引言
直到华为将方舟编译器推向世界，一举成为国民的热门之后，大家对编译器的热情一下子点燃了。 但是，对大多数人来说，编译器仍然是遥不可及的神秘存在。
今天，我们将介绍国外dzddc撰写的c语言编译器- C4，揭开编译器的神秘面纱。 实现具有基本功能的编译器是多么容易啊。
C4 :用四个函数实现的c语言编译器
C4，C in four functions。
这是c语言编译器项目，项目地址在文末。 整个实施如下：
一个c语言源文件528行c语言代码四个函数
就这样了。
读完这四个函数528行代码，还可以实现c语言编译器-1.jpg(34.72kb，下载次数： 0 )
2020-7-17上传12:33
C4代码仓库
简洁，但不简单。
具有完整的词法分析、语法分析、简单的语义检查、代码生成、运行时环境或虚拟机。
与常见的c编译器不同，它将c语言源程序编译为字节码(bytecode )，并在紧凑的虚拟机中解释和运行。
你觉得这样就结束了吗？ 不，那值得称赞的不仅仅是这些！
C4 )可引导的c语言编译器
如果只是简化了，可能就没那么惊人了，但网上有很多类似的编译器项目，其中有些非常简单优雅，非常优秀。
但是，C4最令人惊讶的地方是可以进行自举。
自举，简而言之，就是自己编译自己。 当然，第一个C4编译器的可执行文件必须通过GCC、Clang等编译器编译生成。
“Hello，World！ 让我给你看看”。 的示例和C4引导数据库的示例。
Hello，World示例
首先用GCC将C4编译成可执行文件：
gccc4.c-oc4
“Hello，World！ ”测试程序hello.c :
读完这四个函数528行代码，还可以实现c语言编译器-2.jpg(12.31kb，下载次数： 0 )
2020-7-17上传12:33
结果如下。
读完这四个函数528行代码，还可以实现c语言编译器-3.jpg(34.83kb，下载次数： 0 )
2020-7-17上传12:33
其中，“hello，world”由hello.c输出，“exit(0) cycle=9)”由c4编译器输出，表示程序正常运行并结束，hello.c共生成9个命令
C4的自举示例
用GCC编译c4.c生成了可执行文件c4。 这称为编译器a，在编译器a中编译c4的源代码c4.c时，将生成编译器b，然后在编译器b中编译并运行hello.c。
命令如下：
./c4 c4.c hello.c
结果如下。
读完这四个函数528行代码，还可以实现c语言编译器-4.jpg(38.96kb，下载次数： 0 )
2020-7-17上传12:33
执行C4引导
你也可以这样做：
./c4c4.cc4.chello.c
也就是说，GCC编译生成的c4由编译器a、/c4 c4.c编译并执行，/c4 c4.c c4.c编译生成的由编译器c，最后由编译器c编译并执行hello.c。
读完这四个函数528行代码，还可以实现c语言编译器-5.jpg(34.62kb，下载次数： 0 )
2020-7-17上传12:33
C4递归引导
理论上可以一直递归地继续下去。 但是，从图中可以看出，递归的层次越深，生成的字节码越多，执行所需的时间也越多。
C4实现的c语言子集
C4致力于用最小限度的代码实现可自举的c编译器。 它的整个实现由四个函数组成，可能不能完全实现整个c语言的规范，只能实现c语言的子集。
数据类型
char int指针枚举(enum )数组字符串
不支持结构、类型def和union等数据类型。
句子结构
if-else控制语句while循环语句return语句函数
不支持do-while、switch-case、for、continue、break和goto等语句结构。
运算符
几乎支持所有运算符，但匹配运算符(如=、%=、=、=和=)除外。 包括以下内容：
算术运算符关系运算符逻辑运算符位运算符赋值运算符其他运算符(例如三元运算符？ )
内置库函数
C4编译器安装时使用
了一些系统库函数，因此，为了实现自举，它也内建支持了几个库函数。包括：open、read、close、printf、malloc、free、memset、memcmp、exit
需要注意的是，它不支持以#开头的预处理命令，如#include、#define、#if等。
代码注释只支持“//”开头的单行注释，不支持“/* */”标记的多行注释形式。
与传统的C语言编译器相比，C4在实现上有其独到之处。
下面，先简单介绍一些传统编译器的实现过程。
传统典型编译器的实现
典型的编译器的实现，一般都会有下面几个过程：
词法分析语法分析语义分析中间代码生成代码优化机器代码生成
如GCC、Clang、华为方舟编译器等均是如此。
读懂这4个函数，528行代码，你也可以实现一个C语言编译器-6.jpg (30.59 KB, 下载次数: 0)
2020-7-17 12:33 上传
这些阶段，会对代码进行多次扫描。这里的代码，包括文本形式的源代码、语法树、中间代码等表示形式。
典型的实现中，词法分析和语法分析通常会糅合在一起，在语法分析时，调用词法分析器逐个取得token。因此，理论上讲，词法分析和语法分析阶段，只需要对源码扫描一遍即可，并生成语法树，有时也叫抽象语法树(Abstract Syntax Tree)。
语义分析阶段操作的主要对象就是这棵树，至少要对这棵树扫描一遍。有些实现中，在进行语义检查的同时也会直接生成中间代码。
在代码优化阶段，根据编译器优化的力度的不同，可能会对中间代码进行多次扫描。
这里所谓的“扫描一遍”，在编译器术语中一般称为pass。对LLVM有了解的朋友应该知道，LLVM中每一种类型的优化都是一个pass，要应用多种优化技术，就需要有多个pass。
C4的独具特色之处
作为追求极简主义的C4编译器来说，它在实现上有很多独具特色之处。
对C源码解释执行
传统的C语言编译器，最终都把C语言源码编译成可执行文件，也就是二进制的机器码。
而C4则是把C语言源码先编译成其专门设计的字节码(bytecode)，然后直接在虚拟机中解释执行。
C4设计了39个字节码指令，其中大部分与汇编语言中的指令有些类似，主要是内存加载指令，算术运算指令等，此外，还包含了为支持内建的库函数而专门设计的9条特殊的库函数调用指令。
它的虚拟机是典型的栈式虚拟机(Java虚拟机也是典型的栈式虚拟机，早期的Lua也是栈式虚拟机，但最新的Lua 5.x采用寄存器虚拟机)。
我们可以使用-d命令，把生成的字节码dump出来。下图是hello.c的字节码：
读懂这4个函数，528行代码，你也可以实现一个C语言编译器-7.jpg (35.49 KB, 下载次数: 0)
2020-7-17 12:33 上传
对源码只扫描一遍
与传统的编译器实现不同，C4它把词法分析、语法分析、语义分析、代码生成这几个步骤巧妙的结合在一起，在把C语言源码编译成字节码的整个过程中，只扫描了一遍源码。
Lua的解释器也是采用对源码扫描一遍的方式，因此，C4和Lua的性能都相当不错。
C4源码的可读性
对于C4的实现，网上也有一些讨论。有人认为C4的实现非常简洁、易读，也有人认为C4的实现稍显晦涩。
我个人认为，C4的实现确实非常简洁，毕竟只有4个函数，500多行代码。但是要真正完全理解，需要有一定的编译原理基础知识。
比如C4的语法分析过程中，就是典型的递归下降和算符优先算法相结合的实现方式。只要了解这些编译器的经典算法原理，C4的实现逻辑理解起来，还是比较轻松的。
读懂这4个函数，528行代码，你也可以实现一个C语言编译器-8.jpg (39.14 KB, 下载次数: 0)
2020-7-17 12:33 上传
此外，C4为了追求以最少的代码实现自举，在实现上采用了一些技巧。
比如，我们前面提到，C4不支持struct类型。这也意味着C4的源码中不能使用struct类型。为此，它选择使用数组来模拟struct结构。这样乍看起来，可能会产生一些困惑。
个人认为，C4的一个槽点，就是它变量的命名上，过于简洁。比如标记字节码的位置的变量用e表示，其实如果用emit的话，就会清晰许多，也会更容易理解。
C4的衍生实现
除了C4的原生实现外，网上也有很多基于C4的衍生实现。
比如有人给C4额外增加了80多行代码，却给C4添加了JIT功能，使得执行速度得到明显提升。
也有人对C4做了简单修改，使得它可以直接产生真实的机器码，并最终生成ELF可执行文件。
这些都是非常有趣的项目，都很值得研究。
C4的项目地址
在github上，找到用户名为rswier的dzddc，就可以看到C4的项目了。
读懂这4个函数，528行代码，你也可以实现一个C语言编译器-9.jpg (10.81 KB, 下载次数: 0)
2020-7-17 12:33 上传
结语
现代的编译器项目，如GCC和Clang/LLVM，它们实现逻辑非常复杂，代码规模巨大，一个人几乎不可能完全搞清楚。即便是网上备受推崇的精简实现TCC和LCC，它们的实现也相对比较复杂的，作为一个新手来说，也很难彻底研究清楚。
而C4的实现，只有四个函数，500多行源码，个人认为是非常适合新手研究的一个项目。当然了，研究之前，最好具备一些编译器的基础知识，那样理解起来就会比较容易了。
读懂这4个函数，528行代码，你也可以实现一个C语言编译器-10.jpg (50.57 KB, 下载次数: 0)
2020-7-17 12:33 上传
本文只介绍了C4编译器项目的一些背景知识，并没有对C4的实现做过多探讨。感兴趣的朋友可以到github上面找到它，仔细研究一下，相信你会有不少收获！
如果对C4的代码实现感兴趣，或者有疑问的话，欢迎留言讨论！感兴趣的朋友多的话，我可以考虑更新几篇文章，详细讲解一下C4的代码实现。
原创不易，觉得有用的话，别忘了点赞！谢谢！
对编译器、OS内核、性能调优、虚拟化等技术感兴趣的童鞋，欢迎右上角关注！
版权声明：未经允许，禁止转载。文中部分图片来源网络，如有侵权，请通知删除！