中间表示
最后更新于
最后更新于
编译器将源代码（Source code） 转换为机器代码（Machine Code）。其中的流程框架是：
词法分析器（Scanner），结合正则表达式，通过词法分析（Lexical Analysis）将 source code 翻译为 token。
语法分析器（Parser），结合上下文无关文法（Context-Free Grammar），通过语法分析（Syntax Analysis），将 token 解析为抽象语法树（Abstract Syntax Tree, AST）
语义分析器（Type Checker），结合属性文法（Attribute Grammar），通过语义分析（Semantic Analysis），将 AST 解析为 decorated AST
Translator，将 decorated AST 翻译为生成三地址码这样的中间表示形式（Intermediate Representation, IR），并基于 IR 做静态分析（例如代码优化这样的工作）。
Code Generator，将 IR 转换为机器代码。
有人要问了，为什么不直接拿 source code 做静态分析？这是因为我们得先确保这是一份合格的代码，然后再进行分析。分析代码合不合格，这是 trivial 的事情，由前面的各种分析器去做就行了，我们要做的是 non-trivial 的事情。
为什么在静态分析的时候，使用 IR 而非 AST 呢？
这是因为：
AST 是 high-level 且接近语法结构的，而 IR 是 low-level 且接近机器代码的。
AST 是依赖于语言的，IR 通常是独立于语言的：三地址码会被分析器重点关注，因为可以将各种前端语言统一翻译成同一种 IR 再加以优化。
AST 适合快速类型检查，IR 的结构更加紧凑和统一：在 AST 中包含了很多非终结符所占用的结点（body, assign 等），而 IR 中不会需要到这些信息。
AST 缺少控制流信息，IR 包含了控制流信息：AST 中只是有结点表明了这是一个 do-while 结构，但是无法看出控制流信息；而 IR 中的 goto 等信息可以轻易看出控制流。
因此 IR 更适合作为静态分析的基础。
三地址码（3-Address Code）通常没有统一的格式。在每个指令的右边至多有一个操作符。
三地址码为什么叫做三地址码呢？因为每条 3AC 至多有三个地址。而一个「地址」可以是：
名称 Name: a, b
常量 Constant: 3
编译器生成的临时变量 Compiler-generated Temporary: t1, t2
常见的 3AC 包括：
x = y bop z：双目运算并赋值，bop = binary operator
x = uop z：单目运算并赋值，uop = unary operator
x = y：直接赋值
goto L：无条件跳转，L = label
if x goto L：条件跳转
if x rop y goto L：包含了关系运算的条件跳转，rop = relational operator
以上的 3AC 比较抽象，来看看现实中的 3AC。Soot 是 Java 的静态分析框架，其中的 IR 叫做 Jimple。2021 年起的课程将使用一个新的框架来做试验，名叫 Tai-e。
关于这部分的内容，可以查看网课部分，因为主要是给大家感受一下 Jimple 的模样，并没有知识点要求。
这一部分也是可选内容，只需要稍加了解。
所谓静态单赋值（SSA），就是让每次对变量x赋值都重新使用一个新的变量xi，并在后续使用中选择最新的变量。
但是这样一来，肯定会因为不同控制流汇入到一个块，导致多个变量备选的问题：
这里解决的办法就是使用一个合并操作符$\phi$（phi-function），根据控制流的信息确定使用哪个变量。
为什么要用 SSA 呢？
控制流信息间接地集成到了独特变量名中
如果有些对控制流不敏感的简化分析，就可以借助于 SSA
定义与使用是显式的
更有效率的数据存取与传播，有些优化在基于 SSA 时效果更好（例如条件常量传播，全局变量编号等）
为什么不用 SSA 呢？
SSA 会引入过多的变量和 phi 函数
在转换成机器代码时会引入低效率的问题
控制流分析（Control Flow Analysis）通常指的是构建控制流图（Control Flow Graph, CFG），并以 CFG 作为基础结构进行静态分析的过程。
CFG 的一个结点可以是一条单独的 3AC，但是更常见的是一个基本块（Basic Block）。所谓基本块，就是满足以下性质的连续 3AC：
只能从块的第一条指令进入。
只能从块的最后一条指令离开。
如何构建一个基本块呢？
输入：程序 P 的一系列 3AC
输出：程序 P 的基本块
方法
决定 P 的 leaders
P 的第一条指令就是一个 leader
跳转的目标指令是一个 leader
跳转指令的后一条指令，也是一个 leader
构建 P 的基本块
一个基本块就是一个 leader 及其后续直到下一个 leader 前的所有指令。
除了基本块，CFG 中还会有块到块的边。块 A 和块 B 之间有一条边，当且仅当：
A 的末尾有一条指向了 B 开头的跳转指令。
A 的末尾紧接着 B 的开头，且 A 的末尾不是一条无条件跳转指令。
注意到每个基本块和开头指令的标号唯一对应，因此很自然地，我们可以将跳转指令的目标改为基本块的标号而非指令标号：
有了这些定义，我们就可以了解一些概念：
若 A -> B，则我们说 A 是 B 的前驱（predecessor），B 是 A 的后继（successor）
除了构建好的基本块，我们还会额外添加两个结点，「入口（Entry）」和「出口（Exit）」
这两个结点不对应任何 IR
入口有一条边指向 IR 中的第一条指令
如果一个基本块的最后一条指令会让程序离开这段 IR，那么这个基本块就会有一条边指向出口。
这样，我们就完成了一个控制流图的构建：
编译器与静态分析器的关系
了解 3AC 和其通常形式
如何基于 IR 构建基本块
如何基于基本块构建控制流图
