paint-brush
如何为乐趣和利润构建 WebAssembly 语言:解析经过@courier
47,889 讀數
47,889 讀數

如何为乐趣和利润构建 WebAssembly 语言:解析

经过 Courier9m2022/08/26
Read on Terminal Reader
Read this story w/o Javascript

太長; 讀書

AST 是一种树状数据结构,它将标记组织成一个逻辑层次结构,可以更容易地转换为机器代码。因为 wispy 是一种 S 表达式语言,所以我们的代码本质上是一个 AST。在这篇文章中,我们将介绍编译器的下一阶段,解析。

Company Mentioned

Mention Thumbnail
featured image - 如何为乐趣和利润构建 WebAssembly 语言:解析
Courier HackerNoon profile picture

在里面最后发帖在这个关于如何构建 WebAssembly 编程语言的系列文章中,我们构建了一个词法分析器。在这篇文章中,我们将介绍编译器的下一阶段,解析。解析是我们编译器的一部分,它获取词法分析器生成的令牌流并将其转换为抽象语法树(AST)。


AST 是一种树状数据结构,它将标记组织成一个逻辑层次结构,可以更容易地转换为机器代码。值得庆幸的是,因为 wispy 是一种 S 表达式语言,所以我们的代码本质上已经是 AST。采用以下令牌流:


 “(“, “add”, “3”, “(“, “sub”, “2”, “1”, “)”, “)”


每组括号代表一个子树,其中第一个标记是操作符节点,后面的标记是它的操作数。如果我们在当前集合关闭之前遇到另一个左括号,我们知道它表示一个操作数,它本身就是一个子树。上面的令牌流将被组织成一个看起来像这样的树:


如果您有兴趣为更复杂的类 C 语法编写解析器,请参阅我以前的构建编程语言系列。

更多关于 AST

正如我们对词法分析器所做的那样,我们将从定义我们的类型开始。这些类型将定义我们的 AST 的结构。每种类型都代表一个“节点”,即简介中我们图表中的圆圈。这是基本节点。我们将忽略它们,因为它们与我们在词法分析器中定义的标记没有太大区别:


 // src/types/ast.mts export type IntNode = { type: "int"; value: number; }; export type FloatNode = { type: "float"; value: number; }; export type IdentifierNode = { type: "identifier"; identifier: string; }; export type TypedIdentifierNode = { type: "typed-identifier"; // Note that here, we break down the identifier into its components identifier: string; typeIdentifier: string; };

AST 的一个新概念是BlockNodeBlockNode是由一组其他节点组成的表达式。

例如, (add 1 2)是一个包含三个节点的块:

  1. 计算结果为函数的标识符add
  2. 一个简单地计算为数字1的 Int 。
  3. 一个简单地计算为数字2的 Int 。

如何评估块本身取决于编译器。我们将在下一篇文章中讨论。

这是定义:


 // src/types/ast.mts export type BlockNode = { type: "block"; expressions: AstNode[]; };

最后,我们定义AstNode 。与词法分析器中的Token类型一样, AstNode是一个可区分的联合,可以是我们之前定义的任何其他节点之一:

 export type AstNode = IntNode | FloatNode | IdentifierNode | TypedIdentifierNode | BlockNode;

您可能已经注意到BlockNode有一个AstNode数组,由于AstNode可以是BlockNodeBlockNode可以包含子BlockNodes 。换句话说, BlockNode是一种递归类型。这种递归表示可以生孩子的孩子的能力是我们 AST 的基础。这是允许 AST 中的树形成的地方。

至此src/types/ast.mts完成,看起来应该像这个文件.

现在从src/types/index.mts导出类型,就像我们对标记类型所做的那样:

 // src/types/index.mts export * from "./token.mjs"; export * from "./ast.mjs";

构建 AST

现在我们已经定义了 AST,是时候构建一个了。

创建一个新的src/parser.mts文件并添加我们将使用的所有导入:

 // src/parser.mts import { Token, IdentifierNode, TypedIdentifierNode, IdentifierToken, TypedIdentifierToken, FloatToken, FloatNode, IntToken, IntNode, AstNode, BlockNode, } from "./types/index.mjs";


现在我们可以定义我们的顶级解析函数。 parse 函数获取词法分析器生成的标记并返回一个BlockNode作为我们树的根。

 // src/parser.mts export const parse = (tokens: Token[]): BlockNode => { const blocks: BlockNode[] = []; // This loop is run as long as there are tokens to consume while (tokens.length) { // consumeTokenTree converts an array of tokens into a tree of tokens, more on that later. const tree = consumeTokenTree(tokens); // parseBlock turns our new tree of tokens into an actual BlockNode, recursively. More on that later as well. blocks.push(parseBlock(tree)); } // Finally we return the top level BlockNode return { type: "block", expressions: blocks, }; };


接下来,我们定义consumeTokenTree函数。 consumeTokenTree将一个扁平的令牌数组转换为一个令牌树。

鉴于这个纤细的表达:

 (add (sub 3 1) (sub 5 2))


词法分析器将产生这个标记数组:

 // Note: I've simplified the Token format to just be strings to keep things short ["(", "add", "(", "sub", "3", "1", ")", "(", "sub", "5", "2", ")", ")"];

consumeTokenTree将采用该平面数组并将其变成一棵树。这就像将一组括号标记()之间的每个标记放入一个数组中一样简单。所以我们上面的令牌数组变成了这个令牌树:

 ["add", [, "sub", "3", "1"], ["sub", "5", "2"]];


这是consumeTokenTree的实际定义:

 // src/parser.mts // This is token besides for the bracket tokens export type NonBracketToken = Exclude<Token, "parenthesis" | "square-bracket">; // The token tree is made of NonBracketTokens and other TokenTrees export type TokenTree = (NonBracketToken | TokenTree)[]; const consumeTokenTree = (tokens: Token[]): TokenTree => { const tree: TokenTree = []; // Ensures the first token is a left bracket and then discards it, defined below this function. consumeLeftBracket(tokens); while (tokens.length) { // Preview the next token const token = tokens[0]; // Check to see if the next token is a left bracket. if (token.type === "bracket" && getBracketDirection(token) === "left") { // If it is, we just ran into a sub-TokenTree. So we can simply call this function within // itself. Gotta love recursion. tree.push(consumeTokenTree(tokens)); continue; } // Check to see if the next token is a right bracket if (token.type === "bracket" && getBracketDirection(token) === "right") { // If it is, we just found the end of the tree on our current level tree.shift(); // Discard the right bracket break; // Break the loop } // If the token isn't a bracket, it can simply be added to the tree on this level tree.push(token); // Consume / discard the token from the main tokens array tokens.shift(); } // Return the tree. Don't forget to check out the helper functions below! return tree; }; const consumeLeftBracket = (tokens: Token[]) => { const bracketDirection = getBracketDirection(tokens[0]); if (bracketDirection !== "left") { throw new Error("Expected left bracket"); } return tokens.shift(); }; const getBracketDirection = (token: Token): "left" | "right" => { if (token.type !== "bracket") { throw new Error(`Expected bracket, got ${token.type}`); } // If we match a left bracket return left if (/[\(\[]/.test(token.value)) return "left"; // Otherwise return right return "right"; };


现在我们有了一个令牌树,我们需要把它变成一个块。为此,我们创建了一个parseBlock函数,该函数将树作为其输入并返回一个BlockNode

 1const parseBlock = (block?: TokenTree): BlockNode => { return { type: "block", // This is where the recursive magic happens expressions: block.map(parseExpression), }; };


您可能已经注意到, parseBlock使用尚未编写的parseExpression函数映射树的每个项目。 parseExpression采用TokenTreeNonBracketToken并将其转换为相应的AstNode类型。

这是定义:

 const parseExpression = (expression?: TokenTree | NonBracketToken): AstNode => { // If the expression is an Array, we were passed another TokenTree, so we can // pass the expression back to the parseBlock function if (expression instanceof Array) { return parseBlock(expression); } // The mapping here is pretty straight forward. Match the token type and pass the // expression on to a more specific expression parser. if (isTokenType(expression, "identifier")) return parseIdentifier(expression); if (isTokenType(expression, "typed-identifier")) return parseTypedIdentifier(expression); if (isTokenType(expression, "float")) return parseFloatToken(expression); if (isTokenType(expression, "int")) return parseIntToken(expression); throw new Error(`Unrecognized expression ${JSON.stringify(expression)}`); };


让我们定义isTokenType函数。这个函数非常简洁,展示了 TypeScript 最强大的特性之一,自定义类型守卫.简单地说, isTokenType测试表达式并将类型缩小到特定的TokenType 。这允许 TypeScript 确定我们正在将正确的标记传递给它们相应的解析器函数。

这是定义:

 export const isTokenType = <T extends Token["type"]>( item: TokenTree | NonBracketToken | undefined, type: T ): item is Extract<Token, { type: T }> => { return isToken(item) && item.type === type; }; const isToken = (item?: TokenTree | NonBracketToken): item is NonBracketToken => { return !(item instanceof Array); };


那里发生了很多事情,所以让我们来看看它。首先,我们有一个通用定义, <T extends Token["type"]> 。这本质上是说 T 必须是Token.type字段的可能值之一。 Typescript 足够聪明,知道这意味着 T 必须是"int" | "float" | "identifier" | "typed-identifier" | "bracket


下一段有趣的代码是返回类型谓词item is Extract<Token, { type: T }> 。该谓词告诉 TypeScript,如果isTokenType的返回值为 true,则item必须是其类型与作为type参数传递的字符串匹配的Token


在实践中,这意味着如果我们将未知的Token传递给isTokenType ,打字稿将能够正确地将值缩小为更具体的标记,例如IntToken


现在我们已经定义了自定义类型保护,我们可以定义实际的令牌解析器。前三个很简单;他们基本上只是返回令牌的副本或稍作修改的副本:

 const parseFloatToken = (float: FloatToken): FloatNode => ({ ...float }); const parseIntToken = (int: IntToken): IntNode => ({ ...int }); const parseIdentifier = (identifier: IdentifierToken): IdentifierNode => { return { type: "identifier", identifier: identifier.value, }; };


最后的解析器是parseTypedIdentifier 。请记住,类型化标识符的形式为identifier:type 。解析它就像用冒号分割字符串一样简单。返回数组的第一个值是identifier ,第二个是type 。这是定义:

 const parseTypedIdentifier = (identifier: TypedIdentifierToken): TypedIdentifierNode => { const vals = identifier.value.split(":"); return { type: "typed-identifier", identifier: vals[0], typeIdentifier: vals[1], }; };

这是完成的文件


这就是一个工作解析器所需的所有代码。在继续之前,让我们更新主src/index.mts文件以查看解析器的输出:

 // src/index.mts #!/usr/bin/env node import { readFileSync } from "fs"; import { lex } from "./lexer.mjs"; import { parse } from "./parser.mjs"; const file = process.argv[2]; const input = readFileSync(file, "utf8"); const tokens = lex(input); const ast = parse(tokens); console.log(JSON.stringify(tokens, undefined, 2));


构建并运行项目:

 npx tsc wispy example.wispy


如果一切顺利,输出应该如下所示这个.


这样,解析器就完成了。我们现在可以将来自词法分析器的标记流转换为 AST。在下一篇文章中,我们可以进入有趣的部分:生成和运行机器可读的代码。


立即申请演示,了解 Courier 如何使产品通知变得令人愉悦!