编译原理--期末复习

本文是我学习以下博主视频所作的笔记，写的不够清晰，建议大家直接去看这些博主的视频，他/她们讲得非常好：

基础知识+概念：
1.【【编译原理】期末复习零基础自学】，资料

2.【编译原理—混子速成期末保过】，评论区楼主笔记

注重题型+解法：

1.【1编译原理求语法树的短语直接短语等等】，对应的资料：链接，提取码:ozz4

2.【编译原理根据正规表达式构造NFA，到DFA，以及最后的DFA化简/最小化】，对应的资料：链接，提取码：uwud

在此对上述博主的产出表示感谢，也希望大家都能高分通过期末考试~

引论

一、高级语言与低级语言的定义

1. 高级语言（High-Level Language）

定义：
高级语言是一种接近人类自然语言（如英语）和数学表达式的编程语言，屏蔽了计算机硬件细节（如内存地址、寄存器操作），使用更抽象的语法（如函数、类、循环）描述逻辑。
- 例子：Python、Java、C++、C#、JavaScript、Go 等。
特点：
- 可读性强：语法接近自然语言，易于理解和维护（如 if (x > 0) { ... }）。
- 平台无关性：代码可在不同操作系统（Windows/Linux/macOS）和硬件架构上移植，无需针对底层硬件重写。
- 抽象程度高：提供内置数据结构（数组、对象）、内存管理（自动垃圾回收）、高级控制结构（循环、递归）等。

2. 低级语言（Low-Level Language）

定义：
低级语言是直接面向计算机硬件（CPU、内存、寄存器）的编程语言，贴近机器指令格式，需手动处理底层细节。
- 分类：
  - 机器语言：由二进制指令（0/1序列）组成，是CPU唯一能直接执行的语言（如 10110000 表示加载数据到寄存器）。
  - 汇编语言：用助记符（如 MOV、ADD）替代二进制指令，需通过汇编器转换为机器语言（如 MOV AX, 1 表示将数值1存入AX寄存器）。
特点：
- 可读性差：语法复杂，依赖硬件架构（不同CPU的汇编指令集不同，如x86、ARM）。
- 平台依赖性强：代码只能在特定硬件或操作系统上运行。
- 控制精细：可直接操作内存地址、寄存器，适合编写高性能或硬件驱动程序。

二、高级语言需要编译/链接的原因

1. 计算机只能执行机器语言

高级语言代码（如C语言的 .c 文件）无法被CPU直接执行，必须经过 翻译过程 转换为机器语言（二进制可执行文件）。这一过程通常包括 编译、链接 等步骤，目的是将抽象的高级语法转换为CPU能理解的指令序列。

2. 编译（Compilation）的作用

步骤：
1. 预处理：处理 #include 头文件、#define 宏定义（如展开代码）。
2. 编译：将高级语言代码转换为 汇编语言（中间形式）。
3. 汇编：将汇编语言转换为 目标文件（.o 或 .obj，包含二进制机器指令，但未解决外部依赖）。
输出：目标文件（二进制，但可能包含未解析的符号，如调用其他文件的函数）。

3. 链接（Linking）的作用

解决依赖：
目标文件可能引用其他文件的函数（如C标准库的 printf）或全局变量，链接器负责：
1. 合并目标文件：将多个 .o 文件（如主函数和自定义函数）合并为一个整体。
2. 解析符号引用：将未定义的符号（如函数名）映射到实际内存地址。
3. 链接库文件：引入标准库（如C的 libc）或第三方库的代码。
输出：可执行文件（.exe 或无扩展名，能直接在操作系统中运行）。

三、编译型语言 vs. 解释型语言

高级语言按翻译方式分为两类：编译型 和 解释型，核心区别在于翻译过程是“一次性完成”还是“边运行边翻译”。

1. 编译型语言（Compiled Language）

工作流程：
源代码 → 编译器（Compiler） → 目标代码（机器语言）→ 链接器 → 可执行文件。
特点：
- 一次编译，多次执行：编译后的可执行文件可直接运行，无需重新编译（如C语言的 .c 文件编译为 .exe）。
- 执行效率高：机器语言直接由CPU执行，速度快（适合计算密集型任务，如游戏、操作系统）。
- 平台依赖性：不同操作系统/CPU架构需重新编译（如Windows的 .exe 不能在Linux直接运行，这里如何实现跨平台，可以参考这个视频：【这个问题99%的人会答错！包括我】）。
例子：C、C++、Go、Rust。

2. 解释型语言（Interpreted Language）

工作流程：
源代码 → 解释器（Interpreter） → 边逐行翻译边执行（不生成独立的可执行文件）。
- 部分语言（如Java、Python）会先生成中间形式（字节码），再由虚拟机（JVM、Python解释器）解释执行。
特点：
- 跨平台性强：只要目标平台安装解释器/虚拟机，代码即可运行（如Python代码在Windows/Linux上无需修改）。
- 执行效率较低：每次运行都需翻译，速度慢于编译型语言（适合快速开发、脚本任务）。
- 动态类型支持：变量类型在运行时确定，灵活性高（如Python的 x = 1 和 x = "hello" 无需声明类型）。
例子：Python、JavaScript、Ruby、PHP、Perl。

3. 混合类型（中间形式）

Java、C#：先编译为字节码（平台无关的中间代码），再由虚拟机（JVM、.NET CLR）解释执行，兼具编译型的跨平台性和解释型的灵活性。
Python（优化模式）：可通过 pyc 文件缓存字节码，减少重复翻译，但本质仍是解释执行。

四、核心区别对比

特性	编译型语言	解释型语言
翻译时机	运行前一次性编译为机器码	运行时逐行解释执行
执行效率	高（机器码直接执行）	低（解释器逐条翻译）
跨平台性	差（需针对不同平台重新编译）	好（依赖解释器/虚拟机）
开发效率	低（编译错误需重新编译）	高（即时反馈，无需编译步骤）
典型场景	系统级开发、高性能计算	脚本编写、Web开发、快速原型
代表语言	C、C++、Go	Python、JavaScript、Ruby

五、总结

高级语言 提升开发效率，屏蔽硬件细节；低级语言 控制硬件，实现高性能。
编译/链接 是将高级语言转换为机器可执行代码的必要步骤，解决代码依赖和平台差异。
编译型 vs. 解释型 的选择取决于需求：追求效率选编译型（如C），追求灵活和跨平台选解释型（如Python），而Java等语言通过中间形式平衡两者优势。
理解这些区别有助于根据项目需求选择合适的编程语言和开发模式。

其中我们要学习的编译就是上述的一个步骤。
在这里插入图片描述

其中编译阶段又分为几个步骤：
在这里插入图片描述

词法分析（Lexical Analysis）

词法分析是编译的首个阶段，此阶段的词法分析器会把C++源代码当作字符流来处理，接着按照C++词法规则，将其转换为一系列有意义的词法单元（Token）。

关键作用：
- 过滤掉注释和空白字符（像空格、换行符这类）。
- 识别出标识符（例如变量名、函数名）、关键字（像int、if）、字面量（例如123、“hello”）以及运算符（如+、*）。
- 进行词法错误检查，比如检测非法字符、不匹配的引号等问题。
C++示例：
对于源代码int a = 42 + b;，经过词法分析后会生成如下词法单元：
```
[int] [标识符:a] [=] [字面量:42] [+] [标识符:b] [;]
```

语法分析（Syntax Analysis）

语法分析阶段，语法分析器会依据C++的语法规则，把词法单元构建成抽象语法树（AST）。

关键作用：
- 验证代码结构是否符合C++语法规范。
- 检测语法错误，例如括号不匹配、缺少分号、错误的if语句结构等。
- 为后续的语义分析和代码生成搭建结构化的表示形式。

C++示例：
对于表达式a = 42 + b;，其抽象语法树可能呈现为：

AssignmentExpr
├─ Left: Identifier(a)
└─ Right: BinaryOp(+)├─ Left: Literal(42)└─ Right: Identifier(b)

语义分析（Semantic Analysis）

语义分析阶段会对抽象语法树进行静态语义检查，保证代码在语义上是合法的。

关键作用：
- 类型检查：保证操作数的类型是兼容的，例如int和int相加，而不是int和函数指针相加。
- 符号表查询：确认变量和函数在使用之前已经被声明或定义。
- 检测语义错误，例如变量未定义、类型不匹配、函数调用参数数量不对等。
C++示例：
- 错误示例：int a = "hello";（类型不匹配）
- 正确示例：int a = func(42);（假设func被声明为返回int类型）

中间代码生成（Intermediate Code Generation）

该阶段会把抽象语法树转换为与机器无关的中间表示形式（IR），像三地址码、LLVM IR等。

关键作用：
- 简化后续的代码优化和目标代码生成工作。
- 支持跨平台编译，因为中间代码可以被翻译成不同架构的机器码。
C++示例：
对于代码a = (b + c) * d;，可能生成如下三地址码：
```
t1 = b + c
t2 = t1 * d
a = t2
```

代码优化（Code Optimization）

代码优化阶段会对中间代码进行转换，以提升代码的执行效率，同时不会改变程序的语义。

关键作用：
- 常量传播：例如把x = 5 + 3;优化成x = 8;。
- 死代码消除：移除不会被执行的代码，如if (false) { ... }。
- 循环不变代码外提：将循环内不会改变结果的计算移到循环外面。
- 强度削弱：把昂贵的运算（如乘法）替换为代价更低的运算（如移位）。

C++示例：
原始代码：

int a = 10;
int b = a * 4; // 会被优化成 b = a << 2

优化后的中间代码：

a = 10
b = a << 2  // 用移位替代乘法

一些问题：

高级语言的执行都存在中间代码生成阶段。（❌）

解释：像 Python 这类解释型语言存在中间代码生成阶段，而直接编译型语言（如 C 语言）可能直接生成目标代码。

中间代码所生成的依据是语法分析。(❌)

解释：在进行了语法分析和语义分析阶段的工作之后，有的编译程序将源程序变成一种内部表示形式，这种内部表示形式叫做中间语言或中间代码。

所谓“中间代码”是一种结构简单、含义明确的记号系统，这种记号系统可以设计为多种多样的形式，重要的设计原则为两点：一是容易生成；二是容易将它翻译成目标代码。

词法分析中，对变量分析后的输出是该变量的值和类型。(❌)

解释：词法分析的输出是记号（Token），包含类型和属性值，并非变量的实际值与类型，变量值和类型的确定发生在语义分析阶段。

源程序经词法分析后得到的中间结果是 (A)
A. 单词(token)
B. 四元式
C. 语法树
D. 语法分析程序

解释：

词法分析：输出 Token 序列。
语法分析：依据 Token 序列构建出抽象语法树（AST）。
中间代码生成：生成三地址码或者四元式等中间表示形式。
语法分析程序：属于编译程序的一个组件，并非词法分析的输出内容。

第一/二章：概述、文法和语言

在这里插入图片描述

空串，一个字符串的长度为0
空集，一个集合中没有任何元素（空串也是一个元素）
字符串的乘积，字符串直接拼接在一起
集合的乘积，使用前一个集合中的元素与后一个集合中元素进行拼接。
集合的闭包，有限个集合的乘积。

在这里插入图片描述

文法

上下文无关文法

上下文无关文法，是一个四元组，包含非终结符号、终结符号、重写规则集合、识别符，可以理解为由 非终结符定义为非终结符/终结符产生式组成的文法。

终结符号，只在产生式的右边出现的符号。
第一条产生式的左部，是识别符。
通常使用大写字母表示非终结符，小写字母表示为终结符。（但并不是说，“文法中的小写字母一定是指终结符”，在文法里，习惯上用小写字母表示终结符，但这并非强制规定，具体要依据文法的定义来判断符号类型。）

在这里插入图片描述

左线性文法和右线性文法，在一个文法中同时只能出现一种，这个文法才是正规文法。

二义性

在这里插入图片描述

如果两种推导方式画出的树不同，则说明该文法有二义性。
可能存在两个不同的最左推导，但是它们对应的语法树相同。

注意错误的说法如下（充分条件和必要条件的区别）：

如果文法是二义的，则最左推导和最右推导必然不同（❌）
如果文法是二义的，则最左推导和最右推导对应的语法树必定相同。（❌）

在这里插入图片描述

二义文法由于无法进行语法分析，没有存在的必要。（❌）

解释： 二义文法并非无法进行语法分析，而是需要结合消除歧义的规则（如优先级、结合性）来唯一确定语法结构。在编译实践中，二义文法常被合理使用，以简化文法描述并保持分析的正确性，因此具有明确的存在价值。

第三章：词法分析

右线性文法

在这里插入图片描述

正规式

在这里插入图片描述

解析： 正规式的本质作用是定义和识别语言集合。当两个正规式 $M_1$ 和 $M_2$ 识别的语言集合相等时，即对于任意一个字符串，若 $M_1$ 能识别（接受该字符串）， $M_2$ 也能识别，反之亦然，那么就称这两个正规式等价。

在这里插入图片描述

在这里插入图片描述

这一步可以先不看，先看后面的“根据正规式得到NFA”。

在这里插入图片描述

题型：

根据正规式画出NFA图
根据NFA图，使用子集构造法
根据子集构造法，画出DFA（新状态集合中，凡是包含原来NFA终态的，都是新的终态）

参考视频。

根据正规式得到NFA

参考视频：【编译原理根据正规表达式构造NFA，到DFA，以及最后的DFA化简/最小化】
在这里插入图片描述

NFA的确定化和最小化

在这里插入图片描述
先以第（2）问进行讲解：

获取到确定化后的集合，也可以画出对应的图。

在这里插入图片描述
最小化是对已经确定好的DFA来说的，有这几个步骤：

初始化，将集合换分为两个集合：一个终态集合，一个其他集合
判断其他集合是否可区分：可区分就单独成一个集合。

最终答案：

在这里插入图片描述

具有ε动作的NFA确定化

在这里插入图片描述

这里关于第一行 $q_0$ 状态到 $q_2$ 中，有 $S_3$ 状态的解释：假设a,b,c是各种票，空是免费通过， $S_2$ 用c票到了 $S_2$ ，然后走免费通道到了 $S_3$ （必须先有一张票，才能走免费通道）

在这里插入图片描述

考察题目

没有ε边的有限自动机一定是DFA。（❌）

解释：

DFA 要求每个状态对每个输入符号必须有且仅有一个确定的转移。
NFA 允许对同一输入符号存在多个转移（非确定性）或无转移，即使没有ε边也是如此。

不确定的有限自动机（NFA）可能存在一个以上的起始状态。（✔）

评分标准：
(1) 正规式得2分，构造NFA得4分(共6分)
(2) 子集构造法：表格4分，DFA 4分，最简判断1分（9分）

在这里插入图片描述
（1）正规式： $a(a|b)^*b$

这里中间部分 $a|b)^*$ 的含义在前面讲解过：
在这里插入图片描述
中间部分的正规式可以表示为(a|b)*，但需要注意，这里中间部分可能为空，即允许字符串长度为2的情况（如ab）。因此，整个正规式可以写成：a(a|b)*b。这个表达式表示以a开头，中间有零个或多个a或b，最后以b结尾的所有字符串。

（2）得到NFA：
在这里插入图片描述

（3）根据子集构造法，得到最简DFA：
ε-CLOSURE{S} = {S}

$I_ε$	$I_a$	$I_b$
$q_0$ {S}	{A, B, C} $q_1$	∅
$q_1$ {A, B, C}	{B, C} $q_2$	{B, C, Z} $q_3$
$q_2$ {B, C}	{B, C} $q_2$	{B, C, Z} $q_3$
$q_3$ {B, C, Z}	{B, C} $q_2$	{B, C, Z} $q_3$

始态： $q_0$
终态： $q_3$

π = { { $q_0$ ， $q_1$ ， $q_2$ }，{ $q_3$ }}

{ $q_0$ ， $q_1$ ， $q_2$ }不可区分：
在这里插入图片描述

第四章：自顶向下语法分析方法

在这里插入图片描述

First和Follow集

求这两个集合是后续做题的基础，所以必须会！！！

First(A)：要找到左边等于A的产生式，然后看产生式的右部可能出现的终结符。空串也属于符号集。
Follow(A)：要找到产生式右部含有A的产生式，然后查看A右边的情况，找出该非终结符后面所能跟随的所有终结符：
- 如果A右边是空，则将Follow(左部非终结符) 添加到结果集中
- 否则求出A右边符号串的First集 - 空串。

在这里插入图片描述

LL(1)文法

当需要选用自顶向下分析技术时（文法到字符串），必须判别所给文法是否是LL(1)文法。因而对任给文法需首先计算FIRST、FOLLOW、SELECT集合，进而判别文法是否为LL(1)文法。

LL (1) 中第一个 L 表示从左到右扫描输入串，第二个 L 表示最左推导，1 表示向前看一个终结符。

判断一个文法是否是LL(1)文法，有两种方式（在使用这两个方法之前，还必须要消除文法的左递归和回溯）：

First集的交集为空集

对于一个非终结符有多个产生式，才需要求出该非终结符的First集。
在这里插入图片描述

select集

选择符号集：
在这里插入图片描述

右部推导不出空串，就是First集
右部可以推导出空串，就是First集-空串，左部的Follow集。

在这里插入图片描述
所以说，判断一个文法是否是LL(1)文法，只需要求出 “一个非终结符号有多于两个的产生式” 的非终结符的select集。

非LL(1)文法到LL(1)文法的等价变换

以下这两个步骤，都是在考察LL(1)文法时要进行的第一步操作，类似于：
在这里插入图片描述

提取左公共因子

在这里插入图片描述

消除左递归

在这里插入图片描述

与E无关是β，这里是T
与E相关，出现在右边的是α

在这里插入图片描述

LL(1)分析的实现

表驱动分析程序/LL(1)分析表

先求出First集，如果一个非终结符能推出 $ε$ ，就需要求出Follow集
将产生式写到行是非终结符，其First集为终结符的列处

在这里插入图片描述

递归向下分析方法

一个非终结符对应一个子程序
根据产生式的右部来设计：
- 每遇到一个终结符，判断当前读入的单词是否与终结符匹配，如果匹配则继续读下一个单词；如果不匹配则进行错误处理。
- 每遇到一个非终结符，则调用对应的子程序

在这里插入图片描述

分析过程

在这里插入图片描述

考察题目

评分标准：文法5+集合10+分析表3+分析过程2=20

在这里插入图片描述

（1）消除左递归和左公因子后的文法：

$A \to a A^{'}$
$A^{'} \to A B c ∣ ε$
$B \to d B^{'}$
$B^{'} \to b B^{'} ∣ ε$

（2）改造后的文法是LL(1)文法。预测分析表如下：

非终结符	a	b	c	d	#
A	$A \to a A^{'}$
A’	$A^{'} \to A B c$			$A^{'} \to ε$	$A^{'} \to ε$
B				$B \to d B^{'}$
B’		$B^{'} \to b B^{'}$	$B^{'} \to ε$

（3）输入串 ( aadc# ) 的分析过程：

步骤	分析栈	剩余输入串	动作
1	#A	a a d c #	$A \to a A^{'}$
2	#A’a	a a d c #	匹配a
3	#A’	a d c #	$A^{'} \to A B c$
4	#cBA	a d c #	$A \to a A^{'}$
5	#cBA’a	a d c #	匹配a
6	#cBA’	d c #	$A^{'} \to ε$
7	#cB	d c #	$B \to d B^{'}$
8	#cB’d	d c #	匹配d
9	#cB’	c #	$B^{'} \to ε$
10	#c	c #	匹配c
11	#	#	匹配#，接受