? ? ? ? 在前幾部分中，我們重點分析了前處理和詞法分析過程，已經將源代碼拆解成一個個的token了。接下來，我們將分析這些token的邏輯結構是否嚴格按照C語言定義的語法規則來排布，這就是將要介紹的內容：語法分析。
? ? ? ? 還是從代碼入手分析，這樣更加生動形象。給定下面這段C代碼：
int a;
int main()
{
int b;
b = 1;
return (a + 2) - b;
}
數學家對物理學家說：“只要你能將物理問題轉化為數學問題，我就都能解決。”這段話告訴我們要學會抽象。具體而言，
- 顯然，
int a和int b是完全類似的，我們可以將其歸為一類。更寬泛的，除了聲明變量，也可以將函數變量的聲明int main也歸類為同一類別，并統之為declaration，因為它們都是一類型符int開始的。 -
b = 1和(a + 2) * 2 - b都是操作聲明的變量，統稱為expression。 -
expression以分號結尾，表明一個具體的操作，稱為statement。
可能有點繞，歸納起來，采用縮進表示層級關系，上面代碼可以這樣進行描述：
program
declaration
declaration --> function_definition
statement --> compound_statement
declaration
statement --> expression_statement
expression
statement --> return_statement
expression
箭頭右邊所指對應著該名字的詳細分類，我們會在后面深入研究。
? ? ? ? 通過這種方式，我們就將C語言中看似復雜多變、毫無頭緒的結構變成了一種抽象的、方便處理的形式。值得注意的是，這些劃分和教科書上面的介紹肯定有所出入，只是在參考資料的基礎上，我想按照自己的理解進行介紹，不至于按照條條框框地介紹讓人覺得枯燥無味。
? ? ? ? 其實，無論多復雜的C語言代碼，都可以將其分成三大類：表達式、語句和聲明。如果大家接受這樣一套定義規則，那么我們將依次介紹這些內容，開始語法分析的處理過程。
3.1 表達式(expression)
? ? ? ? 先來研究在上面代碼中出現的這段表達式：
(a + 2) - b --> a, 2, b
箭頭右邊的變量和具體的值，是我們所能拆分的最小單元了。并且恰好是詞法分析過程中得到的那些token，我們將其記為primary_expression。于是，primary_expression的組成形式為：
primary_expression : ID
| INT
其中|表示“或者”，表示可以取任何一個類型的值。ID代表標識符，如a和b，INT是具體的數值所對應的類型，后面還會介紹的CHAR也是這樣的。這些primary_expression通過加減運算符號聯系起來，形成稍微復雜一點的additive_expression。于是，括號內的部分可以表示成：
additive_expression : primary_expression + primary_expression
進一步的，如何表示(a + 2) - b呢？如果能夠將之表示為：
additive_expression : additive_expression - primary_expression
那么，相信你已經對這樣一套流程有了初步的認識了。值得注意的是，上面的表述方法中，我們還沒有將括號納入其中，但由于括號優先級最高，又必須考慮。怎么辦呢？那就將括號內的部分打包當成最小單元，問題也就引刃而解了。從而可以更新primary_expression的組成形式，得到：
primary_expression : ( additive_expression )
| ID
| INT
再將兩條additive_expression合并起來：
additive_expression : primary_expression + primary_expression
| additive_expression - primary_expression
這樣就構成了表達式(a + 2) - b的完整描述。這里面其實暗含著一種遞歸，直到我們能夠返回ID或者INT為止。那么對照著，下面的表達式：
((a + 1) + 2) - b
也能用上面的表示方法描述。于是乎，就達到了我們抽象問題的目的。但是，如果包含乘法，或者更加復雜一些的表達式呢？我先直接寫出完整的四則運算的描述：
primary_expression : ( additive_expression )
| CHAR
| INT
| ID
unary_expression : primary_expression
| + unary_expression
| - unary_expression
multiple_expression : unary_expression
| multiple_expression * unary_expression
| multiple_expression / unary_expression
additive_expression : multiple_expression
| additive_expression + multiple_expression
| additive_expression - multiple_expression
? ? ? ? 怎么來理解這些表達式的描述呢？舉個例子，假設有這樣一個表達式：
(3 - 2 / 2)
我們用下圖來理解這些表達式之間的關系：
? ? ? ? 此刻，相信大家一定也看明白了整個的分析過程。接下來，我們開始實現這樣一個過程。首先，定義一個類來描述這種結構。
class Parser(object):
def __init__(self, lexer):
self.lexer = lexer
self.current_token = self.lexer.get_next_token()
def eat(self, token_type):
if self.current_token.type == token_type:
self.current_token = self.lexer.get_next_token()
else:
raise Exception()
這里的eat函數其實就是調用詞法分析中的get_next_token()，但是增加了一個判斷，使得我們能夠按照期望的token來進行匹配，否則就會拋出異常。這樣，就形成了按照給定語法結構進行語法分析的基本框架。
? ? ? ? 對照著上文四則運算的描述，具體的實現代碼如下：
def additive_expression(self):
node = self.multiple_expression()
while self.current_token.type in (PLUS, MINUS):
token = self.current_token
self.eat(token.type)
node = BinOp(left=node, op=token.value, \
right=self.multiple_expression())
return node
def multiple_expression(self):
node = self.unary_expression()
while self.current_token.type in (MUL, DIVIDE):
token = self.current_token
self.eat(token.type)
node = BinOp(left=node, op=token.value, \
right=self.unary_expression()))
return node
def unary_expression(self):
token = self.current_token
if token.type == PLUS:
self.eat(token.type)
node = self.unary_expression()
elif token.type == MINUS:
self.eat(token.type)
node = Negative(self.unary_expression())
else:
node = self.primary_expression()
return node
def primary_expression(self):
token = self.current_token
if token.type in (INT, CHAR, ID):
self.eat(token.type)
return token.value
elif token.type == LPAREN:
self.eat(LPAREN)
node = self.additive_expression()
self.eat(RPAREN)
return node
return None
這段代碼中，類似于PLUS這種全部由大寫字母組成的名詞就是token。而BinOp和Negative則是對處理得到的數據的一種組合，方便后續處理，我們會在后面詳細介紹。
? ? ? ? 有了這些內容，寫個簡單的計算器應用應該會非常簡單了。但對于C語言而言，光有這些這些基本類型還遠遠不夠，我們進一步來研究對數組和結構體等這些稍微復雜的數據類型，所組成的表達式應該如何描述。例如：
str[3]
point->x
person.id
&x
這里，處理括號的思想將不再適用，數組下標或者結構體成員都是具體的primary_expression，我們只能增加表達式的描述內容。因此，擴展后的表達式描述如下：
unary_expression : postfix_expression
| & unary_expression
| * unary_expression
| + unary_expression
| - unary_expression
postfix_expression : primary_expression
| postfix_expression [ expression ]
| postfix_expression . ID
| postfix_expression -> ID
那么，對于具體的實現，就只需要依葫蘆畫瓢，這里就不再贅述了。
? ? ? ? 不要忘了，還有函數的使用。C語言中，調用函數的方式如下：
printf("%s", "Hello world!");
add(1, 2);
callBackCb();
于是，根據結構，繼續補充描述：
postfix_expression : primary_expression
| postfix_expression [ expression ]
| postfix_expression . ID
| postfix_expression -> ID
| ( )
| ( argument_expression_list )
argument_expression_list : primary_expression
| argument_expression_list, primary_expression
? ? ? ? 這里留下一個問題，對于C語言定義的其它運算，如邏輯運算符(&&，||)、關系運算符(>=)等等又該如何處理呢？可以按照上面給定的這些描述觸類旁通。具體的細節，我們留在下一部分進行詳細介紹。
實現簡易的C語言編譯器（part 0）
實現簡易的C語言編譯器（part 1）
實現簡易的C語言編譯器（part 2）
實現簡易的C語言編譯器（part 4）
實現簡易的C語言編譯器（part 5）
實現簡易的C語言編譯器（part 6）
實現簡易的C語言編譯器（part 7）
實現簡易的C語言編譯器（part 8）
實現簡易的C語言編譯器（part 9）
實現簡易的C語言編譯器（part 10）
實現簡易的C語言編譯器（part 11）
