学了编译原理能否用 Java 写一个编译器或解释器？

16 个回答

默认排序​

RednaxelaFX

JavaScript、编译原理、编程 等 7 个话题的优秀回答者

282 人赞同了该回答

能。我一开始学编译原理的时候就是用Java写了好多小编译器和解释器。其实用什么语言来实现编译器并不是最重要的部分（虽然Java也不是实现编译器最方便的语言），最初用啥语言都可以。

我在大学的时候，我们的软件工程和计算机科学的编译原理课的作业好像都是可以用Java来写的。反正我印象中我给这两门课写的作业都是用的Java。

================================================

关于书

用Java写编译器/解释器的话题主可以试试从ANTLR的作者Terence Parr所写的《Language Implementation Patterns》开始读，跟着它做实验。如果是一开始对编译原理还没啥头绪、而又已经对Java的使用比较熟悉的话，跟着这本书做实验会能学习到不少知识面。不过要把这些知识点都学习扎实了的话还是得进一步读别的书。

我推荐的书单里《自制编译器》那本书的类C语言编译器也是用Java实现的：学习编程语言与编译优化的一个书单。以这本为第一本书也行。侧重点跟上面那本不太一样。

其它用Java作为范例实现语言的编译原理书还有若干，例如正统系编译原理教材：

• 龙书第二版：《Compilers: Principles, Techniques, and Tools》 (2nd Edition)。这本书的附录A有一个完整而简单的编译器前端的范例，用Java语言实现。这个前端包括词法分析、语法分析和三地址线性中间代码的生成。
• 虎书的Java版：《Modern Compiler Implementation in Java》。不过这书配套的范例Java代码写得很不Java…书本身还不错，范例代码风格我不爱。
• 《Introduction to Compiler Construction in a Java World》。这本我没仔细读过，不知道好不好。
• 《Compiler Construction Using Java, JavaCC, and Yacc》。同上，这本我也没读过，不过这两本据说都还挺适合入门阅读。

不过比起上面那些，我还是更推荐EAC2作为学习编译原理的“第二本书”：《
Engineering a Compiler》Second Edition

================================================

关于现有的实现

其实现实生活中大家用得多的、用Java写的编译器还真不少。也举几个例子吧。

教学用编译器

• 斯坦福大学编译器课程CS143的Cool语言。请跳传送门：斯坦福大学编译原理课程质量怎么样？ - RednaxelaFX 的回答

偏重学术研究的用Java实现的编译器 / 编译器框架：

• COINS: a COmpiler INfraStructure project
• joeq [IBM/Stanford]
• Jikes RVM [IBM]
• Maxine VM / T1X / C1X / Graal [Oracle/Sun]
• Soot: A framework for analyzing and transforming Java and Android Applications
• WALA [IBM] <- 这个自身不是编译器而是做程序分析的库，但其内容跟编译器有许多关联。
• …还有很多，不列举了

在实际产品中用Java实现的编译器 / 解释器：

• javac [Oracle/Sun]
• ECJ: Eclipse Compiler for Java [Eclipse]
• Groovy
• JRuby
• Jython
• Nashorn [Oracle]
• Rhino [Mozilla]
• DynJS
• Graal [Oracle]
• RoboVM
• asc: ActionScript 3 Compiler [Adobe]
• GWT [Google]
• Google Closure Compiler [Google]
• Quercus [Caucho]
• …同样，还有很多，暂时列举这么多

比较简易/玩具性质的：

• PHP.reboot
• JGo
• JDart

正则表达式库：

• java.util.regex.*
• joni: Java port of Oniguruma regexp library
• …

词法/语法分析器生成器（parser generator）：

• ANTLR
• JavaCC
• Jay
• CUP
• JLex
• JMeta
• …

汇编器库：

• GitHub - jnr/jnr-x86asm: Pure java x86 and x86_64 assembler
• Project Maxwell Assembler System
• …

编辑于 2016-07-29

​赞同 282​​17 条评论

​分享

​收藏​感谢收起​

知乎用户

 

62 人赞同了该回答

2016.2.12更新：
其实仅仅是一个玩具级的编译器前端，并没有太高的技术含量，本人菜鸟一枚，并非大神^_^
这两天整理了一下源码，已发布到Github，有兴趣的同学欢迎关注^_^
源码链接：GitHub - kasonyang/kalang: A toy compiler front-end

-----------------以下原回答-----------------------

大赞

@RednaxelaFX

的回答。

最近用java折腾了一个类java的编译器前端，说说本人的思路：

词法语法分析->构建抽象语法树(AST)->类型检查->生成目标代码

1. 首先，第一步是词法语法分析，这一块我采用的是antlr。antlr项目里有很多语言的文法实现可供参考：GitHub - antlr/grammars-v4: Grammars written for ANTLR v4; expectation that the grammars are free of actions.

2. 语法分析后，接下来就是构建抽象语法树。这一步就是将parser（由antlr生成）的输出（ParseTree）进行进一步的处理，得到AST，以便更好的对语法进行分析，同时可以对语法树就行标志或者转换等操作。在构建语法树的过程中，可以对ParseTree和AST进行映射，这样对AST进行分析时如果有任何问题可以由AST反推回去ParseTree，以便定位错误的位置。

3. 得到抽象语法树后，如果你的编译器是静态类型安全的，那么还需要对语法树进行类型检查，在做类型检查的时候可以顺便把语法糖处理了，比如说Integer i=3，这个赋值是类型不匹配的，你需要将其转换为:Integer i=new Integer(3),这样就类型匹配了。

4. 类型检查完后，就可以生成目标代码了。目标代码可以生成本地的二进制代码，也可以生成java的字节码，甚至可以生成另一种高级语言的表示。刚开始时我是直接生成java的class二进制文件的，后来发现因为自己在这方面没什么经验，生成的代码老是有各种问题，每次出问题调试起来非常费劲，有好几次找bug找半天没找出来，信心大受打击，直接想放弃了。后来痛定思痛，把直接生成class文件的功能暂时先砍掉了，而是生成另一种高级语言java的表示，这样有什么bug，找起来就方便多了。

编译写完后，总觉得还缺点什么，然后我又给自己的语言写了个IDE插件。

编辑于 2016-02-12

​赞同 62​​11 条评论

​分享

​收藏​感谢收起​

冒泡

IT为主，兴趣广泛，爱好强答

跟语言没关系，原则上你用什么语言都能搞，只是麻不麻烦，是否有必要的区别了

发布于 2016-01-26

​赞同​​添加评论

​分享

​收藏​感谢

Belleve

编程 话题的优秀回答者

6 人赞同了该回答

咦，龙书最后不就附带了一个 java 写的吗？

发布于 2016-02-11

​赞同 6​​1 条评论

​分享

​收藏​感谢

王召德

严于律己，宽以待人

12 人赞同了该回答

当然可以啦，编译原理课的实验就是用Java实现一个PL/0语言的编译器，感觉比C语言实现起来要简单，毕竟Java可用的方法比较多嘛
建议你也可以试试写一下PL/0语言的编译器，原因是比较简单容易入手而且自顶向下的PL/0编译器的实现网上有很多资料
下面是题目要求：

Pl/0语言文法的BNF表示：
<字母> → a|b|c…x|y|z
 <数字> → 0|1|2…7|8|9
 <无符号整数> → <数字>{<数字>}
<标识符> → <字母>{<字母>|<数字>}
1.A→B.
〈程序〉→〈分程序>.
2.B→CEFH|H|CH|EH|FH|CFH|CEH|EFH
〈分程序〉→ [<常量说明部分>][<变量说明部分>][<过程说明部分>]〈语句〉 3.C→CD;|c
<常量说明部分> → CONST<常量定义>{ ,<常量定义>}；
4.D→b=a
<常量定义> → <标识符>=<无符号整数>
5.E→Eb;|d
<变量说明部分> → VAR<标识符>{ ,<标识符>}；
6.F→GB;F
<过程说明部分> → <过程首部><分程序>；{<过程说明部分>}
7.G→eb;
<过程首部> → procedure<标识符>；
8.H→I|R|T|S|U|V|J|ε
<语句> → <赋值语句>|<条件语句>|<当型循环语句>|<过程调用语句>|<读语句>|<写语句>|<复合语句>|<空>
9.I→b:=L
<赋值语句> → <标识符>:=<表达式>
10.J→fWg
<复合语句> → begin<一个或多个语句><end>
11.K→LQL|hL
<条件> → <表达式><关系运算符><表达式>|ood<表达式>
12.L→LOM|M|-M|+M
<表达式> → [+|-]<项>{<加减运算符><项>}
13.M→MPN|N
<项> → <因子>{<乘除运算符><因子>}
14.N→b|a|(L)
<因子> → <标识符>|<无符号整数>|(<表达式>)
15.O→+|-
<加减运算符> → +|-
16.P→*|/
<乘除运算符> → *|/
17.Q→=|#|<|<=|>|>=
<关系运算符> → =|#|<|<=|>|>=
18.R→pKqH
<条件语句> → if<条件>then<语句>

19.S→mb
<过程调用语句> → call<标识符>
20.T→nKoH
<当型循环语句> → while<条件>do<语句>
21.U→i(X)
<读语句> → read(<一个或多个标识符>)
22.V→j(X)
<写语句> → write(<一个或多个标识符>)
23.W→W;H|H
 <一个或多个语句>→<语句>{ ；<语句>}
 24.X→X,b|b
 <一个或多个标识符>→<标识符>{，<标识符>}
一．	为PL/0语言建立一个词法分程序GETSYM（函数）
把关键字、算符、界符称为语言固有的单词，标识符、常量称为用户自定义的单词。为此设置三个全程量：SYM,ID,NUM 。
 SYM：存放每个单词的类别，为内部编码的表示形式。
 ID：存放用户所定义的标识符的值，即标识符字符串的机内表示。
 NUM：存放用户定义的数。
 GETSYM要完成的任务：
1.	滤掉单词间的空格。
2.	识别关键字，用查关键字表的方法识别。当单词是关键字时，将对应的类别放在SYM中。如IF的类别为IFSYM，THEN的类别为THENSYM。
3.	识别标识符，标识符的类别为IDENT，IDRNT放在SYM中，标识符本身的值放在ID中。关键字或标识符的最大长度是10。
4.	拼数，将数的类别NUMBER放在SYM中，数本身的值放在NUM中。
5.	拼由两个字符组成的运算符，如：>=、<=等等，识别后将类别存放在SYM中。
6.	打印源程序，边读入字符边打印。
由于一个单词是由一个或多个字符组成的，所以在词法分析程序GETSYM中定义一个读字符过程GETCH。
二．	为PL/0语言建立一个语法分析程序BLOCK（函数）
PL/0编译程序采用一遍扫描的方法，所以语法分析和代码生成都有在BLOCK中完成。BLOCK的工作分为两步：
a)	说明部分的处理
说明部分的处理任务就是对每个过程（包括主程序，可以看成是一个主过程）的说明对象造名字表。填写所在层次（主程序是0层，在主程序中定义的过程是1层，随着嵌套的深度增加而层次数增大。PL/0最多允许3层），标识符的属性和分配的相对地址等。标识符的属性不同则填写的信息不同。
所造的表放在全程量一维数组TABLE中，TX为指针，数组元素为结构体类型数据。LEV给出层次，DX给出每层的局部量的相对地址，每说明完一个变量后DX加1。
例如：一个过程的说明部分为：
  const a=35,b=49;
  var c,d,e;
  procedure p;
var g;
对它的常量、变量和过程说明处理后，TABLE表中的信息如下：

NAME: a
NAME: b
NAME: c
NAME: d
NAME: e
NAME: p	KIND: CONSTANT
KIND: CONSTANT
KIND: VARIABLE
KIND: VARIABLE
KIND: VAEIABLE
KIND: PROCEDURE	VAL: 35
VAL: 49
LEVEL: LEV
LEVEL: LEV
LEVEL: LEV
LEVEL: LEV	

ADR: DX
ADR: DX+1
ADR: DX+2
ADR:
NAME: g
。
。
。	KIND: VARIABLE
        。
        。
        。	LEVEL: LEV+1
。
。
。	ADR: DX
。
。
     。
对于过程名的ADR域，是在过程体的目标代码生成后返填过程体的入口地址。
TABLE表的索引TX和层次单元LEV都是以BLOCK的参数形式出现，在主程序调用BLOCK时实参的值为0。每个过程的相对起始位置在BLOCK内置初值DX=3。
2．语句处理和代码生成
对语句逐句分析，语法正确则生目标代码,当遇到标识符的引用则去查TABLE表,看是否有过正确的定义，若有则从表中取出相关的信息,供代码生成用。PL/0语言的代码生成是由过程GEN完成。GEN过程有三个参数，分别代表目标代码的功能码、层差、和位移量。生成的目标代码放在数组CODE中。CODE是一维数组，数组元素是结构体类型数据。
PL/0语言的目标指令是一种假想的栈式计算机的汇编语言，其格式如下：

其中f代表功能码，l代表层次差，a代表位移量。
目标指令有8条：
① LIT：将常数放到运栈顶，a域为常数。
② LOD：将变量放到栈顶。a域为变量在所说明层中的相对位置，l为调用层与说明层的层差值。
③ STO：将栈顶的内容送到某变量单元中。a,l域的含义与LOD的相同。
④ CAL：调用过程的指令。a为被调用过程的目标程序的入中地址，l为层差。
⑤ INT：为被调用的过程（或主程序）在运行栈中开辟数据区。a域为开辟的个数。
⑥ JMP：无条件转移指令，a为转向地址。
⑦ JPC：条件转移指令，当栈顶的布尔值为非真时，转向a域的地址，否则顺序执行。
⑧ OPR：关系和算术运算。具体操作由a域给出。运算对象为栈顶和次顶的内容进行运算，结果存放在次顶。a域为0时是退出数据区。
三．	建立一个解释执行目标程序的函数
编译结束后，记录源程序中标识符的TABLE表已退出内存，内存中只剩下用于存放目标程序的CODE数组和运行时的数据区S。S是由解释程序定义的一维整型数组。解释执行时的数据空间S为栈式计算机的存储空间。遵循后进先出的规则，对每个过程（包括主程序）当被调用时，才分配数据空间，退出过程时，则所分配的数据空间被释放。
为解释程序定义四个寄存器：
1．	I：指令寄存器，存放当前正在解释的一条目标指令。
2．	P：程序地址寄存器，指向下一条要执行的目标指令（相当于CODE数组的下标）。
3．	T：栈顶寄存器，每个过程运行时要为它分配数据区（或称为数据   段），该数据区分为两部分。
静态部分：包括变量存放区和三个联单元。
动态部分：作为临时工作单元和累加器用。需要时临时分配，用完立即释放。栈顶寄存器T指出了当前栈中最新分配的单元（T也是数组S的下标）。
4．	B：基地址寄存器，指出每个过程被调用时，在数据区S中给出它分配的数据段起始地址，也称为基地址。每个过程被调用时，在栈顶分配三个联系单元。这三个单元的内容分别是：
SL：静态链，它是指向定义该过程的直接外过程运行时数据段的基地址。
DL：动态链，它是指向调用该过程前正在运行过程的数据段的基地址。
RA：返回地址，记录调用该过程时目标程序的断点，即当时的程序地址寄存器P的值。
        具体的过程调用和结束，对上述寄存器及三个联系单元的填写和恢复由下列目标指令完成。
1．	INT  0  a
a:为局部量个数加3
2．	OPR  0  0
恢复调用该过程前正在运行过程（或主程序）的数据段的基地址寄存器的值，恢复栈顶寄存器T的值，并将返回地址送到指令寄存器P中。
3．	CAL  l  a
a为被调用过程的目标程序的入口，送入指令地址寄存器P中。
CAL指令还完成填写静态链，动态链，返回地址，给出被调用过程的基地址值，送入基址寄存器B中。

 例：一个Pl/0源程序及生成的目标代码：
const a=10;
var b,c;
procedure p;
begin
  c:=b+a
end;
2	int  0  3
3	lod  1  3
4	lit  0  10
5	opr  0  2
6	sto  1  4
7	opr  0  0
begin
  read(b);
  while b#0 do
    begin
      call  p;
      write(2*c);
      read(b)
     end
end .
8	int  0  5
9	opr  0  16
10	sto  0  3
11	lod  0  3
12	lit  0  0
13	opr  0  9
14	jpc  0  24
15	cal  0  2
16	lit   0  2
17	lod  0  4
18	opr  0  4
19	opr  0  14
20	opr  0  15
21	opr  0  16
22	sto  0  3
23	jmp  0  11
24	opr  0  0

下面是一些资料

Java版的自顶向下实现：
JAVA课程设计PL0编译器

C语言版的自顶向下实现：
pl/0编译器源码及文档

最后加上我自己实现的，这个是有别于网上的一般实现，采用的SLR（这个具体可以参考编译原理类的书籍）的方法，但是由于时间关系，在代码生成的时候并没有采用标准的语法制导翻译，所以还有待改进，不过整体也算是实现了一个SLR分析方法，而且我实现了读入文法由程序自动的构造SLR分析表，所以文法可以随时修改，相当于实现了一个Yacc的部分功能，也算有一定参考价值，也把代码放在这里吧：
https://github.com/wangzhaode/PL0-compiler-SLR

编辑于 2016-01-27

​赞同 12​​7 条评论

​分享

​收藏​感谢收起​

伊格拉修斯

爱学习，爱劳动

1 人赞同了该回答

也可以参考用flex+bison做词法分析和语法分析，用c写语义部分和中间代码生成。

最近用上面的方法写了个类java语言的编译器，有兴趣可以交流。

建议开始入门编译原理不要看龙书，略难，容易在细枝末节处徘徊太长时间。

编辑于 2017-12-05

​赞同 1​​添加评论

​分享

​收藏​感谢

刘金城

退出知乎，勿扰。

1 人赞同了该回答

可以，我们那时候的课程就是要我们自己设计一个编程语言，并解析成对应的c语言程序运行出来，虽然那时候写的很差劲，但基本能实现。

发布于 2016-02-11

​赞同 1​​添加评论

​分享

​收藏​感谢

黄锐皓

完全不刻苦

1 人赞同了该回答

可以，这个就是鄙校大三编译原理课的大作业

发布于 2016-02-13

​赞同 1​​1 条评论

​分享

​收藏​感谢

尚学堂科技

已认证的官方帐号

实现一个编译器并不难，因为我们在学Java之初，就是用记事本进行编译的。当然，如果制作复杂的编译器需要编译器框架，但原理是一样的。

作者：tyler_download

链接：编译原理动手实操,用java实现一个简易编译器1-词法解析入门 - CSDN博客

来源：CSDN博客

著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。

技术的发展可谓是日新月异，层出不穷，但无论是炙手可热的大数据，还是火热的人工智能，所有这些高大上的尖端科技无不建立在基础技术的根基之上。编译原理，计算机网络，操作系统，便是所有软件技术的基石。在这三根支柱中，维编译原理最为难懂，特别是大学课本那种晦涩难通，不讲人话的言语，更是让人觉得这门基础技术就像九十多岁的老妪，皮肤干巴，老态龙钟，让人提不起一点欲望。除了国内教材，就算是被广为称赞的一千多页的”龙书“，也是满篇理论，让人望而生畏。

味道怎样，咬一口就知道，手感如何，摸一把就晓得。编译原理缺的不是理论概念，而是能够动手实践的流程，代码，很多原理用话语怎么讲都难以明了，但跑一遍代码，基本就水落石出。本文本着动手实操(念第一声)的原则，用java实现一个简单的编译器，让读者朋友能一感编译原理的实质，我秉持一个原则，没有代码可实践的计算机理论，都是耍流氓。

编译器作用就是将一种计算机无法理解的文本，转译成计算机能执行的语句，我们要做的编译器如下，将带有加法和乘法的算术式子，转译成机器能执行的汇编语句，t0, t1 是对寄存器的模拟，上述语句基本上就类似计算机能执行的汇编语句了。本章首先专注于词法解析的探讨。

编译原理由两部分组成，一是词法分析，一是语义分析。先说词法分析，词法分析就是将一个语句分割成若干个有意义的字符串的组合，然后给分割的字符串打标签。例如语句：1+2*3+4; 可以分割成 1+, 2*, 3+, 4; 但这些子字符串没有实质意义，有意义的分割是1, +, 2, * , 3, +, 4, ;. 接着就是给这些分割后的字符串打标签，例如给1, 2, 3, 4 打上的标签是NUM_OR_ID, + 打的标签是PLUS, ＊的标签是TIMES, ;的标签是SEMI, 好了，看看词法分析的代码，代码中2到6行是对标签的定义，其中LP 代表左括号(, RP代表右括号)， EOI 表示语句末尾, 第10行的lookAhead 变量用于表明当前分割的字符串指向的标签值，yytext用于存储当前正在分析的字符串，yyleng是当前分析的字符串的长度，yylineno是当前分析的字符串所在的行号。input_buffer 用于存储要分析的语句例如: 1+2*3+4; isAlNum 用于判断输入的字符是否是数字或字母。lex() 函数开始了词法分析的流程，31到40行从控制台读入语句，语句以"end"表明结束，例如在控制台输入：

1+2*3+4;
end

回车后，从52行开始执行词法解析流程。以上面的输入为例，input_buffer 存储语句 1+2*3+4, 由于第一个字符是 1, 在for 循环中，落入switch 的default 部分，isAlNum 返回为真，yyleng 自加后值为1， yytext 存储的字符串就是 "1", current前进一个字符变为+2*3+4, 再次执行lex(), 则解析的字符是+, 在for 循环中，落入switch的case '+' 分支，于是yytext为"+", 返回的标签就是PLUS依次类推， advance 调用一次， lex()就执行一次词法分析，当lex执行若干次后，语句1+2*3+4;会被分解成1, +, 2, *, 3, +, 4, ; 。字符串1, 2, 3, 4具有的标签是NUM_OR_ID, + 具有的标签是PLUS, ＊的标签是TIMES, ;的标签是SEMI。

runLexer() 将驱动词法解析器，执行解析流程，如果解析到的当前字符串，其标签不是EOI(end of input), 也就是没有达到输入末尾，那么就打印出当前分割的字符串和它所属的标签，接着调用advance() 进行下一次解析。

发布于 2018-04-26

​赞同​​添加评论

​分享

​收藏​感谢收起​

知乎用户

 

答案是肯定的。我们就是学完了《编译原理》课程，小学期做的实验项目就是实现一个简单的编译器。

发布于 2017-09-13

​赞同​​添加评论

​分享

​收藏​感谢

Beta喵

一个安静的学渣。

我天，我们那渣学校让学编译原理时，作业就要求手写lex、递归下降、parser，侧重前端。。项目大作业我偷懒用JAVA Antlr4撸了...
PS，你学了编译原理不是应该知道高级语言都图灵等价了吗？什么语言都能撸的，玩的6了你就会想元编程、FP、C++了。。。。

发布于 2016-02-11

​赞同​​添加评论

​分享

​收藏​感谢

知乎用户

 

Google: Classrooom Object Oriented Language.

https://theory.stanford.edu/~aiken/software/cool/cool-manual.pdf

code:
GitHub - jackzhao-mj/CS164-PA

 

from: https://www.zhihu.com/question/39835953