编译器 - 中间代码生成

源代码可以直接翻译成目标机器代码，那么为什么我们还需要将源代码翻译成中间代码，然后再翻译成目标代码呢？让我们来看看为什么需要中间代码的原因。

• 如果编译器将源语言直接翻译成目标机器语言，而没有生成中间代码的选项，那么对于每台新机器，都需要一个完整的原生编译器。

• 中间代码通过保持所有编译器的分析部分相同，消除了为每台独特机器开发全新完整编译器的需求。

• 编译器的第二部分，即合成（synthesis），会根据目标机器进行调整。

• 通过在中间代码上应用代码优化技术，更容易对源代码进行修改以提升代码性能。

中间表示（Intermediate Representation）

中间代码可以用多种方式表示，每种方式都有其自身优势。

• 高级 IR（High Level IR） - 高级中间代码表示非常接近源语言本身。它们可以轻松从源代码生成，并且我们可以轻松应用代码修改来提升性能。但对于目标机器优化，它不太受欢迎。

• 低级 IR（Low Level IR） - 这种表示接近目标机器，使其适合寄存器和内存分配、指令集选择等。它适用于机器相关的优化。

中间代码可以是特定语言的（例如 Java 的 Byte Code），也可以是语言无关的（three-address code）。

三地址代码（Three-Address Code）

中间代码生成器从其前一阶段，即语义分析器，接收输入，形式为带有注解的语法树。然后，该语法树可以转换为线性表示，例如后缀表示法。中间代码倾向于机器无关的代码。因此，代码生成器假设具有无限数量的内存存储（寄存器）来生成代码。

例如：

a = b + c * d;

中间代码生成器会尝试将这个表达式分解为子表达式，然后生成相应的代码。

r1 = c * d;
r2 = b + r1;
a = r2

r 被用作目标程序中的寄存器。

三地址代码最多有三个地址位置来计算表达式。三地址代码可以用两种形式表示：四元式（quadruples）和三元式（triples）。

四元式（Quadruples）

四元式表示中的每条指令分为四个字段：操作符（operator）、arg1、arg2 和结果（result）。上面的例子在四元式格式下表示如下：

三元式（Triples）

三元式表示中的每条指令有三个字段：op、arg1 和 arg2。各自子表达式的结果由表达式的位置表示。三元式与 DAG 和语法树有相似性。在表示表达式时，它们等价于 DAG。

在优化过程中，三元式面临代码不可移动的问题，因为结果是位置性的，改变表达式顺序或位置可能会导致问题。

间接三元式（Indirect Triples）

这种表示是三元式表示的改进。它使用指针而不是位置来存储结果。这使得优化器能够自由重新定位子表达式，以生成优化的代码。

声明

在使用变量或过程之前，必须先对其进行声明。声明涉及在内存中分配空间，并在符号表中记录类型和名称。程序可以针对目标机器结构进行编码和设计，但并不总是能够准确地将源代码转换为目标语言。

将整个程序视为过程和子过程的集合，就可以声明所有局部于过程的名称。内存分配以连续方式进行，名称按照程序中声明的顺序分配到内存中。我们使用 offset 变量并将其设置为零 {offset = 0}，表示基地址。

源编程语言和目标机器架构在存储名称的方式上可能有所不同，因此使用相对寻址。第一名称从内存位置 0 {offset=0} 开始分配内存，后续声明的下一个名称应紧接第一个名称之后分配内存。

示例：

我们以 C 编程语言为例，其中整数变量分配 2 字节内存，浮点变量分配 4 字节内存。

int a;
float b;

分配过程：
{offset = 0}

   int a;
   id.type = int
   id.width = 2

offset = offset + id.width 
{offset = 2}

   float b;
   id.type = float
   id.width = 4
   
offset = offset + id.width 
{offset = 6}

为了将这些细节记录到符号表中，可以使用过程 enter。该过程可能具有以下结构：

enter(name, type, offset)

该过程应在符号表中为变量 name 创建一个条目，将其类型设置为 type，并在数据区中设置相对地址 offset。