一 编译过程中发生了什么
编译就是把源代码变成目标代码的过程
1，如果源代码编译后要在操作系统上运行，那么目标则是汇编代码，再通过汇编和链接的形式形成可执行文件，然后通过加载起加载到操作系统执行。
2,编译后在解释器执行，目标可以不是汇编代码，是一种解释器可以理解的中间形式代码即可。
前端：词法分析 -> 语法分析 -> 语义分析
后端：生成中间代码 -> 优化 -> 生成目标代码
词法分析（Lexical Analysis）
首先，编译器要读入源代码。
识别 token，它分为关键字，标志符，字面量，操作符号等多个种类。把字符串转换为 token 的过程，就是词法分析。
语法分析
下一步，我们需要让编译器像理解自然语言一样，理解它的语法结构，这就是第二步语法分析。
把 token 转换为一个体现语法规则的，树状的数据结构，这个数据结构叫做 AST 抽象语法树。
语义分析
操作符被定义了语义。语言标准中有大量篇幅在做语义定义。ECMAScript 中 semantic（语义的）这个词出现了 657 次。
int a = 10; //全局变量
int foo(int a){ //参数里有另一个变量a
int b = a + 3; //这里的a指的是哪一个？
return b;
}
把“a+3”中的 a，和正确的变量定义关联的过程，叫做引用消解，语义分析的重要特点，就是上下文相关的分析。
语义分析的阶段，编译器还会识别出数据的类型。同样是加法，对于整形和浮点型数据，其计算方法也是不一样的.
语义分析获得的一些信息（引用消解类型，类型信息等），会附加到 AST 上。这样的 AST 叫做带有标注信息的 AST（Annotated AST/Decorated AST）。
总的来说，语义分析阶段，编译器会做语义理解和语义检查这两方面工作。词法分析和语义分析，统称编译器的前端，他完成对源码的理解工作。
生成代码的工作，叫做后端工作，目标为汇编代码，它是汇编器（Assembler）所能理解的语言，跟机器码有直接对应关系。汇编器器将汇编代码转换为机器码。
熟练掌握汇编代码是困难的。不同架构的 CPU，需要生成不同的汇编代码。所以我们通常会加一个环节：先翻译成中间代码（Inrermediate Representation，IR）。
中间代码（IR）
IR，是出于源代码和目标代码之间的一种表达式。
使用 IR 的两个原因：
1,很多解释型的语言，可以直接执行 IR，比如 python 和 java。这样，编译器生成 IR 就完事了，没有必要生成最终汇编代码。
2，生成代码的时候，需要做大量优化。很多优化没有必要基于汇编来做，而可以基于 IR，用统一算法完成。
优化（optimization）
为什么需要优化？
1，源语言和目标语言的差异。
如：
Class Person{
private String name;
public String getName(){
return name;
}
public void setName(String newName){
this.name = newName
}
}
如果在程序中用“person.getName()”获取 Person 的 name 字段，会开销很大，涉及函数调用。汇编中，实现一次函数调用会做下面一大堆事情：
#调用者的代码
保存寄存器1 #保存现有寄存器的值到内存
保存寄存器2
...
保存寄存器n
把返回地址入栈
把person对象的地址写入寄存器，作为参数
跳转到getName函数的入口
#_getName 程序
在person对象的地址基础上，添加一个偏移量，得到name字段的地址
从该地址获取值，放到一个用于保存返回值的寄存器
跳转到返回地
保存恢复寄存器的值，保存和读取返回地址等等，涉及好几次读写内存操作，花费大量始终周期。
简化方法就是跳过方法调用。直接根据对象地址计算 name 属性地址，然后直接从内存取值。这种方法叫内联。java jit 编译器的重要工作之一就是实现内敛优化。
2,纠正程序员的非最优代码。如下，没必要对 bar（）进行调用，因为它固定返回 101.
int bar(){
int a = 10*10; //这里在编译时可以直接计算出100这个值，这叫做“常数折叠”
int b = 20; //这个变量没有用到，可以在代码中删除，这叫做“死代码删除”
if (a>0){ //因为a一定大于0，所以判断条件和else语句都可以去掉
return a+1; //这里可以在编译器就计算出是101
}
else{
return a-1;
}
}
int a = bar(); //这里可以直接换成 a=101
采用 LLVM 这样的工具的话，我们还可以让多种语言的前端生成相同的中间代码，这样就能复用中后端程序了。
生成目标代码
编译器最后一阶段工作，生成目标代码，即汇编代码。三个重要工作。
1，选择合适的指令，生成性能最高的代码。
2，优化寄存器分配，频繁访问的变量放到寄存器，因为访问寄存器比访问内存快 100 倍
3，不改变运行结果的情况下，对指令做重新排序，从而充分利用 CPU 多个功能部件的并行计算能力。
二 词法解析：用两种方式构造有限自动机
如何实现一个正则表达式工具，从而实现任意的词法解析。
词法分析的原理
输入：字符串。输出：Token。
词法分析英文：tokenizer。
一个计算模型，有限自动机（finite-state automaton，fsa），或叫有限状态自动机。假设你做一个电商系统，订单状态的迁移就是一个状态机。
它的状态数量是有限的。当它收到一个新字符时，会导致状态的迁移。
词法分析的过程，其实就是对一个字符串进行模式匹配的过程，字符串的模式匹配可以用，正则表达式工具。
# ps 将某个进程显示出来。grep 正则查找命令.-e : 显示所有进程 -f : 全格式
ps -ef | grep 's[a-h]'
其中 “s[a-h]”就是一个正则表达式。
正则表达式也可以用来描述词法规则，我们把它正则文法。
IntLiteral : [0-9]+; //至少有一个数字
Id : [A-Za-z][A-Za-z0-9]*; //以字母开头，后面可以是字符或数字
与普通的正则表达式工具不同的是，词法分析要用到很多词法规则，每个词法规则都需要用“Token 类型：正则表达式”这样一种格式，匹配一种 Token。
多条词法存在时，可能出现词法冲突，比如，int 关键字其实也符合标识符的词法规则。
Int : int; //int关键字
For : for; //for关键字
Id : [A-Za-z][A-Za-z0-9]*; //以字母开头，后面可以是字符或数字
所以，词法规则也分优先级。
从正则表达式生成有限自动机
只写出词法规则，自动生成有限状态机。
词法分析器生成工具 lex（及 GUN 版本的 flex）也能够基于规则自动生成词法分析器。
思路：把一个正则表达式翻译成 NFA，然后把 NFA 转换成 DFA。
先说说 DFA，它是“Deterministic Finite Automaton”的缩写，即确定的有限自动机。它的特点是：该状态机在任何一个状态，基于输入的字符，都能做一个确定的状态转换。前面例子中的有限自动机，都属于 DFA。
再说说 NFA，它是“Nondeterministic Finite Automaton”的缩写，即不确定的有限自动机。它的特点是：该状态机中存在某些状态，针对某些输入，不能做一个确定的转换。
NFA 可能会存在试探不成功退回的过程，叫做回溯（backtracking）。
NFA 算法特点，极端情况下回溯可能特别多如“s*”这种语句。
有方法让 NFA 转 DFA，子集构造法。正则 -》 NFA -》 DFA来达到目的。
