Всем привет, и, сегодня вы узнаете как я писал компилятор Си.
Вот части статьи:
1 - Что за компилятор
2 - Как я его создал
Ну, как понимаете он чуть-чуть плохой но ладно.
Что за компилятор?
Я его назвал pycc. Как вы поняли, он написан на python. Ведь pycc переводится как Python C Compiler.
Он поддерживает такие правила:
Два типа данных (int и char)
Цикл while и цикл do-while.
Условие if-else.
Минимальный препроцессор (только директива #include)
Функции через void.
Их мало, но и чтобы эти правила работали я пропотел.
Где то щас 700 - 724 строчек кода (вроде бы).
Вот пример кода (C в хабре нету):
#include <stdio.h>
void fac(n) {
int f = 1;
while (n > 0) {
f = f * n;
n = n - 1;
}
}
void main() {
fac(5);
printf("'factorial of 5: '+str(f)");
}Из этого примера кода вот что мы видим:
Все переменные - глобальные что и хорошо, что и плохо.
Функция printf принимает питонью строку.
Вывод:
factorial of 5: 120Как и ожидалось.
Да. Пока что нечего больше.
Вот так мы и прошлись по его правилам.
О том как я писал этот компилятор
Это мне далось очень не легко.
И я это знал за ранее.
Начал я с лексера. Написать Скопировать лексер с одного сайта очень легко.
Да и парсер дался достаточно легко.
Ну. По началу было всё хорошо. Я легко справлялся. И багов пока не было.
Но всё началось с void. Я реально понял что оказывается я делал всё с багами.
Когда я делал такой код:
void main() {
int n = 5;
while (n > 0) {
n = n - 1;
}
}То, парсеру это не нравилось. Но в скором я начал писать данный код:
d = Parser()
d.parse(...)
block.append(...)Это всё ОЧЕНЬ ПЛОХО. Но я делал этот проект не из-за красивого кода, а чтобы всё работало. Чего я добился.
В скором ошибка типизации... int x = "h"; это было нормально... Ну ладно эта типизация (я быстро решил) но потом и ошибка с char.
Которая была из-за пробелов. Да. Но... К концу я всё таки справился и исправил все баги кроме того самого (с пробелами, но я был доволен).
Сейчас я работаю над другими изменениями.
Да, данный заголовок был очень маленьким но я не умею объяснять истории.
CHANGELOG (только у меня, больше не у кого)
Пре-альфа 1.0
Очень мало было.
Циклы, условия и переменные.
При этом было очень примитивно и не работающее.
Альфа 1.0
Добавился сам полный функционал. Больше багов было устранено.
Но, они были. За то вы могли написать такой код:
void main() {
int n = 5;
while (n > 0) {
n = n - 1;
}
}И он мог работать. Что самое главное.
Бета 1.0
Ну прям все баги исправлены.
И добавлена возможность выводить другие данные.
Релиз 1.0
Официальный выпуск. Тогда я опубликовал это на гитхаб.
Релиз 1.1
Добавлен препроцессор.
К примеру:
#include <stdio.h>Теперь можно было импортировать заголовочные обычные файлы.
Релиз 1.1.2 (Последний)
Я исправил баг с больше и меньше.
Раньше было не так:
if stack[-2] > stack[-1]:
...
else:
...А так:
if stack[-2] >= stack[-1]:
...
else:
...И я это исправил (да, самое легкое исправление)
Итог
Статья получилась плохой и большой, но, вот ссылка на проект:
SystemSoftware2/pycc: Компилятор C на Python
В скором я добавлю больше всего. И возможно компилироваться будет в x86 ASM.
UPD: компилируется в байткод
Комментарии (37)
alex5jb
17.05.2025 18:28Но зачем?
SystemSoft Автор
17.05.2025 18:28Скорее для опыта. Для развлечения. Мне оно нравится.
saipr
17.05.2025 18:28Я бы вам рекомендовал обратить внимание то на книгу Эндрю Таненбаума «Operating Systems Design and Implementation» на ее первое издание и на то, как в ней представлен язык Си. И может это описание Си и положить в основу вашего компилятора. Удачи вам.
pnmv
17.05.2025 18:28Прошу поощения. Возможно, я невнимательно прочёл, но что и во что он "компилирует"? Если это перевод кода, написанного на си, в код на питоне, то почему именно компилятор, а не транслятор?
SystemSoft Автор
17.05.2025 18:28Оу, я и правда забыл это. Он компилируется в собственный набор инструкций (или проще говоря байткод) который выполняется виртуальной машине
SystemSoft Автор
17.05.2025 18:28созданной тоже мной (для понимания)
HyperWin
17.05.2025 18:28У нас тоже есть подобный проект, я разрабатываю свою ISA с эмулятором и ассемблером, а один чувак в нашей команде пишет компилятор ANSI C для него.
JBFW
17.05.2025 18:28"Но зачем?" - в смысле, зачем именно C?
Что если вместо всем известного C попробовать придумать другой язык, решающий какую-то в принципе иную задачу?
Не A * B, а что-нибудь из статистического анализа, например, или еще что-то довольно специальное, то, что сейчас решается через программирование хотя бы на том же С, а могло бы быть записано на своем языке в несколько операторов?
И вот к нему - компилятор в байткод?
pnmv
17.05.2025 18:28Такую задачу вредно навешивать на единственного разработчика.
JBFW
17.05.2025 18:28Почему нет? )
Если бы тот же Линус Торвальдс начал с подбора команды разработчиков - никакого линукса вообще бы не получилось никогда, завязли бы в согласованиях, утверждениях, бюджетировании, зависли на митингах и признали бы экономически необоснованным и нецелесообразным.
CatAssa
17.05.2025 18:28Посмотрите на старую книжку Р.Берри и Б.Микинза, там и компилятор С есть:
Скрытый текст
CrazyHackGUT
17.05.2025 18:28Увидев printf, можно понять, что это не Си. Вовсе. gcc это скомпилировать - скомпилирует вполне, но по факту работать не будет так же.
imsyava
17.05.2025 18:28Аж захотелось узнать, как эта реализация факториала
#include <stdio.h>voidfac(n) {intf = 0;while(n > 0) { f = f * n; n = n - 1; } }voidmain() {fac(5);printf("'factorial of 5: '+str(f)");}Смогла выдать
factorial of 5: 120Там же что ни подставь f будет 0. Либо этот самодельный компилятор умеет распознавать человеческий фактор и корректировать вычисления для соответствия результата ожиданиям, либо при инициализации там всё же f = 1.
kmatveev
17.05.2025 18:28Я почитал исходники. Питона не знаю, но что-то попробовал понять.
Лексер нужно улучшать. Во-первых, он принципиально неправильно написан: вы тупо пытаетесь регулярки применять к вводу, из-за чего, встретив, например, "iframe", он выделит "if" как ключевое слово. Правильный способ - конечный автомат, то есть у лексера появляется состояние. Ну и напоследок, вы бы хоть компиляцию регулярок не делали каждый раз, очень уж тормознуто.
С компилятором не понял вот чего: все функции, получается, инлайнятся?
С виртуальной машиной много непоняток. Почему-то FETCH, который у вас для сохранения глобальной переменной на стеке, в случае, если переменная неинициализированна (или тупо опечатка), пушит 0. А STORE наоборот, ругается, если глобальной переменной нет. Я бы сделал наоборот. Не очень понял смысла операции POP, и мне кажется, что она pc недостаточно увеличивает.
SystemSoft Автор
17.05.2025 18:28Все функции инлайнятся потому что к тому времени я не понимал как это делать.
С виртуальной машиной я убрал эти непонятности.
Лексер... Ну... Да, согласен.
С парсером тоже согласен. Там теги просто тратят смысл.
GambitOZ
17.05.2025 18:28Писать компилятор скриптового движка си написанного на скриптовом движке питона, который в свою очередь изначально написан на си - это оригинально. Браво))
SkylineXXX
17.05.2025 18:28Кажется первые версии компиляторов gcc, RMS писал "одну каску". И ничего...не помер. При чем не с двумя типами данных, а полные.
SystemSoft Автор
CHANGELOG бонусом.