编译器是什么？

把下面这个 C 程序保存为 hello.c：

#include <stdio.h>

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

然后输入 gcc hello.c -o hello。片刻之间看不到任何变化，接着源文件旁边会出现一个名为 hello 的新文件。这个文件就是编译器的输出：处理器可以直接运行的机器码。即使删掉 hello.c，./hello 照样能运行，因为程序需要的一切都已经翻译好了。

gcc hello.c -o hello
./hello

Total: 12

没有安装 gcc？把 hello.c 粘贴到在线 C 编译器里就行。

编译器如何一步步工作

编译器把源代码当作纯文本读取，并分阶段处理。以一行代码 total = price * 3 为例：

1. 词法分析。 文本被拆分成词法单元（token），也就是这门语言的“单词”：名字 total、运算符 =、名字 price、运算符 *、数字 3。空格和注释在这一步就被丢弃了。
2. 语法分析。 词法单元被组织成一棵语法树，记录代码的结构：一个赋值语句，它的值是 price 与 3 的乘积。违反语言语法的代码会在这里停下，报出语法错误。
3. 语义分析。 编译器检查代码的含义：price 是否已经声明，类型是否兼容，被调用的函数是否存在。
4. 优化。 在不改变程序行为的前提下改写程序，让它运行得更快或占用更少内存。x * 2 可能变成一条移位指令，永远不会执行的代码会被删除。
5. 代码生成。 编译器为目标平台写出输出：x86-64 或 ARM 机器码，或者供虚拟机运行的字节码。

对于 C 和 C++，还有最后一步链接，它把你编译好的文件和库代码（比如 C 标准库中的 printf）合并成一个可执行文件。gcc 会替你运行链接器，所以感觉上只是一条命令。

Python 把前两个阶段作为标准模块提供，所以你可以用真实的输入看看它们是如何工作的：

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)))

编译器的后续阶段都基于这棵树来工作。它不再关心空格或换行，只关心结构：把 price 乘以 3 的结果赋给 total。

编译时：在程序运行前发现错误

由于编译器在任何代码运行之前就读完了整个程序，它可以提前拒绝错误。在下面的例子中，source 里的三行 print 一行都不会执行，连第一行也不会，因为 Python 的编译器在执行开始前就拒绝了这段文本：

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)

静态类型语言的编译器能发现的不只是语法错误。下面这行 C 代码位于一个名为 bad.c 的文件中，它在语法上完全正确，却把文本存进了一个整数变量：

int count = "five";

GCC 14 及更新版本会报错并停止：

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

同样的错误在 Python 中只有在那一行运行时才会暴露出来。能在编译时发现这类错误，是大型团队选择编译型、静态类型语言的原因之一。不过编译器无法发现所有问题：除以一个运行时才变成零的数，或者读取一个不存在的文件，仍然会在运行时失败。

编译器示例

其中两行说明“机器码”并不是唯一可能的输出。javac 生成由 Java 虚拟机运行的字节码，而 Java 虚拟机是 Java 运行时环境的一部分。tsc 把 TypeScript 转换成另一种高级语言 JavaScript；做这种事的编译器通常被称为转译器（transpiler）。

编译出来的机器码绑定在一种 CPU 架构和一种操作系统上。为 x86-64 上的 Windows 编译的程序，无法在搭载 Apple M 系列芯片的 Mac 上运行；你需要为每个目标平台把同一份源代码重新编译一次。

编译器还是解释器

解释器直接运行源代码，而不生成单独的程序文件，Python 和 Ruby 通常就是这样运行的。大多数现代语言工具同时使用了这两种思路：CPython 先把你的文件编译成字节码再解释执行，JVM 和 JavaScript 的 V8 引擎则在程序运行期间把频繁使用的代码编译成机器码。完整的对比表格见编译器与解释器的区别页面。

常见误解

• “能编译通过，就能正常工作。” 编译器检查的是程序是否有效，而不是是否正确。逻辑错误和除以零这样的运行时故障都能通过编译。
• “Python 不需要编译。” CPython 在运行每个文件之前都会把它编译成字节码。__pycache__ 文件夹里的 .pyc 文件就是这些字节码，它们是为程序导入的模块保存的，这样下次运行就可以跳过这一步。
• “在线编译器就是编译器。” 在浏览器里运行代码的网站会把代码发送到服务器，由服务器运行完整的工具链（编译器、链接器以及程序本身），再把输出返回给你。编译器只是其中的一环。
• “编译后的代码在哪里都能运行。” 它只能在构建时指定的 CPU 和操作系统上运行。可移植性来自重新编译，或者来自 JVM 这样的虚拟机。

下一步学什么

C 语言文档展示了编译器的日常用法：如何编译和运行 C 程序用真实的 gcc 命令，带你走完预处理、编译、汇编和链接的全过程。想了解运行代码的另一种方式，可以阅读编译器与解释器的区别，然后通过运行时环境了解程序启动后周围的一切。C 语言课程是用编译型语言动手练习的好地方。