简介这份资源是南京航空航天大学编译原理课程设计的完整实现包面向计算机专业正在学习编译原理、需要完成课程设计的学生。内容覆盖词法分析与语法分析两大模块包含可运行的源代码、头文件、工程文件以及课程设计报告和答辩演示文稿能够帮助读者对照理解从字符扫描、记号识别到语法解析的完整流程并参考报告中的设计思路与实现细节。压缩包共32个文件以txt源码与说明、exe可执行程序、obj与pdb等编译中间文件、doc报告及ppt答辩材料为主整体约961KB体积轻便、结构清晰便于按词法、语法两部分分模块查阅。资源经作者检验程序无BUG已有750人学习下载适合需要参考完整课设实现、对照调试与撰写报告的读者使用。1. 编译原理课程设计从词法分析到目标代码生成的完整链路很多人对编译原理课程设计的印象停留在“画状态机、写正则、背 LL(1) 表”真到动手时才发现一个能跑通的最小编译器要同时处理词法切分、语法分析、语义检查、中间代码和目标代码生成五道关卡任何一环的边界没想清楚后面全是连锁翻车。这份课程设计资源围绕“编译原理 课程设计 计算机”这条主线给出一套从源程序输入到汇编风格目标代码输出的完整实现骨架适合正在做课程设计、需要一份可对照复现的参考实现或者想补上“理论学过但没真正写过一个编译器”这块短板的人。它解决的不是“考试怎么算 FIRST 集”而是“怎么把一套文法真正变成能跑的程序”。2. 词法与语法分析把源程序拆成可处理的记号流2.1 词法分析器的状态机设计与关键字识别词法分析是整个编译链路的第一道闸门它的输出质量直接决定后续语法分析会不会收到一堆脏数据。这份资源里的词法分析器采用手写状态机而不是正则引擎原因很实际课程设计场景下手写状态机便于在报告里画状态转换图也便于在出错时定位到具体字符位置。核心思路是维护一个当前状态和已读字符缓冲区遇到空白、界符、运算符时做一次“提交”把缓冲区内容归类成标识符、关键字、常量或运算符。下面是一个简化但可直接套用的词法扫描主循环语言用 Python方便对照调试# 词法扫描主循环逐字符推进状态机 KEYWORDS {if, else, while, int, return, void} DELIMITERS set((){};,[]) OPERATORS {, -, *, /, , , , , , , !} def tokenize(src): tokens [] i, n 0, len(src) while i n: ch src[i] if ch.isspace(): i 1 continue # 标识符或关键字字母开头后接字母数字下划线 if ch.isalpha() or ch _: start i while i n and (src[i].isalnum() or src[i] _): i 1 word src[start:i] kind KEYWORD if word in KEYWORDS else IDENT tokens.append((kind, word, start)) continue # 数字常量这里只处理整数浮点留作扩展 if ch.isdigit(): start i while i n and src[i].isdigit(): i 1 tokens.append((NUMBER, src[start:i], start)) continue # 双字符运算符优先匹配避免把 拆成两个 two src[i:i2] if two in OPERATORS: tokens.append((OP, two, i)) i 2 continue if ch in OPERATORS: tokens.append((OP, ch, i)) i 1 continue if ch in DELIMITERS: tokens.append((DELIM, ch, i)) i 1 continue raise SyntaxError(f非法字符 {ch!r} 位于偏移 {i}) return tokens这段代码的关键点有三个。第一双字符运算符必须在单字符之前判断否则会被切成两个这是词法阶段最常见的翻车点。第二每个 token 都带上起始偏移start后面语法分析报错时能直接指回源码位置报告里也好写。第三关键字识别放在标识符分支内部完成而不是单独开一条分支这样状态机结构更紧凑。参数上KEYWORDS集合要和文法里定义的保留字严格一致多一个少一个都会导致后续语法分析对不上号。2.2 递归下降语法分析与 FIRST/FOLLOW 集落地语法分析部分资源采用的是递归下降而不是 LL(1) 预测分析表这个选型值得说清楚。LL(1) 表在纸面上很优雅但课程设计里一旦文法稍微复杂构造表的代码量和调试成本会迅速超过手写递归下降。递归下降的每个非终结符对应一个函数函数内部按产生式顺序尝试匹配配合一个peek()看当前 token逻辑直观出错时调用栈本身就是一条推导路径排查起来省事。下面是非终结符stmt的一个递归下降实现片段覆盖赋值语句和 if 语句两种产生式class Parser: def __init__(self, tokens): self.tokens tokens self.pos 0 def peek(self): # 越界时返回文件结束标记避免索引错误 return self.tokens[self.pos] if self.pos len(self.tokens) else (EOF, , -1) def match(self, kind, valueNone): tok self.peek() if tok[0] ! kind or (value is not None and tok[1] ! value): raise SyntaxError(f期望 {kind} {value}实际 {tok}) self.pos 1 return tok def parse_stmt(self): tok self.peek() # 赋值语句IDENT expr ; if tok[0] IDENT: name self.match(IDENT)[1] self.match(OP, ) expr self.parse_expr() self.match(DELIM, ;) return (assign, name, expr) # if 语句if ( expr ) stmt [else stmt] if tok[0] KEYWORD and tok[1] if: self.match(KEYWORD, if) self.match(DELIM, () cond self.parse_expr() self.match(DELIM, )) then self.parse_stmt() other None nxt self.peek() if nxt[0] KEYWORD and nxt[1] else: self.match(KEYWORD, else) other self.parse_stmt() return (if, cond, then, other) raise SyntaxError(f无法识别的语句起始 {tok})peek()返回 EOF 标记这个细节别省很多同学在文件末尾少写一个分号时解析器直接抛 IndexError报告里写“程序崩溃”很难看。match()把“期望什么、实际是什么”一起报出来比只报“语法错误”有用得多。递归下降的边界在于左递归文法不能直接写遇到expr - expr term这种必须先消除左递归资源里的表达式解析就是按消除左递归后的形式组织的这一点在改文法时务必先确认。3. 语义分析与中间代码让程序“讲得通”再“跑得动”3.1 符号表组织与作用域检查语法树建起来只说明结构合法语义分析要回答的是“这个变量声明过吗、类型对得上吗、函数调用参数个数对吗”。资源里的符号表采用栈式作用域结构每进入一个块压一层离开时弹一层查找时从栈顶往下扫。这种结构对课程设计足够用也便于在报告里画作用域嵌套图。class SymbolTable: def __init__(self): # 栈中每个元素是一个 dict代表一层作用域 self.scopes [{}] def enter_scope(self): self.scopes.append({}) def exit_scope(self): if len(self.scopes) 1: raise RuntimeError(不能退出全局作用域) self.scopes.pop() def declare(self, name, typ): scope self.scopes[-1] if name in scope: raise NameError(f重复声明 {name}) scope[name] typ def lookup(self, name): # 从最内层向外层查找命中即返回 for scope in reversed(self.scopes): if name in scope: return scope[name] raise NameError(f未声明标识符 {name})declare只在当前层查重lookup才跨层查找这个区分是作用域语义的核心。常见错误是把查重也写成跨层结果内层块里声明一个和外层同名的变量被误判为重复声明。参数上typ可以先用字符串表示如int、void等类型系统复杂了再换成类。语义分析阶段还要做类型相容检查比如赋值号两边类型是否一致、条件表达式是否为整型这些检查挂在语法树遍历的对应节点上报错信息带上行号或偏移和词法阶段保留的start对得上。3.2 三地址码生成与临时变量管理中间代码选三地址码是课程设计的稳妥选择形式统一、便于后续优化、也便于在报告里展示。资源里的生成策略是后序遍历语法树每个表达式节点返回一个“存放结果的位置”可能是变量名也可能是新分配的临时变量。临时变量用递增计数器管理命名成t1、t2这种避免和用户标识符冲突。class TACGen: def __init__(self): self.code [] # 三地址码指令列表 self.temp_count 0 def new_temp(self): self.temp_count 1 return ft{self.temp_count} def gen_expr(self, node): # 叶子节点直接返回名字或常量 if node[0] num: return str(node[1]) if node[0] var: return node[1] # 二元运算先递归生成左右操作数再发一条指令 if node[0] binop: left self.gen_expr(node[2]) right self.gen_expr(node[3]) tmp self.new_temp() self.code.append(f{tmp} {left} {node[1]} {right}) return tmp raise ValueError(f未知表达式节点 {node}) def gen_stmt(self, node): if node[0] assign: val self.gen_expr(node[2]) self.code.append(f{node[1]} {val}) elif node[0] if: cond self.gen_expr(node[1]) # 这里用标号占位回填在完整实现里做 self.code.append(fifFalse {cond} goto L_else) self.gen_stmt(node[2]) self.code.append(goto L_end) self.code.append(L_else:) if node[3]: self.gen_stmt(node[3]) self.code.append(L_end:)new_temp()的计数器只增不减这是有意的临时变量复用属于优化阶段的事课程设计阶段先保证正确性。gen_expr返回的是“结果所在位置”而不是值本身这个约定让嵌套表达式能自然拼接。标号回填是这里最容易出问题的地方ifFalse后面的L_else在生成时还不知道具体位置完整实现里要用一个待回填列表等对应语句生成完再补上真实标号资源里这部分用列表加二次遍历完成别图省事直接写死字符串。4. 目标代码生成与运行验证从三地址码到可执行结果4.1 寄存器分配简化策略与指令选择目标代码生成阶段资源没有做复杂的图着色寄存器分配而是采用“每个临时变量分配一个栈槽、运算时加载到固定寄存器”的简化策略。这个选择对课程设计是合理的图着色实现成本高、调试困难而简化策略生成的代码虽然冗余但正确性容易保证报告里也能说清楚取舍。指令选择上三地址码的每条二元运算映射成“加载左操作数、加载右操作数、运算、存回结果”四步。def gen_target(tac_code): lines [] # 简化策略所有变量和临时量都在栈上用 fp 偏移寻址 slot {} next_slot 0 def get_slot(name): nonlocal next_slot if name not in slot: slot[name] next_slot next_slot 4 # 假设每个槽 4 字节 return slot[name] for ins in tac_code: parts ins.replace(, ).split() # 形如 t1 a b if len(parts) 5 and parts[3] in {, -, *, /}: dst, _, l, op, r parts lines.append(f lw t0, {get_slot(l)}(fp)) lines.append(f lw t1, {get_slot(r)}(fp)) op_map {: add, -: sub, *: mul, /: div} lines.append(f {op_map[op]} t2, t0, t1) lines.append(f sw t2, {get_slot(dst)}(fp)) # 形如 x t1简单赋值 elif len(parts) 3 and parts[1] : dst, _, src parts lines.append(f lw t0, {get_slot(src)}(fp)) lines.append(f sw t0, {get_slot(dst)}(fp)) return linesget_slot用字典做名字到偏移的映射第一次遇到就分配新槽这样变量和临时量统一处理不用区分。op_map把三地址码的运算符映射到目标指令助记符换目标架构时只改这一张表。注意这里假设了 4 字节槽宽如果目标机字长不同要同步改否则偏移会错位。生成的汇编风格代码可以直接对照模拟器或手工推演验证资源里附带的验证方式是拿几个典型源程序跑一遍比对三地址码和最终结果是否一致。4.2 端到端验证用三个测试程序卡住回归验证环节别只跑一个a 1 2就收工资源建议至少准备三个层次的测试程序纯赋值与算术、带 if-else 分支、带嵌套作用域和函数调用。每个程序记录期望的三地址码和期望输出改任何一阶段代码后全量重跑。下面是一个带分支的测试输入示例# test_if.src int main() { int a 3; int b 5; if (a b) { a a b; } else { b b - a; } return a; }跑通后重点看两处ifFalse的跳转目标是否落在else分支起始L_end是否在所有分支之后。这两处标号错位是目标代码生成阶段最高频的 bug表现是程序不崩溃但结果莫名其妙属于典型的玄学现象靠单步对照三地址码才能揪出来。测试程序覆盖到位后面改优化、改寄存器策略才有回归底气。5. 避坑与排查课程设计里最容易翻车的五件事5.1 词法阶段把双字符运算符拆错现象a b被解析成a、、、b语法分析报“意外的 ”。原因单字符运算符判断写在双字符之前或者双字符匹配时没做长度优先。解决扫描时先取src[i:i2]查双字符表命中就前进两位未命中再查单字符表顺序不能反。5.2 递归下降遇到左递归直接栈溢出现象解析表达式时程序卡死或抛 RecursionError。原因文法里写了expr - expr term这种左递归产生式递归下降会无限自我调用。解决先做左递归消除改成expr - term expr_tail、expr_tail - term expr_tail | ε的形式再写对应函数。改文法前先拿纸推一遍 FIRST 集别边写边试。5.3 符号表作用域进出不配对现象内层块结束后外层同名变量查不到或者内层变量泄漏到外层。原因enter_scope和exit_scope调用次数不匹配常见于 if 分支里提前 return 或异常路径漏了退出。解决把作用域进出包在 try/finally 里或者用上下文管理器保证异常路径也能弹栈。写完拿嵌套三层的测试程序验证查找结果。5.4 临时变量命名和用户标识符撞车现象用户程序里声明了t1生成的三地址码里临时变量也叫t1结果互相覆盖。原因临时变量命名没做隔离。解决临时变量加不可能出现在源语言标识符里的前缀比如%t1或_tmp1或者在符号表里单独维护临时量命名空间生成时统一走new_temp()。5.5 标号回填漏掉分支导致跳转错位现象带 if-else 的程序结果对不上但单步看每条指令都没错。原因ifFalse的目标标号在生成时是占位符回填阶段漏了某个分支跳转落到了错误位置。解决维护一个待回填列表每条需要回填的指令记录“指令索引 标号名”所有语句生成完后统一遍历回填回填完再断言所有占位符都已被替换。6. 进阶技巧把课程设计从“能跑”推到“能讲清楚”课程设计评分不只看程序能不能跑还看你能不能把设计决策讲明白。这里有一个我踩过坑之后固定下来的习惯每完成一个阶段就在代码旁边留一段“决策记录”写清楚为什么选这个方案、放弃了什么、边界在哪。比如词法阶段记一句“手写状态机而非正则引擎因为需要保留字符偏移用于报错定位”中间代码阶段记一句“三地址码而非语法树直接生成目标码因为便于后续做常量折叠”。这些记录最后直接变成报告里的设计取舍章节比事后回忆靠谱得多。再往上一层可以给编译器加一个--dump-tokens、--dump-tac的调试开关每个阶段把中间结果打到标准输出。下面是一个简单的开关实现import sys def compile_source(src, dump_stageNone): tokens tokenize(src) if dump_stage tokens: for t in tokens: print(t) parser Parser(tokens) ast parser.parse_program() gen TACGen() gen.gen_stmt(ast) if dump_stage tac: for line in gen.code: print(line) return gen_target(gen.code) if __name__ __main__: src open(sys.argv[1]).read() stage sys.argv[2] if len(sys.argv) 2 else None for asm in compile_source(src, stage): print(asm)这个开关的价值在于出问题时不用改代码加 print直接python main.py test.src tac就能看到三地址码对照期望输出定位是哪一阶段偏了。参数上dump_stage只认tokens和tac两个值扩展时加分支即可别做成万能字符串匹配容易误触发。还有一个容易被忽略的点把三个测试程序的期望输出固化成文件写一个对比脚本每次改完跑一遍全量 diff。我一般会在提交前强制走一遍这个流程因为编译器这种多阶段串联的东西改词法可能影响语法改语义可能影响代码生成手工点几个用例根本盖不住。从那以后我每次动任何一阶段代码都先把回归脚本跑绿再往下写省下来的返工时间远比写脚本多。希望这份资源和你自己的实现能对得上帮到你。本文还有配套的精品资源点击获取 
长河君 · 2026/10/29 20:27:34 · 阅读 1.2k 编译原理课程设计实战：从词法分析到目标代码生成的完整实现
简介这份资源是南京航空航天大学编译原理课程设计的完整实现包面向计算机专业正在学习编译原理、需要完成课程设计的学生。内容覆盖词法分析与语法分析两大模块包含可运行的源代码、头文件、工程文件以及课程设计报告和答辩演示文稿能够帮助读者对照理解从字符扫描、记号识别到语法解析的完整流程并参考报告中的设计思路与实现细节。压缩包共32个文件以txt源码与说明、exe可执行程序、obj与pdb等编译中间文件、doc报告及ppt答辩材料为主整体约961KB体积轻便、结构清晰便于按词法、语法两部分分模块查阅。资源经作者检验程序无BUG已有750人学习下载适合需要参考完整课设实现、对照调试与撰写报告的读者使用。1. 编译原理课程设计从词法分析到目标代码生成的完整链路很多人对编译原理课程设计的印象停留在“画状态机、写正则、背 LL(1) 表”真到动手时才发现一个能跑通的最小编译器要同时处理词法切分、语法分析、语义检查、中间代码和目标代码生成五道关卡任何一环的边界没想清楚后面全是连锁翻车。这份课程设计资源围绕“编译原理 课程设计 计算机”这条主线给出一套从源程序输入到汇编风格目标代码输出的完整实现骨架适合正在做课程设计、需要一份可对照复现的参考实现或者想补上“理论学过但没真正写过一个编译器”这块短板的人。它解决的不是“考试怎么算 FIRST 集”而是“怎么把一套文法真正变成能跑的程序”。2. 词法与语法分析把源程序拆成可处理的记号流2.1 词法分析器的状态机设计与关键字识别词法分析是整个编译链路的第一道闸门它的输出质量直接决定后续语法分析会不会收到一堆脏数据。这份资源里的词法分析器采用手写状态机而不是正则引擎原因很实际课程设计场景下手写状态机便于在报告里画状态转换图也便于在出错时定位到具体字符位置。核心思路是维护一个当前状态和已读字符缓冲区遇到空白、界符、运算符时做一次“提交”把缓冲区内容归类成标识符、关键字、常量或运算符。下面是一个简化但可直接套用的词法扫描主循环语言用 Python方便对照调试# 词法扫描主循环逐字符推进状态机 KEYWORDS {if, else, while, int, return, void} DELIMITERS set((){};,[]) OPERATORS {, -, *, /, , , , , , , !} def tokenize(src): tokens [] i, n 0, len(src) while i n: ch src[i] if ch.isspace(): i 1 continue # 标识符或关键字字母开头后接字母数字下划线 if ch.isalpha() or ch _: start i while i n and (src[i].isalnum() or src[i] _): i 1 word src[start:i] kind KEYWORD if word in KEYWORDS else IDENT tokens.append((kind, word, start)) continue # 数字常量这里只处理整数浮点留作扩展 if ch.isdigit(): start i while i n and src[i].isdigit(): i 1 tokens.append((NUMBER, src[start:i], start)) continue # 双字符运算符优先匹配避免把 拆成两个 two src[i:i2] if two in OPERATORS: tokens.append((OP, two, i)) i 2 continue if ch in OPERATORS: tokens.append((OP, ch, i)) i 1 continue if ch in DELIMITERS: tokens.append((DELIM, ch, i)) i 1 continue raise SyntaxError(f非法字符 {ch!r} 位于偏移 {i}) return tokens这段代码的关键点有三个。第一双字符运算符必须在单字符之前判断否则会被切成两个这是词法阶段最常见的翻车点。第二每个 token 都带上起始偏移start后面语法分析报错时能直接指回源码位置报告里也好写。第三关键字识别放在标识符分支内部完成而不是单独开一条分支这样状态机结构更紧凑。参数上KEYWORDS集合要和文法里定义的保留字严格一致多一个少一个都会导致后续语法分析对不上号。2.2 递归下降语法分析与 FIRST/FOLLOW 集落地语法分析部分资源采用的是递归下降而不是 LL(1) 预测分析表这个选型值得说清楚。LL(1) 表在纸面上很优雅但课程设计里一旦文法稍微复杂构造表的代码量和调试成本会迅速超过手写递归下降。递归下降的每个非终结符对应一个函数函数内部按产生式顺序尝试匹配配合一个peek()看当前 token逻辑直观出错时调用栈本身就是一条推导路径排查起来省事。下面是非终结符stmt的一个递归下降实现片段覆盖赋值语句和 if 语句两种产生式class Parser: def __init__(self, tokens): self.tokens tokens self.pos 0 def peek(self): # 越界时返回文件结束标记避免索引错误 return self.tokens[self.pos] if self.pos len(self.tokens) else (EOF, , -1) def match(self, kind, valueNone): tok self.peek() if tok[0] ! kind or (value is not None and tok[1] ! value): raise SyntaxError(f期望 {kind} {value}实际 {tok}) self.pos 1 return tok def parse_stmt(self): tok self.peek() # 赋值语句IDENT expr ; if tok[0] IDENT: name self.match(IDENT)[1] self.match(OP, ) expr self.parse_expr() self.match(DELIM, ;) return (assign, name, expr) # if 语句if ( expr ) stmt [else stmt] if tok[0] KEYWORD and tok[1] if: self.match(KEYWORD, if) self.match(DELIM, () cond self.parse_expr() self.match(DELIM, )) then self.parse_stmt() other None nxt self.peek() if nxt[0] KEYWORD and nxt[1] else: self.match(KEYWORD, else) other self.parse_stmt() return (if, cond, then, other) raise SyntaxError(f无法识别的语句起始 {tok})peek()返回 EOF 标记这个细节别省很多同学在文件末尾少写一个分号时解析器直接抛 IndexError报告里写“程序崩溃”很难看。match()把“期望什么、实际是什么”一起报出来比只报“语法错误”有用得多。递归下降的边界在于左递归文法不能直接写遇到expr - expr term这种必须先消除左递归资源里的表达式解析就是按消除左递归后的形式组织的这一点在改文法时务必先确认。3. 语义分析与中间代码让程序“讲得通”再“跑得动”3.1 符号表组织与作用域检查语法树建起来只说明结构合法语义分析要回答的是“这个变量声明过吗、类型对得上吗、函数调用参数个数对吗”。资源里的符号表采用栈式作用域结构每进入一个块压一层离开时弹一层查找时从栈顶往下扫。这种结构对课程设计足够用也便于在报告里画作用域嵌套图。class SymbolTable: def __init__(self): # 栈中每个元素是一个 dict代表一层作用域 self.scopes [{}] def enter_scope(self): self.scopes.append({}) def exit_scope(self): if len(self.scopes) 1: raise RuntimeError(不能退出全局作用域) self.scopes.pop() def declare(self, name, typ): scope self.scopes[-1] if name in scope: raise NameError(f重复声明 {name}) scope[name] typ def lookup(self, name): # 从最内层向外层查找命中即返回 for scope in reversed(self.scopes): if name in scope: return scope[name] raise NameError(f未声明标识符 {name})declare只在当前层查重lookup才跨层查找这个区分是作用域语义的核心。常见错误是把查重也写成跨层结果内层块里声明一个和外层同名的变量被误判为重复声明。参数上typ可以先用字符串表示如int、void等类型系统复杂了再换成类。语义分析阶段还要做类型相容检查比如赋值号两边类型是否一致、条件表达式是否为整型这些检查挂在语法树遍历的对应节点上报错信息带上行号或偏移和词法阶段保留的start对得上。3.2 三地址码生成与临时变量管理中间代码选三地址码是课程设计的稳妥选择形式统一、便于后续优化、也便于在报告里展示。资源里的生成策略是后序遍历语法树每个表达式节点返回一个“存放结果的位置”可能是变量名也可能是新分配的临时变量。临时变量用递增计数器管理命名成t1、t2这种避免和用户标识符冲突。class TACGen: def __init__(self): self.code [] # 三地址码指令列表 self.temp_count 0 def new_temp(self): self.temp_count 1 return ft{self.temp_count} def gen_expr(self, node): # 叶子节点直接返回名字或常量 if node[0] num: return str(node[1]) if node[0] var: return node[1] # 二元运算先递归生成左右操作数再发一条指令 if node[0] binop: left self.gen_expr(node[2]) right self.gen_expr(node[3]) tmp self.new_temp() self.code.append(f{tmp} {left} {node[1]} {right}) return tmp raise ValueError(f未知表达式节点 {node}) def gen_stmt(self, node): if node[0] assign: val self.gen_expr(node[2]) self.code.append(f{node[1]} {val}) elif node[0] if: cond self.gen_expr(node[1]) # 这里用标号占位回填在完整实现里做 self.code.append(fifFalse {cond} goto L_else) self.gen_stmt(node[2]) self.code.append(goto L_end) self.code.append(L_else:) if node[3]: self.gen_stmt(node[3]) self.code.append(L_end:)new_temp()的计数器只增不减这是有意的临时变量复用属于优化阶段的事课程设计阶段先保证正确性。gen_expr返回的是“结果所在位置”而不是值本身这个约定让嵌套表达式能自然拼接。标号回填是这里最容易出问题的地方ifFalse后面的L_else在生成时还不知道具体位置完整实现里要用一个待回填列表等对应语句生成完再补上真实标号资源里这部分用列表加二次遍历完成别图省事直接写死字符串。4. 目标代码生成与运行验证从三地址码到可执行结果4.1 寄存器分配简化策略与指令选择目标代码生成阶段资源没有做复杂的图着色寄存器分配而是采用“每个临时变量分配一个栈槽、运算时加载到固定寄存器”的简化策略。这个选择对课程设计是合理的图着色实现成本高、调试困难而简化策略生成的代码虽然冗余但正确性容易保证报告里也能说清楚取舍。指令选择上三地址码的每条二元运算映射成“加载左操作数、加载右操作数、运算、存回结果”四步。def gen_target(tac_code): lines [] # 简化策略所有变量和临时量都在栈上用 fp 偏移寻址 slot {} next_slot 0 def get_slot(name): nonlocal next_slot if name not in slot: slot[name] next_slot next_slot 4 # 假设每个槽 4 字节 return slot[name] for ins in tac_code: parts ins.replace(, ).split() # 形如 t1 a b if len(parts) 5 and parts[3] in {, -, *, /}: dst, _, l, op, r parts lines.append(f lw t0, {get_slot(l)}(fp)) lines.append(f lw t1, {get_slot(r)}(fp)) op_map {: add, -: sub, *: mul, /: div} lines.append(f {op_map[op]} t2, t0, t1) lines.append(f sw t2, {get_slot(dst)}(fp)) # 形如 x t1简单赋值 elif len(parts) 3 and parts[1] : dst, _, src parts lines.append(f lw t0, {get_slot(src)}(fp)) lines.append(f sw t0, {get_slot(dst)}(fp)) return linesget_slot用字典做名字到偏移的映射第一次遇到就分配新槽这样变量和临时量统一处理不用区分。op_map把三地址码的运算符映射到目标指令助记符换目标架构时只改这一张表。注意这里假设了 4 字节槽宽如果目标机字长不同要同步改否则偏移会错位。生成的汇编风格代码可以直接对照模拟器或手工推演验证资源里附带的验证方式是拿几个典型源程序跑一遍比对三地址码和最终结果是否一致。4.2 端到端验证用三个测试程序卡住回归验证环节别只跑一个a 1 2就收工资源建议至少准备三个层次的测试程序纯赋值与算术、带 if-else 分支、带嵌套作用域和函数调用。每个程序记录期望的三地址码和期望输出改任何一阶段代码后全量重跑。下面是一个带分支的测试输入示例# test_if.src int main() { int a 3; int b 5; if (a b) { a a b; } else { b b - a; } return a; }跑通后重点看两处ifFalse的跳转目标是否落在else分支起始L_end是否在所有分支之后。这两处标号错位是目标代码生成阶段最高频的 bug表现是程序不崩溃但结果莫名其妙属于典型的玄学现象靠单步对照三地址码才能揪出来。测试程序覆盖到位后面改优化、改寄存器策略才有回归底气。5. 避坑与排查课程设计里最容易翻车的五件事5.1 词法阶段把双字符运算符拆错现象a b被解析成a、、、b语法分析报“意外的 ”。原因单字符运算符判断写在双字符之前或者双字符匹配时没做长度优先。解决扫描时先取src[i:i2]查双字符表命中就前进两位未命中再查单字符表顺序不能反。5.2 递归下降遇到左递归直接栈溢出现象解析表达式时程序卡死或抛 RecursionError。原因文法里写了expr - expr term这种左递归产生式递归下降会无限自我调用。解决先做左递归消除改成expr - term expr_tail、expr_tail - term expr_tail | ε的形式再写对应函数。改文法前先拿纸推一遍 FIRST 集别边写边试。5.3 符号表作用域进出不配对现象内层块结束后外层同名变量查不到或者内层变量泄漏到外层。原因enter_scope和exit_scope调用次数不匹配常见于 if 分支里提前 return 或异常路径漏了退出。解决把作用域进出包在 try/finally 里或者用上下文管理器保证异常路径也能弹栈。写完拿嵌套三层的测试程序验证查找结果。5.4 临时变量命名和用户标识符撞车现象用户程序里声明了t1生成的三地址码里临时变量也叫t1结果互相覆盖。原因临时变量命名没做隔离。解决临时变量加不可能出现在源语言标识符里的前缀比如%t1或_tmp1或者在符号表里单独维护临时量命名空间生成时统一走new_temp()。5.5 标号回填漏掉分支导致跳转错位现象带 if-else 的程序结果对不上但单步看每条指令都没错。原因ifFalse的目标标号在生成时是占位符回填阶段漏了某个分支跳转落到了错误位置。解决维护一个待回填列表每条需要回填的指令记录“指令索引 标号名”所有语句生成完后统一遍历回填回填完再断言所有占位符都已被替换。6. 进阶技巧把课程设计从“能跑”推到“能讲清楚”课程设计评分不只看程序能不能跑还看你能不能把设计决策讲明白。这里有一个我踩过坑之后固定下来的习惯每完成一个阶段就在代码旁边留一段“决策记录”写清楚为什么选这个方案、放弃了什么、边界在哪。比如词法阶段记一句“手写状态机而非正则引擎因为需要保留字符偏移用于报错定位”中间代码阶段记一句“三地址码而非语法树直接生成目标码因为便于后续做常量折叠”。这些记录最后直接变成报告里的设计取舍章节比事后回忆靠谱得多。再往上一层可以给编译器加一个--dump-tokens、--dump-tac的调试开关每个阶段把中间结果打到标准输出。下面是一个简单的开关实现import sys def compile_source(src, dump_stageNone): tokens tokenize(src) if dump_stage tokens: for t in tokens: print(t) parser Parser(tokens) ast parser.parse_program() gen TACGen() gen.gen_stmt(ast) if dump_stage tac: for line in gen.code: print(line) return gen_target(gen.code) if __name__ __main__: src open(sys.argv[1]).read() stage sys.argv[2] if len(sys.argv) 2 else None for asm in compile_source(src, stage): print(asm)这个开关的价值在于出问题时不用改代码加 print直接python main.py test.src tac就能看到三地址码对照期望输出定位是哪一阶段偏了。参数上dump_stage只认tokens和tac两个值扩展时加分支即可别做成万能字符串匹配容易误触发。还有一个容易被忽略的点把三个测试程序的期望输出固化成文件写一个对比脚本每次改完跑一遍全量 diff。我一般会在提交前强制走一遍这个流程因为编译器这种多阶段串联的东西改词法可能影响语法改语义可能影响代码生成手工点几个用例根本盖不住。从那以后我每次动任何一阶段代码都先把回归脚本跑绿再往下写省下来的返工时间远比写脚本多。希望这份资源和你自己的实现能对得上帮到你。本文还有配套的精品资源点击获取