GCC，首屈一指的自由软件编译器套件，在过去几年中经历了许多变化。其中一个特别的变化是 tree-ssa 分支的合并，这使得编写新的 GCC 前端变得更加简单。

GCC 始终有两种不同的内部表示形式：树（trees）和 RTL。RTL，即寄存器传输语言，是 GCC 在生成机器代码时使用的低级表示形式。传统上，所有优化都在 RTL 中完成。树是一种更高级别的表示形式；传统上，它们不如 RTL 那样文档完善且广为人知。

tree-ssa 项目，由 Diego Novillo 牵头对 GCC 内部结构进行的长期改造，改变了这一切。现在，树变得更好了，尽管文档仍然不够完善，并且许多优化都在树级别完成。这项关于树的工作的一个副作用是明确指定了一种名为 GENERIC 的基于树的语言。所有 GCC 前端都生成 GENERIC，然后将其降级为另一种名为 GIMPLE 的基于树的表示形式，并从那里转到 RTL。

这对您来说意味着，为 GCC 编写新的前端要简单得多。事实上，现在编写一个 GCC 前端，而无需任何 RTL 知识是可行的。本文概述了如何将您自己的编译器前端连接到 GCC。本文中的信息特定于 GCC 4.0，该版本计划于 2005 年发布。

就我们的目的而言，编译分两个阶段完成：解析和语义分析，然后是代码生成。GCC 为您处理第二个阶段，因此问题是，实现第一个阶段的最佳方法是什么？

传统的 GCC 前端，例如 C 和 C++ 前端，在解析期间生成树。这些前端通常为特定于语言的构造添加自己的树代码。然后，在语义分析完成后，通过用更低级别的等价物替换高级的、特定于语言的树，将这些树降级为 GENERIC。这种方法的一个优点是，特定于语言的树通常已经接近 GENERIC。降级阶段通常可以防止生成过多的垃圾。

这种方法的主要缺点是树是动态类型的。理论上，这似乎并没有那么糟糕——存在许多动态类型的环境，开发人员可以有效地使用它们，包括 Lisp 和 Python。然而，这些是完整的环境，而 GCC 高度宏化的 C 代码并没有带来相同的优势。

我编写前端的首选方法是拥有一个强类型的、特定于语言的程序表示形式，称为抽象语法树 (AST)。Ada 前端和 gcjx（Java 编程语言前端的重写版本）都使用了这种方法。

例如，gcjx 是用 C++ 编写的，并且具有一个类层次结构，该层次结构对 Java 编程语言的元素进行建模。这段代码实际上独立于 GCC，可以用于其他目的。在 gcjx 的情况下，该模型可以降级为 GENERIC，但也可以用于生成字节码或 JNI 头文件。此外，它还可以用于各种类型的代码内省；实际上，前端是一个可重用的库。

这种方法提供了强类型设计的所有常见优势，并且在 GCC 环境中，它使程序更容易理解和调试。由此产生的前端相对于 GCC 其余部分的相对独立性也是一个优势，因为 GCC 变化迅速，这种松耦合最大限度地减少了您的风险。

这种方法的潜在缺点是您的编译器可能会做更多不严格需要的工作，或者使用更多内存。实际上，这似乎不太重要。

在我们讨论将您的前端与 GCC 连接的一些细节之前，让我们先看一下您需要了解的一些文档和源文件。由于使编写前端更简单并不是 GCC 社区的优先事项，因此您需要了解的一些内容仅在源代码中记录。这里的文档引用指的是 info 页面而不是 URL，因为 GCC 4.0 尚未发布。因此，网页反映了早期版本。您最好的选择是从 CVS 检出 GCC 的副本，并在源代码中挖掘。

目前，GCC 要求您的前端在构建时可见——没有办法编写一个单独构建并链接到已安装的 GCC 的前端。对于此步骤，请通读 GCC 手册的相应部分，以了解如何编写前端所需的构建基础设施。通常，最简单的方法是复制另一个前端的文件并修改它们以适合。

接下来，编写两个文件以帮助将您的前端集成到 GCC 驱动程序中。lang-specs.h 文件向 GCC 驱动程序描述您的前端。它告诉驱动程序，当在命令行上看到哪些文件扩展名时，应导致 GCC 调用您的前端。它还为驱动程序提供了一些关于必须运行哪些其他程序的指令，例如是否应在您的前端之后运行汇编器，以及如何传递或修改某些命令行选项。编写此文件可能需要一段时间，因为 specs 是它们自己奇怪的语言。但是，其他前端的示例可以提供帮助。

lang.opt 文件描述了特定于您的前端的任何命令行选项。这是一个以直接格式编写的纯文本文件。简单的选项，例如警告标志，可以放在 lang.opt 中，并且不需要您方面的任何其他代码。其他参数必须由您必须编写的 lang hook 处理。

接下来，实现驱动编译过程所需的 lang hooks。此类别中重要的有：

GCC 需要您的前端进行一些初始化。GCC 的大部分内容是自初始化的，但为了适应不同前端的需求，可以以非典型的方式初始化一些与树相关的全局变量。我建议不要试图深入研究这一点。以标准方式定义标准树节点，并为表示语言中标准类型的树想出您自己的名称，这样更简单。

在初始化期间，您需要调用 build_common_tree_nodes、set_sizetype 和 build_common_tree_nodes_2。set_sizetype 用于设置 size_t 内部等价物的类型；始终将其设置为 long_unsigned_type_node 是最简单的。

其他设置步骤可以在此阶段完成。例如，在 gcjx 的初始化代码中，我们构建表示各种结构的类型，我们需要这些结构来描述 Java 类和方法。

您的 parse_file lang hook 调用您的编译器来生成您的内部数据结构。假设这在没有错误的情况下完成，您的前端现在已准备好从您的 AST 生成 GENERIC 树。在 gcjx 中，这是通过使用特殊的访问者 API 遍历类的 AST 来完成的。此 API 的 GENERIC 特定实现增量构建表示代码的树，然后将其交给 GCC。

生成树的所有细节都超出了本文的范围。但是，下面是一些示例，显示了三种主要的树类型，以便您可以了解每种树类型的样子。

一种树表示类型。以下是 gcjx 中 Java char 类型的示例

tree type_jchar = make_node (CHAR_TYPE);
TYPE_PRECISION (type_jchar) = 16;
fixup_unsigned_type (type_jchar);

您可以使用树表示任何类型。特别是，有树类型表示记录、联合、指针和各种大小的整数。

Decl 表示声明，或者换句话说，是赋予某些对象的名称。例如，源代码中的局部变量由 decl 表示

tree local = build_decl (VAR_DECL, get_identifier ("variable_name"),
			 type_jchar);

有 decls 表示程序中各种命名的对象：翻译单元、函数、字段、变量、参数、常量、标签和类型。类型 decl 表示类型的声明，而不是类型本身。

有许多种 expr 树可用于表示程序中各种类型的表达式。这些树类似于 C 表达式，但在某些方面更通用。例如，树不区分 if 语句和条件表达式——两者都由 COND_EXPR 表示，唯一的区别是 if 语句具有 void 类型。以下是如何构建一个将我们的变量添加到自身的表达式

tree addition = build2 (PLUS_EXPR, type_jchar, local, local);

表示语句的树使用特殊的迭代器 API 链接在一起。以下是如何将两个语句 s1 和 s2 链接在一起

tree result = alloc_stmt_list ();
tree_stmt_iterator out = tsi_start (result);

tsi_link_after (&out, s1, TSI_CONTINUE_LINKING);
tsi_link_after (&out, s2, TSI_CONTINUE_LINKING);

// Now `result' holds the list of statements.

还存在其他类型的树节点；阅读 tree.def 和手册以获得更全面的了解。前端也可以定义自己的树代码；但是，如果您有自己的 AST，则不需要这样做。

您生成的程序的总体结构可能类似于翻译单元 decl，其中将包含类型、变量和函数。

一旦您构建了表示函数、全局变量或要为其生成调试信息的类型的树，您需要将树传递给适当的函数以处理编译的其余部分。目前有三个这样的函数可用：rest_of_decl_compilation 处理 decl 节点的编译，cgraph_finalize_function 处理函数的编译，rest_of_type_compilation 处理类型的编译。

尽管 GCC 有相当多的内部一致性检查，但仍然很容易在与您的前端无关的代码中引发崩溃。在许多情况下，您可以向上移动堆栈，打印正在操作的任何树，直到找到由不正确的树生成引起的某些差异。为了有效地调试您的代码，此技术只需要令人惊讶的少量通用 GCC 知识。

GCC 具有一些方便的调试功能。在调试器中，您可以调用 debug_tree 函数来打印树。您还可以使用 -fdump-tree 系列命令行选项在各种 pass 运行后打印树。

我编写 gcjx 的经验是，将其强类型中间表示降级为树非常简单。gcjx 的树后端（多个后端之一）约占编译器总代码的 10%。虽然尚未完成，但目前的代码量为 6,000 行（原始wc -l计数）——与字节码后端的大小大致相同。由此可以得出的一个推论是，如果您已经有一个编译器，那么将其附加到 GCC 的任务可以轻松完成。

由于树是高级的，因此我在编写此前端时没有查看任何 RTL。我根本没有花任何时间思考或处理特定于处理器的问题。除非您的语言有一些深奥的要求，否则这种情况也应该适用于您。

gcjx 中的静态类型 AST 很容易重用。目前，有四个后端，我希望以后编写更多。例如，构建一个将程序的交叉引用表示写入数据库的后端将很简单。或者，可以编写一个后端来遍历 AST 以搜索典型错误，类似于 FindBugs 程序。对于那些与 Java 不同，尚未拥有大量分析工具的语言来说，这种考虑将更具说服力。

编写前端的过程肯定可以变得更简单。例如，没有必要要求 lang-specs.h。相反，前端可以安装一个描述文件，GCC 驱动程序会在启动时读取该文件。类似地，lang.opt 也可能被取消。通过更多的工作，甚至可以从 GCC 的其余部分单独编译前端。

本文的资源： /article/8138。