Co to jest kompilator?

Zapisz ten program w C jako hello.c:

#include <stdio.h>

int main(void) {
    int price = 4;
    printf("Total: %d\n", price * 3);
    return 0;
}

Potem wpisz gcc hello.c -o hello. Przez chwilę nic widocznego się nie dzieje, a potem obok kodu źródłowego pojawia się nowy plik o nazwie hello. Ten plik to wynik pracy kompilatora: kod maszynowy, który twój procesor może wykonać. Usuń hello.c, a ./hello nadal działa, bo wszystko, czego program potrzebuje, zostało już przetłumaczone.

gcc hello.c -o hello
./hello

Total: 12

Jak działa kompilator krok po kroku

Kompilator czyta kod źródłowy jako zwykły tekst i przetwarza go etapami. Weźmy jedną linię total = price * 3:

1. Analiza leksykalna. Tekst jest dzielony na tokeny, czyli "słowa" języka: nazwę total, operator =, nazwę price, operator * i liczbę 3. Spacje i komentarze są tu odrzucane.
2. Parsowanie. Tokeny są układane w drzewo składniowe, które zapisuje strukturę: przypisanie, którego wartością jest mnożenie price przez 3. Kod, który łamie gramatykę języka, zatrzymuje się tutaj z błędem składni.
3. Analiza semantyczna. Kompilator sprawdza znaczenie: czy price jest zadeklarowane, czy typy są zgodne, czy wywoływana funkcja istnieje.
4. Optymalizacja. Program jest przepisywany tak, żeby działał szybciej albo zużywał mniej pamięci, bez zmiany tego, co robi. x * 2 może stać się jedną instrukcją przesunięcia, a kod, który nigdy się nie wykona, zostaje usunięty.
5. Generowanie kodu. Kompilator zapisuje wynik dla wybranego celu: kod maszynowy x86-64 albo ARM albo kod bajtowy dla maszyny wirtualnej.

W C i C++ ostatni krok, linkowanie, łączy twoje skompilowane pliki z kodem bibliotek (na przykład printf ze standardowej biblioteki C) w jeden plik wykonywalny. gcc uruchamia linker za ciebie, dlatego wygląda to na jedno polecenie.

Python udostępnia pierwsze dwa etapy jako standardowe moduły, więc możesz zobaczyć, jak działają na prawdziwych danych:

import ast
import io
import tokenize

source = "total = price * 3"

# Stage 1: split the text into tokens
tokens = tokenize.generate_tokens(io.StringIO(source).readline)
for tok in tokens:
    if tok.string.strip():
        print(tokenize.tok_name[tok.type], repr(tok.string))

# Stage 2: build a syntax tree from the tokens
tree = ast.parse(source)
print(ast.dump(tree.body[0], indent=2))

NAME 'total'
OP '='
NAME 'price'
OP '*'
NUMBER '3'
Assign(
  targets=[
    Name(id='total', ctx=Store())],
  value=BinOp(
    left=Name(id='price', ctx=Load()),
    op=Mult(),
    right=Constant(value=3)))

Na tym drzewie pracuje reszta kompilatora. Nie obchodzą go już spacje ani podziały linii, tylko struktura: przypisz do total wynik mnożenia price przez 3.

Czas kompilacji: błędy znalezione przed uruchomieniem

Ponieważ kompilator czyta cały program, zanim jakakolwiek jego część się wykona, może wcześnie odrzucić błędy. W tym przykładzie nie wykonuje się żadna z trzech linii print w source, nawet pierwsza, bo kompilator Pythona odrzuca tekst, zanim zacznie się wykonanie:

source = """
print("first line")
print("second line"
print("third line")
"""

try:
    code = compile(source, "demo.py", "exec")
    exec(code)
except SyntaxError as err:
    print("Rejected before running anything:")
    print(" ", err.msg, "(line", str(err.lineno) + ")")

Rejected before running anything:
  '(' was never closed (line 3)

Kompilatory języków statycznie typowanych wyłapują więcej niż błędy składni. Ta linia w C, w pliku bad.c, jest poprawna gramatycznie, ale zapisuje tekst w zmiennej całkowitej:

int count = "five";

GCC 14 i nowsze zatrzymują się z błędem:

bad.c:4:17: error: initialization of 'int' from 'char *' makes integer from pointer without a cast [-Wint-conversion]

Ten sam błąd w Pythonie ujawniłby się dopiero przy wykonaniu tej linii. Wyłapywanie go w czasie kompilacji to jeden z powodów, dla których duże zespoły wybierają kompilowane języki ze statycznym typowaniem. Kompilator nie wyłapie jednak wszystkiego: dzielenie przez liczbę, która okazuje się zerem, albo odczyt nieistniejącego pliku nadal kończą się błędem w czasie wykonania.

Przykłady kompilatorów

Dwa wiersze pokazują, że kod maszynowy nie jest jedynym możliwym wynikiem. javac tworzy kod bajtowy, który wykonuje wirtualna maszyna Javy, część środowiska uruchomieniowego Javy. tsc zamienia TypeScript na JavaScript, inny język wysokiego poziomu; kompilator, który tak działa, często nazywa się transpilatorem.

Skompilowany kod maszynowy jest związany z jedną rodziną procesorów i jednym systemem operacyjnym. Program skompilowany dla Windowsa na x86-64 nie uruchomi się na Macu z chipem Apple z serii M; ten sam kod źródłowy kompiluje się ponownie dla każdego celu.

Kompilator czy interpreter

Interpreter wykonuje kod źródłowy bezpośrednio, zamiast tworzyć osobny plik z programem, i tak zwykle uruchamia się Pythona i Ruby. Większość nowoczesnych narzędzi językowych łączy oba pomysły: CPython kompiluje twój plik do kodu bajtowego, a potem go interpretuje, a JVM i silnik V8 JavaScriptu kompilują często używany kod do kodu maszynowego w trakcie działania programu. Pełna tabela porównawcza jest na stronie kompilator a interpreter.

Częste nieporozumienia

• "Jeśli się kompiluje, to działa." Kompilator sprawdza, czy program jest poprawny formalnie, a nie czy robi to, co trzeba. Błędy logiczne i awarie w czasie wykonania, takie jak dzielenie przez zero, przechodzą dalej.
• "Python nie jest kompilowany." CPython kompiluje każdy plik do kodu bajtowego przed uruchomieniem. Pliki .pyc w folderach __pycache__ to właśnie ten kod bajtowy, zapisany dla modułów importowanych przez program, żeby następne uruchomienie mogło pominąć ten krok.
• "Kompilator online to kompilator." Strony, które uruchamiają twój kod w przeglądarce, wysyłają go na serwer, który uruchamia cały zestaw narzędzi (kompilator, linker i sam program) i zwraca wynik. Kompilator to tylko jeden z tych elementów.
• "Skompilowany kod działa wszędzie." Działa na procesorze i systemie operacyjnym, dla których został zbudowany. Przenośność daje ponowna kompilacja albo maszyna wirtualna, taka jak JVM.

Co dalej

Dokumentacja C pokazuje kompilator w codziennym użyciu: jak skompilować i uruchomić program w C prowadzi przez preprocesing, kompilację, asemblację i linkowanie z prawdziwymi poleceniami gcc. Żeby poznać drugi sposób uruchamiania kodu, przeczytaj kompilator a interpreter, a potem środowisko uruchomieniowe, czyli to, co otacza program po jego starcie. Kurs C to dobre miejsce, żeby poćwiczyć z językiem kompilowanym.