个字符串类型应用的。

这个讨论带来两个重要问题：

• 每个作用域必须有它自己单独的符号表。对于全局标识符在嵌套层0上有一个符号表。程序作用域也有一个符号表在层级1存储它包含的标识符。每个记录定义有一个符号表存储她的域标识符。每个函数(routing，包含过程和函数)针对它的标识符都有独立的符号表。
• 当解析器从上直下分析源程序时，它将进入和退出作用域（比如进入一个函数，返回一个函数），所以这些作用域最好将在符号表上维护。每次解析器进入一个作用域，它必须把此域的符号表放如堆栈，且将嵌套层次加1。当解析器退出此作用域时，它必须将堆栈上的此域对应的符号表弹出，且将嵌套层次减1。符号表堆栈将随着解析器进入更深的嵌套而增长。

图9-4 演示了符号表堆栈的概念，解析之前的符号表堆栈已经随着RECORD类型形成（注意这个RECORD是源程序中RECORD字符，意思是到RECORD这已经形成了堆栈的层级关系)。预定义的全局标识符如integer、real、程序名称Test在层级0的符号表。程序作用域定义的标识符比如epsilon和rec在层级1的符号表。RECORD类型说明推入一个层级为2的新符号表到堆栈上，它包含域标识符a，x，y，z，这个符号表在解析器完成RECORD类型解析之后将会被弹出。

第4章中已经编写了包intermediate中的接口SymTabStack。现在加几个新的方法用来推入(push)和弹出符号表，以及存取程序标识符，就如清单9-8显示的那样。

/**
 * 存取程序标识符
 * @param entry
 */
public void setProgramId(SymTabEntry entry);
public SymTabEntry getProgramId();
/**
 * 推入一个新的符号表
 * @return 刚创建的
 */
public SymTab push();
/**
 * 推入一个已存在的符号表
 * @param symTab
 * @return
 */
public SymTab push(SymTab symTab);
/**
 * 弹出符号表，层级减1
 * @return
 */
public SymTab pop();

方法setProgramId()和getProgramId针对的是主程序标识符对应的符号表项。方法push()和pop()分别从符号表堆栈上推入和弹出符号表。这儿有两个push方法，一个创建一个新的符号表而另外一个推入现存符号表。

包intermediate.symtabimpl中的类SymTabStackImpl必须包含一个新的域：

//主程序标识符的符号表项
    private SymTabEntry programId; 

清单9-9 展示了类SymTabStackImpl中的新方法push()和pop()的实现，还有一个新版本的lookup()方法。

public SymTabEntry lookup(String name)
 {
      SymTabEntry foundEntry = null;
      // 搜索当前及更高层级（父层级)
      for (int i = currentNestingLevel; (i >= 0) && (foundEntry == null); --i)
      {
          foundEntry = get(i).lookup(name);
      }

      return foundEntry;
 }
 @Override
 public SymTabEntry getProgramId() {
     return this.programId;
 }
 @Override
 public void setProgramId(SymTabEntry entry) {
     this.programId = entry;
 }
 public SymTab push()
 {
     SymTab symTab = SymTabFactory.createSymTab(++currentNestingLevel);
     add(symTab);

     return symTab;
 }
 public SymTab push(SymTab symTab)
 {
     ++currentNestingLevel;
     add(symTab);

     return symTab;
 }
 public SymTab pop()
 {
     SymTab symTab = get(currentNestingLevel);
     remove(currentNestingLevel--);

     return symTab;
 }

两个push()方法都会增加提高嵌套层级而pop()方法降低层级。方法lookup现在不仅搜索当前作用域，如有必要还包括父作用域(包含此所用域的更大一级的作用域)。它从栈订的符号表里开始搜索某个标识符，一直到包含这个标识符的符号表位置，或者找不到返回。换句话说，方法先在当前作用域搜寻这个标识符，如有必要，一级一级的扩散它的作用域范围（直到全局作用域，即嵌套层级为0的那个）。

 

>> 继续第9章