《Language Implementation Patterns》之 符号表

前面的章节我们学会了如何解析语言、构建AST，如何访问重写AST，有了这些基础，我们可以开始进行“语义分析”了。

在分析语义的一个基本方面是要追踪“符号”，符号是语句定义的变量、函数，我们通过建立一种叫做“符号表”的基础结构来完成此项工作。

有两种模式的符号表：

• Pattern 16, Symbol Table for Monolithic Scope，所有的符号存在于单一的作用域内，早期的BASIC使用这种模式；
• Pattern 17, Symbol Table for Nested Scopes，符号存在于多个作用域，”作用域“之间可以嵌套，C语言使用这种模式；

收集语言实体信息

先看一段C++代码：

class T { ... }; // define class T
T f() { ... } // define function f returning type T
int x; // define variable x of type int

这个段代码实际上定义了3个符号，在一个语言处理程序里面，可能以下面的方式来收集信息：

Type c = new ClassSymbol("T");
MethodSymbol m = new MethodSymbol("f", c);
Type intType = new BuiltInTypeSymbol("int");
VariableSymbol v = new VariableSymbol("x", intType); 

每个符号都包含了以下几项信息：

• 名字：一般是一个标记符，也有可能是一个操作符；
• 类别：类、函数、变量；
• 类型：类型允许语言程序判定表达式的有效性，静态类型的语言在编译时做类型检查，动态类型的语言延迟到运行时。

符号表实现用一个class来表示一个”类别“，包含”名字“和”类型“字段：

public class Symbol {
    public String name; // All symbols at least have a name public
    Type type; // Symbols have types
}
public class VariableSymbol extends Symbol {
    public VariableSymbol(String name, Type type) { super(name, type); }
}

出于一致性考虑，Class和Struct类别的符号也从Symbol集成，为了区别于其他类别的符号，我们通过一个Type接口来给符号打个标签：

public class BuiltInTypeSymbol extends Symbol implements Type {
    public BuiltInTypeSymbol(String name) { super(name);
}
public interface Type { public String getName(); }
}

Type接口本身并不包含任何有意义的内容，它仅仅是一个标签来说明这个Symbol能承担某种角色。

符号作用域

一个作用域是一个代码有明确范围的代码区域，对符号定义进行分组。比如类作用域将成员定义分成一个组；函数作用域将参数变量、局部变脸分成一个组。

作用域一般与某些特定token重合，比如括号；这样的作用域叫做词法作用域；或许”静态作用域“的叫法更好，因为光看代码就可以确定作用域了。

下面列出了作用域的一些特征，对不同的语言有不同的值：

• 静态VS动态， 大部分语言都是静态作用域，少数(LISP和PostScript)有动态作用域；
• 具名作用域，类、函数作用域有名字，其他一些作用域，比如全局作用域、局部作用域，没有名字；
• 嵌套，语言一般都允许作用域嵌套，一般对嵌套层数有限制；
• 内容，有些作用域只允许变量定义，有些则只允许其他语句，比如C struct的作用域只允许变量定义；
• 可见性，一个作用域的符号对其他代码段可见或不可见；

与上面类似，我们通过接口来标记一个Class、Function是一个作用域：

public interface Scope {
    public String getScopeName();  //do I have a name
    public Scope getEnclosingScope();  //am I nested in another scope
    public void define(Symbol sym);  //define sym in this scope
    public Symbol resolve(String name); // look up name in scope
}

scope并不追踪对应的代码区域，反过来，代码区域的AST指向所述的scope；这个设计是很有意义的，因为访问AST的时候需要经常查找遇到的符号。

单一作用域

早期的Basic拥有单一的作用域，而现在只有配置文件这种及其简单的语言才有单一的作用域。

追踪符号只需要一个符号集合，遇到重复的符号定义要么覆盖之前的定义，要么被认为是一个错误；遇到新的符号定义则加入集合。

一个<符号名:符号对象>的map可以很好地承担这个职责。

嵌套作用域

多个作用域允许我们用同一名字来代表不同的语法实体。编程语言一般用上下文来区分相同的名字，”上下文”对应某个作用域以及外围嵌套的作用域；作用域嵌套就像一个栈一样，遇到一个新的scope，我们push进栈，栈顶的scope被成为当前scope，当从一个scope退出时，我们执行pop操作。

看一段c代码:

// start of global scope
int x;      // define variable x in global scope
void f() { // define function f in global scope
    int y;  // define variable y in local scope of f
    { int i; } // define variable i in nested local scope
    { int j; } // define variable j in another nested local scope
}
void g() {  // define function g in global scope
    int i;    // define variable i in local scope of g
}

包含的scope如下图：



值得注意的是，这个树形图的节点之间的指针方向，是从子节点指向父节点，这是符号的搜寻方向。

于是，scope栈的操作过程，恰好定义了上面的scope树：

<b>//push</b>
currentScope = new LocalScope(currentScope);

<b>//pop</b>
currentScope = currentScope.getEnclosingScope();

<b>//def</b>
Symbol s = 《some-new-symbol》;
currentScope.define(s);

因此对于上面的c代码，Parser会执行以下的scope操作序列(暂时不去考虑如何引发这些操作)：

1. push global scope .
2. def variable x in current scope, .
3. def method f in scope  and push scope
4. def variable y.
5. push local scope.
6. def variable i.
    ...

解析符号引用

当代码里面遇到一个符号，需要解析它所引用的对象。对于单一的作用域，这个操作很简单：`myOnlyScope.resolve(《symbol-name》)。

当存在多个作用域的时候，符号引用的对象取决于它所处的位置；符号引用的scope栈是引用所处的scope到scope tree根节点的路径，这个栈称之为语义上下文(semantic context)。于是，解析一个符号引用，就是在它的语义上下文寻找他，从当前的scope开始一直到栈顶scope。

public Symbol resolve(String name) {
    Symbol s = members.get(name); // look in this scope
    if ( s!=null ) return s; // return it if in this scope
    if ( enclosingScope != null ) { // have an enclosing scope?
        return enclosingScope.resolve(name); // check enclosing scope
    }
    return null; // not found in this scope or there's no scope above
}

从代码可以看出，scope树的巧妙设计，让这个过程变得简单直观。

Pattern 16 Symbol Table for Monolithic Scope

单一层次的符号表，适合简单的语言(没有函数)，比如配置文件、小型图形语言或小型DSL。

下面的表格展示了，基于语言输入构建scope的操作：

Upon	Actions
Start of file	push a GlobalScope. def BuiltInType objects for any built-in types such as int and float.
Declaration x	ref x’s type (if any). def x in the current scope.
Reference x	ref x starting in the current scope.
End of file	pop the GlobalScope.

Pattern 17 Symbol Tale for Nested Scope

该模式构建一棵scope tree，包含多个、嵌套的scope

看下面一段代码:

// start of global scope
int i = 9;
float f(int x, float y) {
    float i;
    { float z = x+y; i = z; }
    { float z = i+1; i = z; }
    return i;
}
void g() {
    f(i,2);
}

对应的scope tree如下：



函数定义的对应的MethodScope包含了参数符号，里面嵌套一个LocalScope包含所有的局部变量。

同样用一个表格来描述Parse过程中的Scope构建操作：

Upon	Actions
Start of file	push a GlobalScope. def BuiltInType objects for any built-in types such as int and float.
Declaration x	ref x’s type (if any). def x in the current scope.
Method declaration f	ref f’s return type. def f in the current scope and push it as the current scope.
{	push a LocalScope as the new current scope.
}	pop, revealing previous scope as current scope.
End of method	pop the MethodSymbol scope (the parameters).
Reference x	ref x starting in the current scope. If not found, look in the immediately enclosing scope (if any).
End of file	pop the GlobalScope.

具体实现上，应用AST Tree Pattern Matcher可以方便地构建出符号表。