企业官网建设流程全解析

简介：本资源是中国科学技术大学2020年秋季《编译原理》课程高分实践项目成果，面向计算机专业本科生及编译技术学习者，完整呈现一个支持C-MinusF语言的全流程编译器实现，覆盖词法分析、语法分析、LLVM IR生成及循环不变式外提、常量传播、活跃变量分析等核心优化功能。压缩包共245个文件，含62个.cminus测试用例、27个.cpp源码、19个.md文档（含设计说明与实验报告）、12个.ll中间代码文件、10个.tokens词法输出及28个.syntax_tree语法树可视化结果，整体3.69MB，结构清晰、模块可溯，便于逐阶段理解与调试。已有85人学习下载，提供从源码到优化验证的完整闭环：含main.c/gcd_array.c/while.c等典型测试案例、syntax_tree.c等关键模块实现、score与eval_result等评分依据，以及配套的IO处理、函数调用、控制流分析等工程细节，是深入掌握编译器构造与优化原理的优质教学实践样本。

1. 这不是“作业提交包”，而是一套能跑通完整编译流水线的C-MinusF工业级教学编译器

你手头这个.zip文件，表面看是中科大2020年秋季《编译原理》课的“满分实践项目”，但拆开后你会发现：它根本不是一份交差用的实验报告PDF，也不是只跑通一个词法分析器的玩具代码。它是一套真实可执行、模块可插拔、优化可验证、IR可调试的C-MinusF编译器全栈实现——从int a = 1 + 2 * 3;这样的源码开始，经词法扫描、LL(1)语法分析、AST构建、语义检查、LLVM IR生成，一路走到循环不变式外提（Loop Invariant Code Motion）、常量传播（Constant Propagation）、活跃变量分析（Live Variable Analysis）三大经典数据流优化，最终生成优化后的.ll文件，还能用llc和clang编译成可执行二进制。这不是教科书里的伪代码，而是用C++17写的、带完整Makefile和测试用例、能在Ubuntu 18.04+ / macOS 12+上一键make test通过的实操系统。适合正在啃《编译原理》清华大学出版社第三版第二章答案却卡在“怎么把文法变代码”的同学，也适合想跳过ANTLR自动生成、亲手写一遍递归下降解析器+手撸数据流框架的进阶者。它不教你“什么是FIRST集”，它逼你写出computeFirstSet()函数并用test/expr.cminusf验证结果是否与课本例题一致。

2. 从零启动：解压后三步跑通第一个C-MinusF程序

这个项目不是靠IDE导入就能运行的“工程”，它的生命力藏在Makefile和目录结构里。我当年第一次打开时，直接双击run.sh失败了三次——因为没看清README里那句“必须先安装LLVM 10.0.0或11.0.0，且llvm-config必须在PATH中”。下面这三步，是我反复验证过的最小可行路径，跳过任何一步都会卡在undefined reference to 'llvm::IRBuilderBase::CreateAdd'这类链接错误上。

2.1 环境准备：LLVM版本与路径的硬性约束

项目依赖的是LLVM C++ API，而非clang命令行工具。这意味着你不能只装apt install clang就完事。必须下载LLVM 10.0.0源码编译安装（官方预编译二进制包因ABI差异常报错），或使用llvm-10-dev开发包（Ubuntu 20.04起支持）。关键验证点有两个：

# 必须输出 10.0.0 或 11.0.0，不能是12+ llvm-config --version # 必须返回非空路径，且该路径下存在 include/llvm/IR/IRBuilder.h llvm-config --includedir

提示：如果你用Homebrew在macOS上安装，执行brew install llvm@10后，需手动将/opt/homebrew/opt/llvm@10/bin加入PATH，并用export LLVM_CONFIG=/opt/homebrew/opt/llvm@10/bin/llvm-config指定配置路径——Makefile里默认调用llvm-config，不认别名。

2.2 目录结构与核心模块映射关系

解压后你会看到这样的骨架（删减了文档和测试用例）：

C-MinusF-Compiler/ ├── src/ │ ├── lexer/ # 手写词法分析器：正则匹配+状态机，支持注释跳过 │ ├── parser/ # 递归下降LL(1)解析器：每个产生式对应一个parseXXX()函数 │ ├── ast/ # AST节点定义：BinaryExpr、IfStmt、WhileStmt等，含accept()访客接口 │ ├── sema/ # 语义分析器：符号表管理、类型检查、作用域嵌套 │ ├── codegen/ # LLVM IR生成器：Visitor模式遍历AST，调用IRBuilder生成指令 │ └── opt/ # 优化模块：LoopAnalysis、ConstantPropagation、LiveVariableAnalysis ├── test/ │ ├── valid/ # 合法C-MinusF程序（含循环、数组、函数调用） │ └── invalid/ # 类型错误/未声明变量等应被语义分析捕获的样例 ├── Makefile # 核心：自动调用llvm-config获取flags，链接libLLVMCore.a等 └── run.sh # 封装：./compiler input.cminusf -o output.ll && llc output.ll

注意：codegen/目录下的IRGenerator.cpp不是简单调用builder.CreateAdd()，而是显式管理BasicBlock插入点、Phi节点插入时机、函数参数绑定顺序——这是理解LLVM IR生成逻辑的黄金入口。

2.3 第一个Hello World：编译并验证IR生成正确性

进入项目根目录，执行：

make clean && make ./compiler test/valid/hello.cminusf -o hello.ll

hello.cminusf内容极简：

void main() { print(42); }

生成的hello.ll应包含类似片段：

define void @main() { entry: %0 = call i32 @print(i32 42) ret void }

关键验证逻辑：@main函数体中没有alloca指令（C-MinusF无局部变量声明语法），print调用参数是常量i32 42而非load指令——这说明常量折叠已在codegen阶段完成，而非依赖后端优化。这是该项目区别于“只生成未优化IR”的教学编译器的核心标志。

3. 深入核心：词法分析与语法分析的手写实现细节与设计取舍

很多同学用Flex/Bison生成词法语法分析器，但这个项目坚持手写——不是为了炫技，而是为后续优化模块提供精确可控的AST结构。比如Bison生成的AST常带冗余节点（如expr : expr '+' term会多一层BinaryOpNode），而本项目parser/Parser.cpp中parseExpression()直接返回BinaryExpr*，让opt/LoopAnalysis.cpp能无歧义地识别while (i < 10)中的循环条件表达式树。

3.1 词法分析器：状态机驱动的Token流生成

lexer/Lexer.cpp采用显式状态机而非正则引擎，核心是Lexer::nextToken()函数：

Token Lexer::nextToken() { skipWhitespace(); switch (currentChar()) { case '/': if (peekNextChar() == '/') { // 行注释 skipLineComment(); return nextToken(); // 递归跳过注释后继续 } else if (peekNextChar() == '*') { // 块注释 skipBlockComment(); return nextToken(); } return Token(Token::SLASH, "/"); case '0': case '1': ... case '9': return scanNumber(); // 支持十进制整数，不支持浮点 case 'a': case 'b': ... case 'z': return scanIdentifier(); // 关键字硬编码匹配 default: return Token(Token::UNKNOWN, std::string(1, currentChar())); } }

参数说明：scanNumber()中std::stoi(numStr, nullptr, 10)确保只解析十进制；scanIdentifier()用std::map<std::string, TokenType>查表，关键字包括if,while,return,int,void——C-MinusF不支持float或char类型，这是刻意简化以聚焦控制流优化。

3.2 语法分析器：LL(1)文法的手动递归下降实现

项目采用LL(1)文法（见doc/grammar.txt），例如赋值语句规则：

Assignment → Identifier '=' Expression ';'

对应Parser::parseAssignment()：

std::unique_ptr<Stmt> Parser::parseAssignment() { auto ident = std::make_unique<IdentifierExpr>(consume(Token::IDENTIFIER)); consume(Token::ASSIGN); // 强制匹配'=' auto expr = parseExpression(); // 复用表达式解析逻辑 consume(Token::SEMI); // 强制匹配';' return std::make_unique<AssignStmt>(std::move(ident), std::move(expr)); }

关键设计点：consume(Token::XXX)函数严格校验下一个token类型，若不匹配则抛出ParseException("expected XXX")——这比Bison的默认错误恢复更易调试。所有parseXXX()函数返回std::unique_ptr<T>，避免裸指针内存泄漏，也方便AST遍历时移动语义优化。

3.3 AST构建：Visitor模式支撑后续优化遍历

AST节点基类AstNode定义纯虚函数accept(Visitor&)，所有子类（如BinaryExpr,IfStmt）实现accept()调用visitor.visit(*this)。这种设计让opt/ConstantPropagation.cpp能独立编写ConstantPropagator : public AstVisitor，无需修改AST定义：

void ConstantPropagator::visit(BinaryExpr& expr) { expr.left->accept(*this); expr.right->accept(*this); // 若左右操作数均为常量，则替换当前节点为ConstExpr if (isConstant(expr.left) && isConstant(expr.right)) { int val = computeValue(expr.op, getConstValue(expr.left), getConstValue(expr.right)); replaceNode(expr, std::make_unique<ConstExpr>(val)); } }

注意：replaceNode()不是简单赋值，而是在父节点中用std::unique_ptr交换指针，保证AST树结构完整性——这是手写编译器对内存安全的底层承诺。

4. IR生成与优化：LLVM IR构造规范与三大优化算法落地要点

生成LLVM IR不是“把AST翻译成字符串”，而是精确构造IRBuilder管理的指令链。本项目codegen/IRGenerator.cpp中，每个AST节点对应一组LLVM IR指令序列，且严格遵循LLVM的支配关系（dominance）和Phi节点插入规则。优化模块则基于此IR，实现教科书级算法的工程化落地。

4.1 LLVM IR生成：BasicBlock与Phi节点的显式管理

以while循环为例，IRGenerator::visit(WhileStmt& stmt)必须生成三个BasicBlock：loopHeader,loopBody,loopExit，并在loopHeader开头插入Phi节点：

// 创建BB auto *headerBB = llvm::BasicBlock::Create(context, "while.header", func); auto *bodyBB = llvm::BasicBlock::Create(context, "while.body", func); auto *exitBB = llvm::BasicBlock::Create(context, "while.exit", func); // headerBB中插入Phi（用于循环变量更新） auto *phi = builder.CreatePHI(llvm::Type::getInt32Ty(context), 2, "i"); phi->addIncoming(initialVal, preLoopBB); // 循环前值 phi->addIncoming(newVal, bodyBB); // 循环内更新值 // 条件判断跳转 auto *cond = builder.CreateICmpSLT(phi, limitVal); builder.CreateCondBr(cond, bodyBB, exitBB);

关键参数：phi->addIncoming()的第二个参数是支配该Phi节点的BasicBlock，若填错（如填headerBB自身），LLVM验证器会在verifyModule()时报PHI node entries do not match predecessors——这是新手最常踩的坑。

4.2 循环不变式外提（LICM）：支配边界与内存别名的双重校验

opt/LoopAnalysis.cpp中LICM::runOnFunction()流程：

1. 用LoopInfo分析函数中所有自然循环（Natural Loop）
2. 对每个循环，遍历其内部指令，检查是否满足：
   • 指令的操作数全部来自循环外（isLoopInvariant()）
   • 指令不产生副作用（mayHaveSideEffects()为false）
   • 指令不访问可能被循环内store修改的内存（aliasAnalysis.alias()校验）

for (auto &inst : loop->getBlocks()) { if (inst->mayHaveSideEffects()) continue; if (!isLoopInvariant(inst)) continue; if (aliasAnalysis.isAliased(inst, loopStores)) continue; // 关键！防别名误提 // 提取到循环前导块（Loop Preheader） inst->moveBefore(preheader->getTerminator()); }

血泪经验：aliasAnalysis.isAliased()必须启用AAResultsWrapperPass，否则默认返回MayAlias导致保守不提——在CMakeLists.txt中确认add_llvm_pass_plugin(... AAResultsWrapperPass)已启用。

4.3 常量传播与活跃变量分析：数据流方程的迭代求解实现

opt/ConstantPropagation.cpp采用迭代收敛法求解IN[B] = ∩ OUT[P]（P为B的前驱），而非教科书的Worklist算法：

bool changed = true; while (changed) { changed = false; for (auto &bb : function) { // IN[B] = ∩ OUT[P] ValueMap in = intersectionOfPredecessors(bb); // OUT[B] = gen[B] ∪ (IN[B] - kill[B]) ValueMap out = transferFunction(bb, in); if (out != OUT[bb]) { OUT[bb] = out; changed = true; } } }

参数陷阱：transferFunction()中kill[B]集合必须包含所有被B中store指令写入的内存地址，否则常量传播会错误地将x = 5; y = x; store y中的y传播为常量——实际store y可能影响后续load y，必须kill掉y的常量性。

5. 避坑指南：五个让编译器跑不起来的真实问题与现场解决方案

这个项目最大的价值不是“能跑”，而是它暴露了编译器开发中那些教科书绝不会写的玄学问题。以下是我和实验室同学踩过的坑，按发生频率排序，每条都附带gdb定位方法和修复命令。

5.1 现象：make报错undefined reference to 'llvm::sys::DynamicLibrary::getPermanentLibrary'

原因：LLVM 12+移除了getPermanentLibrary，但项目Makefile链接了旧版libLLVMSupport.a。
解决：

# 查看实际链接的LLVM库版本 ldd ./compiler | grep llvm # 若显示12.0.0，则降级LLVM：sudo apt install llvm-10-dev libllvm10 # 并在Makefile中强制指定 LLVM_CONFIG ?= llvm-config-10

5.2 现象：./compiler test/valid/loop.cminusf生成的.ll文件中phi节点缺少incoming值，llc报错PHI node has no incoming values!

原因：IRGenerator::visit(WhileStmt)中phi->addIncoming()调用时，传入的BasicBlock指针为空（preheader未正确获取）。
解决：

// 在visit(WhileStmt)开头添加断言 assert(preheader && "preheader must be non-null"); // 或用LLVM自带API获取 auto *preheader = loop->getLoopPreheader(); if (!preheader) { preheader = llvm::SplitBlock(loop->getHeader(), loop->getHeader()->getFirstNonPHI(), &builder); }

5.3 现象：make test中test/invalid/type_mismatch.cminusf本应报错，却成功生成.ll文件

原因：sema/SemanticAnalyzer.cpp中visit(BinaryExpr&)未检查左右操作数类型是否兼容（如int + bool应拒绝）。
解决：

void SemanticAnalyzer::visit(BinaryExpr& expr) { expr.left->accept(*this); expr.right->accept(*this); // 新增类型检查 if (expr.left->getType() != expr.right->getType()) { error("type mismatch in binary op: " + typeToString(expr.left->getType()) + " vs " + typeToString(expr.right->getType())); } }

5.4 现象：开启-O1优化后，test/valid/fib.cminusf计算结果错误（返回0而非55）

原因：opt/LiveVariableAnalysis.cpp中OUT[B]计算时，未考虑call指令对寄存器的破坏（clobber），导致%rax被标记为“死亡”，后续ret指令读取垃圾值。
解决：

// 在transferFunction中为call指令添加clobber处理 if (auto *call = dyn_cast<llvm::CallInst>(inst)) { // 标记所有caller-saved寄存器为live-out for (auto reg : { "rax", "rcx", "rdx", "rsi", "rdi", "r8", "r9", "r10", "r11" }) { liveOut.insert(reg); } }

5.5 现象：./compiler -O test/valid/array.cminusf生成的IR中数组访问越界未被捕获

原因：C-MinusF标准不强制数组边界检查，但项目codegen/IRGenerator.cpp中visit(ArraySubscriptExpr&)未生成icmp比较指令。
解决：

// 在visit(ArraySubscriptExpr)中插入运行时检查 auto *len = builder.CreateLoad(arrayLenPtr, "array.len"); auto *idx = visit(expr->index); auto *inBounds = builder.CreateICmpULT(idx, len); auto *trapBB = llvm::BasicBlock::Create(context, "array.out.of.bounds", func); builder.CreateCondBr(inBounds, bodyBB, trapBB); // trapBB中插入abort()调用 builder.SetInsertPoint(trapBB); builder.CreateCall(func->getParent()->getOrInsertFunction("abort", llvm::FunctionType::get(builder.getVoidTy(), false)));

6. 进阶验证：用LLVM Pass Manager重跑优化并对比IR差异

项目自带的-O开关只是调用opt/目录下的优化器，但LLVM原生Pass Manager提供了更细粒度的控制——比如你想验证“常量传播是否真的消除了x = 5; y = x + 1;中的x”，就不能只看最终.ll，而要分步注入Pass并dump中间IR。这是我日常调试优化模块的后悔药。

6.1 注入LLVM内置Pass：用-mllvm参数触发

修改run.sh，在调用./compiler后追加LLVM Pass：

# 先生成未优化IR ./compiler test/valid/const_prop.cminusf -o unopt.ll # 用opt工具链重跑常量传播 opt -passes='constprop' unopt.ll -S -o constprop.ll # 对比差异 diff -u unopt.ll constprop.ll | grep -E "^[+-]"

你会看到类似变化：

- %1 = load i32, i32* %x, align 4 - %2 = add i32 %1, 1 + %2 = add i32 5, 1

关键技巧：opt -passes参数支持逗号分隔多个Pass，如-passes='loop-simplify,licm,constprop'——这比手写opt/模块更能验证算法组合效果。

6.2 自定义Pass注册：把项目优化器接入LLVM Pass Manager

想让ConstantPropagation作为LLVM Pass被opt调用？需三步改造：

1. 在opt/ConstantPropagation.cpp中继承llvm::PassInfoMixin<ConstantPropagation>
2. 实现run(llvm::Function&, llvm::FunctionAnalysisManager&)
3. 在CMakeLists.txt中添加Pass注册宏：

add_llvm_library(MyOptPass MODULE opt/ConstantPropagation.cpp LINK_LIBS LLVMPassSupport LLVMCore )

然后编译后，可用：

opt -load-pass-plugin=./libMyOptPass.so \ -passes='my-constant-prop' input.ll -S

6.3 优化效果量化表格：用llvm-size统计指令数变化

我的习惯：每次提交优化代码前，必跑make test+llvm-size生成此表。如果某次-O1后指令数反而增加，说明优化器引入了冗余Phi或未触发收敛——立刻git bisect回退。这比盯着llc报错快十倍。

希望帮到你。

本文还有配套的精品资源，点击获取