编程语言翻译家族的发家史

我是编程编程语言翻译家族的一员， 我们这个家族最重要的翻译工作就是将一个语言描述的源程序翻译成另外一种语言描述的目标程序, 听起来有些抽象， 通俗一点就是家族家史把你们码农写的源码变成可以执行的程序。

我们这个家族可以说是编程伴随这计算机的发展而不断发展壮大的， 现在已经成为计算机软件系统不可缺少的翻译一部分， 如果回顾一下发家史，家族家史 还是编程挺有趣的。

1.机器语言

我听说计算机刚发明那会儿，翻译 人们就是家族家史拨弄各种开关、操作各种电缆把程序给“输入”到计算机中去。编程

这所谓的翻译程序， 可真的家族家史是0110000111这样的二进制， 我真是编程佩服这些程序的云服务器提供商设计者和操作员们， 太不可思议了。翻译

这种原始的家族家史方式也决定了难于诞生超大型程序， 因为太复杂了，远远能过人脑能思考的极限。

后来人们做了点改进， 把程序打到穿孔纸带上， 让机器直接读穿孔纸带， 这下子就好多了， 终于不用拨弄开关了。

但程序的本质还是没有变化， 依然是在使用二进制来编程。

如果这个样子一直持续下去， 估计这个世界上的程序员会少的可怜： 编程的门槛太高了。

比如说你的脑子里得记住这样的指令：

0000 表示从内存中往CPU寄存器装载数据 0001 表示把CPU寄存器的值写入内存 0010 表示把两个寄存器的值相加

你还得记住每个寄存器的二进制表示：

1000 表示寄存器A 1001 表示寄存器B

综合起来就像这样：

0000 1000 000000000001 它的意思是说， 把编号为1的内存中的值装载到寄存器A当中 0010 1000 1001 的源码下载意思是把寄存器A和寄存器B的值加起来，放到寄存器A中。

整天生活在这样的世界里， 满脑子都是0和1， 要是我估计就抑郁了。

当时的程序员像熊猫一样稀少， 不， 肯定比熊猫更少， 他们都要二进制写程序， 对我们翻译家族没有任何的需求。

2. 汇编语言

既然二进制这么难记， 人们很快就想到： 能不能给这些指令起个好听的名称呢?

0000 ： LOAD 0001 : STORE 0010 : ADD

寄存器也是一样的：

1000 : AX 1001 : BX

这下读来容易多了：

ADD AX BX

人们给这些帮助记忆的助记符起了个名字： 汇编语言。

但是计算机是无法执行汇编语言的， 因为计算机这个笨家伙只认二进制， 所以还得翻译一下才行。

于是我们家族的一个重要成员： 汇编器 隆重登场了， 他专门负责汇编语言写的高防服务器程序翻译为机器语言， 这个翻译的过程比较简单，几乎就是一一对应的关系。

汇编语言解放了人们的部分脑力， 可以把更多的精力集中在程序逻辑上了。 越来越多的人学会了使用汇编来编程， 写出了很多伟大的软件。

汇编的优点是贴近机器， 运行效率极高， 但是缺点也是太贴近机器， 直接操作内存和CPU寄存器， 不能结构化编程， 每次函数调用还得把手动把栈帧给管理好， 这对于一般的程序员来讲太难了!

我的祖先们把穿孔纸带和汇编语言都称为低级语言， 把这个时代称为机器语言编程时代。

生活在这个时代的祖先们是很幸福的， 因为翻译工作十分简单。

但是用汇编写程序的人还是太少， 找我们做翻译的也很少， 翻译家族也只是温饱而已。

3.高级语言

人类的欲望是无止境的， 他们一直在探索用一种更高级的语言来写程序的可能性， 这种高级语言应该面向人类编写和阅读， 而不是面向机器去执行。

人类想要的高级语言是这样的：

声明各种类型的变量来表示数据，而不是用寄存器。 例如 :

int value = 100

能使用复杂的表达式来告诉电脑自己的意图：

salary = 1000 + salary * 12

可以用各种控制语句来控制流程：

if .. else , while(....) ....

还可以定义函数来封装、复用一段业务逻辑：

int get_primes(int max) { .....}

但是高级语言和低级语言之间存在着巨大的鸿沟， 怎么把高级语言翻译成可以执行的机器语言是个非常难的问题!

人类在黑暗中摸索了很久，这才迎来一丝光明， 1957年，第一个高级语言的编译器才在IBM704的机器上运行成功。 更重要的是乔姆斯基对自然语言结构的研究， 把语言文法做了分类，有了0型文法，1型文法， 2型文法，3型文法， 这一下子给我们的翻译工作奠定了理论基础。

由于翻译的复杂性， 除了汇编器之外， 很多新成员加入进来， 我们的家族迅速发展壮大， 甚至形成了一个专门翻译的流水线， 这个流水线的家族成员分工合作， 把高级语言翻译成低级语言。

我主要做的工作就是第一步词法分析， 大家经常给我开玩笑说： 你这是大刀向源程序头上砍去。

这其实挺形象的，比如高级语言的源程序是这样：

total = 1000 + salary * 12

我拿着“大刀”， 唰唰唰把他们砍成一个个的片段， 每个片段叫做Token。

1. 标识符 total

2. 赋值符号 =

3. 数字 1000

4. 加号 +

5. 标识符 salary

6. 乘号

*

7. 数字12

程序中的空格就被我无情的删除了， 我还会建立一个符号表让后面的人去使用：

接下来我二叔就会接管， 他非常厉害， 会做语法分析，据说他用了一个叫什么上下文无关语法的理论， 竟然能把我生成的Token 按照语法规则组建成一棵树

然后三舅就做语法分析， 他会看看这些标志符的类型，作用域是不是正确，运算是否合法， 取值范围有没有问题等等。

我大舅的工作最重要， 把中间代码生成， 代码优化，以及最后的代码生成都给承包了。

比如大舅根据语法树生成的中间代码如下：

temp1 = id2 * 12 temp2 = 1000 + temp1 id1 = temp2

(注意：id2 就是salary, id1 就是 total)

然后他再优化一下：

temp1 = id2 * 12 id1 = 1000 + temp1

然后翻译成汇编：

MOV id2 AX MUL 12 AX ADD 1000 AX MOV AX id1

已经非常接近运行了!

但是等等， 这id1 (total), id2 (salary) 只是两个符号， 计算机根本不知道是什么东西， 计算机只关心内存和寄存器， 所以还得给这两个家伙分配空间， 得到他们的地址。

如果这两个变量是在别的文件中定义的， 还需要做一件特别的事情： 链接!

通过链接的方式，把变量的真正地址获取到， 然后修改上面的id1, id2, 这样才能形成一个可以执行的程序。

在翻译的过程中，如果有任何步骤出了错误， 我们就会通知程序员， 告诉他哪个地方写错了， 改正后重新再来。

这就是我们家族的工作， 非常重要，没有我们的翻译工作， 人类就无法使用高级语言来编程， 像C, C++,Pascal, C#, Java 这样影响力巨大的语言就不会出现， 现在的软件编程行业也不会这么兴旺发达。

我们家族和操作系统、数据库、网络协议栈等软件一起，成为了计算机世界底层的基础软件。

其实我们都明白，现在所谓的高级语言一点也不高级，只有经过训练的专业人士才能使用 ， 也许在未来会出现完全用自然语言来写程序， 到那个时候我们家族会是什么样子? 估计只有上天才知道了。

【本文为专栏作者“刘欣”的原创稿件，转载请通过作者微信公众号coderising获取授权】

戳这里，看该作者更多好文