简介一套可直接运行的编译原理课程设计完整方案源自南京航空航天大学课程设计与答辩场景面向计算机专业本科生覆盖词法分析、语法分析、符号表与token处理等核心模块。压缩包内共32个文件既含lex.c、lex.h、text.cpp等C源程序也有对应exe可执行程序、obj中间文件、doc课设报告、ppt答辩幻灯片代码与文档一体便于对照阅读和二次修改目录中词法部分、语法部分分层清晰。资源约961KB还提供多个txt格式的模块说明从源码到测试验证环节均有覆盖。目前已有749人学习下载适合正在完成编译原理课设、需要可运行样例或答辩参考的本科生。经检验程序无BUG配合课设报告与答辩材料可帮助理解编译器前端的实现思路节省调试时间。1. 编译原理课程设计南航这道题做到什么程度才算完整编译原理课程设计最难受的不是算法本身而是不知道做到哪一步才算完。南航这道题的验收点其实很明确给一个类 C 子集完成词法分析、语法分析、语义检查和中间代码生成让它跑通指定测试样例再配一份能讲清楚设计过程的报告。但大多数实现卡在同一个地方——代码能编译两个简单程序一换用例就崩连错在哪都看不出来。这份工程包把整条链路拆好了语言子集怎么裁剪、文法怎么定、符号表怎么分层、四元式怎么回填以及答辩前必查的细节。适合正在做编译原理实验、或者想从理论跨到完整实现的大三计算机专业学生。2. 词法分析器怎么搭手工 DFA、关键字表与 Token 的边界2.1 先定语言子集把“类 C”裁剪到能一学期写完南航课程设计的语言子集各届会微调但骨架基本一致函数、int/void、if-else、while、for、return、赋值、四则运算和关系比较。最容易犯的错是一上来想支持浮点、数组、struct结果词法语法语义三头改最后交一个半成品。我的做法是先按最小集跑通再决定加不加扩展。最小集的 EBNF 大致如下Program :: { FuncDef | VarDecl } FuncDef :: Type IDENT ( ParamList ) Block Type :: int | void Block :: { { Stmt } } Stmt :: VarDecl | IfStmt | WhileStmt | ForStmt | ReturnStmt | Block | AssignStmt IfStmt :: if ( Exp ) Stmt [ else Stmt ] Exp :: AddExp [ ( | | | | | !) AddExp ] AddExp :: MulExp { ( | -) MulExp } MulExp :: Factor { (* | /) Factor } Factor :: IDENT | NUMBER | ( Exp ) | IDENT ( Args )去掉数组和结构体之后符号表和类型检查的复杂度都降了一大截重点能放在“整条前端链路完整”上。这份最小集里还留着函数调用就是为了让四元式阶段能讲清 CALL、PARAM、RETURN 三条指令这是答辩时比较值钱的展开点。如果你和我一样用 Java 写java编译原理 这个组合在调试符号表时也省很多事。2.2 手工 DFA 与双字符运算符为什么不用正则库很多同学第一反应是用 Java 的正则表达式写词法甚至上 Flex。课程设计答辩时老师常问的一句话是“按状态转换图讲讲这个分支怎么走的”。状态转换图是手工 DFA 的东西你用正则库就把这一步黑盒化了得分反而低。手工实现不复杂读一个字符按当前 token 的起始状态决定转移。双字符运算符是容易出 bug 的地方和、和只差一个字符。正确做法是先读一个字符再 peek 下一个能组成双字符就一起收否则退回单字符。这个逻辑不写对后面所有a b都会被当成加两个符号语法分析直接崩。2.3 词法主循环代码行列号、关键字查表和错误出口public class Lexer { private String src; private int pos, line 1, col 0; private static final SetString KEYWORDS new HashSet(Arrays.asList(int, void, if, else, while, for, return)); private static final SetString TWO_CHAR_OPS new HashSet(Arrays.asList(, !, , )); public Token next() { skipWhitespace(); if (pos src.length()) return new Token(TokenType.EOF, EOF, line, col); char c src.charAt(pos); if (c / peek(1) /) { skipLineComment(); return next(); } if (c / peek(1) *) { skipBlockComment(); return next(); } if (Character.isLetter(c) || c _) return readIdent(); if (Character.isDigit(c)) return readNumber(); if (isOpStart(c)) return readOperator(); throw new CompileException(unexpected char c at line line); } private Token readIdent() { int startLine line, startCol col; StringBuilder sb new StringBuilder(); while (pos src.length() (Character.isLetterOrDigit(src.charAt(pos)) || src.charAt(pos) _)) { sb.append(src.charAt(pos)); advance(); } String s sb.toString(); if (KEYWORDS.contains(s)) return new Token(TokenType.KEYWORD, s, startLine, startCol); return new Token(TokenType.IDENT, s, startLine, startCol); } private Token readOperator() { int startLine line, startCol col; char c src.charAt(pos); advance(); if (pos src.length()) { String two c src.charAt(pos); if (TWO_CHAR_OPS.contains(two)) { advance(); return new Token(TokenType.OP, two, startLine, startCol); } } if (-*/(){};, .indexOf(c) 0) return new Token(TokenType.OP, String.valueOf(c), startLine, startCol); throw new CompileException(unexpected char c at line startLine); } }逻辑说明next()先跳过空白和注释再把识别交给三个子方法。注释处理用的是“递归调用 next()”等于把注释对上层完全透明。readIdent()先把字母、数字、下划线全部收完再查关键字表这样ifx会被完整收成标识符而不是被拆成if和x。readOperator()先尝试拼双字符运算符拼不成再退回单字符解决了被拆开的问题。参数说明里值得注意两点line和col在advance()中维护换行时line且col归零所有 Token 都记录起始行列后续语法报错能精确到位置KEYWORDS集合决定了哪些串算关键字如果需要支持const或printf加进这个集合即可不用改语法分析器。2.4 Token 设计与非法字符处理报告里值得写的一页Token 至少要包含 type、value、line、col 四个字段。类型枚举按表设计TokenType举例用途KEYWORDif / while / return关键字IDENTa / main变量或函数名NUMBER123 / 0整型常量OP / / !运算符DELIM( { } ; ,分隔符EOF文件尾结束标志readNumber()里有一个容易被忽视的边界读完数字后如果下一个字符是字母比如123abc应该报“非法数字”而不是返回 NUMBER 之后让语法层崩溃。我一般会加一个判断在123abc处直接抛CompileException(invalid number)这一个细节能让错误定位线从语法层往回退到词法层排错快很多。报告里值得写的一页是状态转换图至少把标识符、数字、运算符、注释这四类状态画清楚。手画拍照或者 draw.io 都行评分表里的“原理完整”很大程度就看这一页。3. 语法分析选型递归下降怎么落地预测表还写不写3.1 递归下降还是 LL(1)按南航评分点做选择语法分析是课程设计最花时间的一站也是区分 70 分和 90 分的一站。南航的评分不会要求实现 LR(1)但答辩时可能被问“为什么不用 LR 分析”。先把选型讲清楚。比较项递归下降LL(1) 表驱动编码量每个非终结符一个函数一个通用驱动循环FIRST/FOLLOW只在报告里体现必须全部算对错误定位栈帧就是现场要盯栈和符号表调试难度低堆栈直接指到非终结符高错在表数据还是驱动逻辑难分扩展性加一个语法分支很简单改文法要重算预测表我的选择是代码用递归下降报告里保留 FIRST/FOLLOW 和 LL(1) 预测表构造过程。理由很实际递归下降出错时Java 的调用栈直接指出正在解析哪个非终结符这是真 debug 时的救命稻草。如果老师明确要求 LL(1)就把文法改成标准 BNF、手工算出 FIRST/FOLLOW 并画出预测表代码仍可留递归下降答辩时说清“我正在解析哪个非终结符”也能自洽。3.2 用 EBNF 写文法左递归问题其实可以绕过去教科书反复强调消除左递归但递归下降配 EBNF 的闭包运算符可以直接绕开。看 2.1 里的文法AddExp :: MulExp { ( | -) MulExp }这个写法本身没有左递归因为{ ... }是零次或多次的循环实现成一个 while 循环不需要转成AddExp - AddExp AddOp MulExp再手算消除。同理MulExp一层也只是一个 while 循环。递归下降的每个方法里把循环体写成while (lookahead is or -)即可。但如果交 LL(1) 预测表则必须手动把 EBNF 转成标准 BNF并写出消除左递归后的产生式集合。我建议报告里两样都写正文用 EBNF 讲结构附录给标准 BNF 和预测表构造过程。老师看到你对“同一个文法两种写法都能驾驭”这一项就稳了。3.3 parseStatement 核心代码调度、匹配和支持 returnprivate void parseStatement() { switch (lookahead.type) { case IF: match(TokenType.IF); match(TokenType.LPAREN); parseExpr(); match(TokenType.RPAREN); parseStatement(); // 内层语句 if (lookahead.type TokenType.ELSE) { match(TokenType.ELSE); parseStatement(); // else 分支 } break; case WHILE: match(TokenType.WHILE); match(TokenType.LPAREN); parseExpr(); match(TokenType.RPAREN); parseStatement(); break; case LBRACE: parseBlock(); break; case RETURN: match(TokenType.RETURN); if (lookahead.type ! TokenType.SEMI) parseExpr(); match(TokenType.SEMI); break; default: parseAssignStmt(); } }这段代码里值得琢磨的是 RETURN 分支。return;和return 表达式;都得接受所以我用if (lookahead.type ! SEMI)判断后面是否还有表达式。这一行决定了词法、语法之后语义检查里“void 函数不能返回表达式”的规则能否顺利实现。很多人的代码漏掉这个分支void f() { return; }直接语法崩溃测试用例里只要混一个 void 函数就全线失败。match()的作用是断言当前 token 类型并消费。lookahead是语法分析器的全局游标每次 match 或 parse 某类成分后它都要指向下一个 token。这个全局游标如果不维护好错误定位会飘到十万八千里。3.4 错误恢复同步记号集合适配一个报多个错评测用例里一定会有语法错误的程序。如果一个错误就停止测试脚本会停在第一个用例后面全都不跑pass 数难看。做法是 catch 到异常后丢弃 token 直到遇到同步记号集合中的一员ELSE、RPAREN、RBRACE、SEMI。从同步点再继续往下解析一次编译能报出多个错误评测脚本也能走完整个用例集。同步记号的选择不是随便定的。SEMI是语句结束的标志RBRACE是块结束跳到它们之后解析器大概率能恢复到正常状态。如果语法错误发生在表达式中间跳到SEMI通常能救活下一句。如果一个错误后连续抛出十几个嵌套异常说明同步集没选好回退到“单错误即停”反而更稳。4. 语义分析与四元式符号表作用域、类型检查与回填4.1 符号表结构父链做作用域重复声明靠返回值暴露南航题的规模下我习惯不建显式 AST边语法分析边生成四元式、边维护符号表。如果你建了 AST语义阶段就变成对树的遍历差别只在数据流规则不变。class SymTable { private final MapString, Symbol locals new HashMap(); final SymTable parent; SymTable(SymTable p) { parent p; } boolean add(Symbol s) { if (locals.containsKey(s.name)) return false; locals.put(s.name, s); return true; } Symbol find(String name) { for (SymTable t this; t ! null; t t.parent) if (t.locals.containsKey(name)) return t.locals.get(name); return null; } }add返回 false 表示当前作用域重复声明find沿 parent 链逐级上溯。函数参数在进入函数体时先加入函数作用域表块{ }每次新建子表并把 parent 指向当前表。课程设计里不要求实现“遮蔽”的复杂规则父链查找已经够用。一个常见误区是只维护一个哈希表进入块时替换成新表离开块再换回来。这样函数内嵌套块里访问函数参数时会因为当前表里没有参数而报“未声明变量”。父链结构就是为这个问题设计的代码只有几行收益却很大。4.2 类型检查要点int 和 void 的规则别等到答辩才发现语言子集只有 int 和 void类型规则反而要拎清楚因为老师一定会问未声明变量在使用处调用find得到 null 就报错。重复声明add返回 false 时报“重复声明”。表达式中混入 void 类型的量直接把 void 变量的声明在语义阶段禁掉。return 检查函数返回值类型是 void 时return;可以return 表达式;要报错是 int 时必须保证所有路径都有返回。如果老师额外加了一个 float就需要把“算术运算操作数都必须是 int 或 float”写成一条通用规则而不是到处散落 if。类型检查的代码不复杂但必须集中在一个 semantic 包里别在语法分析里散着写。散写的结果是测试用例一换报错位置飘忽不定报告里也没法给出一张完整的“检查规则表”。我一贯的做法是语义检查规则做一张二维表横轴是检查点纵轴是返回类型答辩时直接把这页翻出来讲。4.3 四元式生成与回填从 if 语句看临时变量和标号四元式格式是 (op, arg1, arg2, result)result 一般是临时变量或标号。拿 if 语句来说朴素版本是先发射条件跳转再发射分支体private void genIf() { String endLabel newLabel(); String elseLabel newLabel(); genCond(); // 生成条件比较的四元式 emit(JMPZ, condTemp, , elseLabel); genStmt(ifBody); // then 分支 emit(JMP, , , endLabel); emitLabel(elseLabel); if (elseBody ! null) genStmt(elseBody); emitLabel(endLabel); }这里genCond()会生成比较指令并把比较结果放进一个临时变量condTemp。emit(JMPZ, condTemp, , elseLabel)表示条件为假时跳到 else 标号。真实实现里还有更进阶的回填版本先给 true 和 false 各开一个待回填列表遇到跳转指令先记下四元式序号等标号确定后再把序号填进指令。报告里写“使用回填技术处理布尔表达式跳转”比这个朴素版本的解释多一层属于性价比很高的加分表述。临时变量用计数器统一编号t0, t1, t2...每生成一条需要暂存结果的指令就递增。四元式输出阶段不需要关心寄存器分配把临时变量名原样打出来即可。这个阶段最容易“假”只打印不解释。答辩老师问“这条 ADD 指令做了什么事”你得能当场把t2 t1 1这个动作模拟出来。4.4 函数调用约定参数顺序、返回类型与“假四元式”问题函数调用涉及四元式序列的标准套路先逐条PARAM参数再CALL 函数名最后把返回值赋给临时变量。参数顺序很重要从左到右逐条发射PARAM被调函数里按同样顺序取参。如果先从右往左压栈语义检查时再按倒序取两个方向一致也行但报告必须写清楚否则评委实测一个f(a, b)就能看出矛盾。“假四元式”是我见过的最高频翻车点。程序确实打印出了四元式列表但生成过程是黑匣子同学自己解释不清每一条指令的含义。解决办法是给每一条四元式加一个注释字段或者报告里附一段“对 a 1 2 * 3 生成的四元式逐条模拟执行”。能在这个例子上讲清临时变量、乘法先于加法、最终结果落在 a 上才算真正吃透了中间代码生成。5. 课程设计避坑五个让“能跑”变“低分”的细节5.1 EOF 处理缺失导致空指针现象测试集第一个用例能过第二个稍长的程序直接抛 NullPointerException报错行号还是 0。原因词法分析器到文件尾返回了 null而不是 EOF Token。语法分析器在match()里对 null 调type字段瞬间空指针。解决词法在pos src.length()时固定返回TokenType.EOF的 Tokenmatch()开头加判断token 为 null 或类型为 EOF 时统一抛CompileException(unexpected end of file)。这一行代码能避免至少三小时的半夜调试。5.2 关键字误判ifx 被当成 if现象程序里声明变量ifx或returnVal语法分析忽然全乱报错位置在变量名附近。原因词法写成了“遇到 i 就查关键字表”而不是“先收完整标识符再查表”。等于把ifx拆成了if和x两个 token。解决按第 2.3 节的顺序readIdent()先把字母、数字、下划线全部收完再判断字符串是否在 KEYWORDS 集合里。这个顺序一旦反了后面每加一个关键字都多一个坑。还有一个连带问题123abc这种输入要在词法层拦截不要等着语法层去报“意外的 NUMBER”。5.3 悬空 else 匹配错位现象if-else if-else嵌套时分支结果错乱逻辑明明对但执行时进了错误的分支。原因递归下降里 else 的归属写错了。C 语言规则是 else 就近匹配最近的 if但很多实现把 else 的判断放在了外层 parseStatement 里导致外层 if 抢先消费了 else。解决else 分支必须在 parseStatement 的 if 分支内部用lookahead.type ELSE判断。内层 if 能匹配的直接内层吃掉外层不提前消费 ELSE token。写完后用一个if (a) if (b) x else y的用例自测y 应当归属内层 if。5.4 符号表只查当前层嵌套作用域漏查现象函数内嵌套块里对函数参数赋值报“未声明变量”。第一层还能用往下一层就崩。原因符号表是单个哈希表进入块时替换成新表没有再往父链上溯参数在函数表里而当前块表查不到它。解决用第 4.1 节的父链结构find()从当前表一层层往上找。加块时new SymTable(currentTable)整个实现不到十行。答辩时如果被问“怎么处理嵌套作用域”把这段代码贴出来比说“我用了一个全局表”好得多。5.5 报告功能与代码不符演示用例没覆盖真实路径现象报告写支持四则运算优先级和注释演示用例却只有一个a 1 2;。老师现场换a 1 2 * 3;输出结果是 9正确值 7。原因代码没有对优先级做乘法先行的处理但报告描述了该功能答辩时现场暴露。解决先跑完测试回归脚本再写报告。报告每写一个特性必须配一个实际跑通过的测试用例。写完后把“特性-用例-代码位置”三列清单放在报告附录老师照着清单逐条验比临时解释有说服力得多。这个自查表可以直接复用自查点怎么测常见命中问题行注释// 注释后紧跟代码skipLineComment 后换行处理块注释/* ... */跨行遇到*/才结束双字符运算符ab和ab同用例运算符读取逻辑空块if(1){}Block 的循环处理多错误输入同一文件放三个错误同步恢复能力6. 回归验证提交前把测试脚本完整跑一遍6.1 用退出码做回归Windows 和 Linux 两版脚本前面的框架搭完最后一道工序是验证。我用编译器主程序的退出码做回归编译成功退出 0任何词法、语法、语义错误退出 1。在 Java 入口里用System.exit(1)捕获所有 CompileException。Linux 或 WSL 下跑这个#!/bin/bash pass0 fail0 for tc in tests/*.c; do name$(basename $tc) java -cp . Compiler $tc out/$name.log 21 code$? if [ $code -eq 0 ]; then pass$((pass1)); echo PASS $name; else fail$((fail1)); echo FAIL $name; fi done echo pass$pass fail$failWindows 的课程设计机器一般没有 bash我用批处理版本echo off set pass0 set fail0 for %%f in (tests\*.c) do ( java -cp . Compiler %%f out\%%~nf.log 21 if errorlevel 1 ( echo FAIL %%~nf set /a fail1 ) else ( echo PASS %%~nf set /a pass1 ) ) echo pass%pass% fail%fail%两个脚本逻辑一致遍历 tests 目录下所有 .c 文件把编译输出重定向到 out 目录按退出码判定 PASS/FAIL。$?在 bash 里取上一条命令的退出码errorlevel 1在 bat 里表示退出码大于等于 1。脚本本身不复杂但能保证提交前“完整跑一遍”不是空话。6.2 测试用例设计合法、语义错、语法错、边界都要有测试用例不能全是能编译过的程序那样只能证明“没崩”证明不了“检查真的生效”。我按四类分层设计类别数量建议典型例子目的合法程序20阶乘、最大公约数、函数调用验证全链路语法错误10少分号、少右括号、表达式缺操作数验证错误恢复语义错误10未声明变量、重复声明、void 返回表达式验证符号表和类型检查边界用例5空文件、只有注释、100 层嵌套、超长标识符验证词法与栈稳定性边界用例最容易暴露问题空文件如果词法直接返回 EOF语法入口应该正常接受100 层嵌套块如果递归下降没设深度限制可能真的会栈溢出此时可以人为限个 500 层并报“嵌套过深”。我那时候做南航这道题就是被“能跑但低分”卡住的。程序能打印四元式但直到写报告时才发现 return 分支从来没被测过。从那以后我给自己定了个规矩提交前一定把 6.1 的脚本原封不动跑一遍pass/fail 数字截图放进报告陈述的每个功能都有对应测试用例。这份南航课程设计的完整工程包我已经按这个顺序整理好源码、测试用例、报告骨架的目录与脚本一一对应提交前照着跑一遍就行。踩过的坑都在上一章列着对照自查表过一遍比临时加功能更划算。希望帮到你。本文还有配套的精品资源点击获取 编译原理课程设计完整实现：词法分析、语法分析到四元式生成
简介一套可直接运行的编译原理课程设计完整方案源自南京航空航天大学课程设计与答辩场景面向计算机专业本科生覆盖词法分析、语法分析、符号表与token处理等核心模块。压缩包内共32个文件既含lex.c、lex.h、text.cpp等C源程序也有对应exe可执行程序、obj中间文件、doc课设报告、ppt答辩幻灯片代码与文档一体便于对照阅读和二次修改目录中词法部分、语法部分分层清晰。资源约961KB还提供多个txt格式的模块说明从源码到测试验证环节均有覆盖。目前已有749人学习下载适合正在完成编译原理课设、需要可运行样例或答辩参考的本科生。经检验程序无BUG配合课设报告与答辩材料可帮助理解编译器前端的实现思路节省调试时间。1. 编译原理课程设计南航这道题做到什么程度才算完整编译原理课程设计最难受的不是算法本身而是不知道做到哪一步才算完。南航这道题的验收点其实很明确给一个类 C 子集完成词法分析、语法分析、语义检查和中间代码生成让它跑通指定测试样例再配一份能讲清楚设计过程的报告。但大多数实现卡在同一个地方——代码能编译两个简单程序一换用例就崩连错在哪都看不出来。这份工程包把整条链路拆好了语言子集怎么裁剪、文法怎么定、符号表怎么分层、四元式怎么回填以及答辩前必查的细节。适合正在做编译原理实验、或者想从理论跨到完整实现的大三计算机专业学生。2. 词法分析器怎么搭手工 DFA、关键字表与 Token 的边界2.1 先定语言子集把“类 C”裁剪到能一学期写完南航课程设计的语言子集各届会微调但骨架基本一致函数、int/void、if-else、while、for、return、赋值、四则运算和关系比较。最容易犯的错是一上来想支持浮点、数组、struct结果词法语法语义三头改最后交一个半成品。我的做法是先按最小集跑通再决定加不加扩展。最小集的 EBNF 大致如下Program :: { FuncDef | VarDecl } FuncDef :: Type IDENT ( ParamList ) Block Type :: int | void Block :: { { Stmt } } Stmt :: VarDecl | IfStmt | WhileStmt | ForStmt | ReturnStmt | Block | AssignStmt IfStmt :: if ( Exp ) Stmt [ else Stmt ] Exp :: AddExp [ ( | | | | | !) AddExp ] AddExp :: MulExp { ( | -) MulExp } MulExp :: Factor { (* | /) Factor } Factor :: IDENT | NUMBER | ( Exp ) | IDENT ( Args )去掉数组和结构体之后符号表和类型检查的复杂度都降了一大截重点能放在“整条前端链路完整”上。这份最小集里还留着函数调用就是为了让四元式阶段能讲清 CALL、PARAM、RETURN 三条指令这是答辩时比较值钱的展开点。如果你和我一样用 Java 写java编译原理 这个组合在调试符号表时也省很多事。2.2 手工 DFA 与双字符运算符为什么不用正则库很多同学第一反应是用 Java 的正则表达式写词法甚至上 Flex。课程设计答辩时老师常问的一句话是“按状态转换图讲讲这个分支怎么走的”。状态转换图是手工 DFA 的东西你用正则库就把这一步黑盒化了得分反而低。手工实现不复杂读一个字符按当前 token 的起始状态决定转移。双字符运算符是容易出 bug 的地方和、和只差一个字符。正确做法是先读一个字符再 peek 下一个能组成双字符就一起收否则退回单字符。这个逻辑不写对后面所有a b都会被当成加两个符号语法分析直接崩。2.3 词法主循环代码行列号、关键字查表和错误出口public class Lexer { private String src; private int pos, line 1, col 0; private static final SetString KEYWORDS new HashSet(Arrays.asList(int, void, if, else, while, for, return)); private static final SetString TWO_CHAR_OPS new HashSet(Arrays.asList(, !, , )); public Token next() { skipWhitespace(); if (pos src.length()) return new Token(TokenType.EOF, EOF, line, col); char c src.charAt(pos); if (c / peek(1) /) { skipLineComment(); return next(); } if (c / peek(1) *) { skipBlockComment(); return next(); } if (Character.isLetter(c) || c _) return readIdent(); if (Character.isDigit(c)) return readNumber(); if (isOpStart(c)) return readOperator(); throw new CompileException(unexpected char c at line line); } private Token readIdent() { int startLine line, startCol col; StringBuilder sb new StringBuilder(); while (pos src.length() (Character.isLetterOrDigit(src.charAt(pos)) || src.charAt(pos) _)) { sb.append(src.charAt(pos)); advance(); } String s sb.toString(); if (KEYWORDS.contains(s)) return new Token(TokenType.KEYWORD, s, startLine, startCol); return new Token(TokenType.IDENT, s, startLine, startCol); } private Token readOperator() { int startLine line, startCol col; char c src.charAt(pos); advance(); if (pos src.length()) { String two c src.charAt(pos); if (TWO_CHAR_OPS.contains(two)) { advance(); return new Token(TokenType.OP, two, startLine, startCol); } } if (-*/(){};, .indexOf(c) 0) return new Token(TokenType.OP, String.valueOf(c), startLine, startCol); throw new CompileException(unexpected char c at line startLine); } }逻辑说明next()先跳过空白和注释再把识别交给三个子方法。注释处理用的是“递归调用 next()”等于把注释对上层完全透明。readIdent()先把字母、数字、下划线全部收完再查关键字表这样ifx会被完整收成标识符而不是被拆成if和x。readOperator()先尝试拼双字符运算符拼不成再退回单字符解决了被拆开的问题。参数说明里值得注意两点line和col在advance()中维护换行时line且col归零所有 Token 都记录起始行列后续语法报错能精确到位置KEYWORDS集合决定了哪些串算关键字如果需要支持const或printf加进这个集合即可不用改语法分析器。2.4 Token 设计与非法字符处理报告里值得写的一页Token 至少要包含 type、value、line、col 四个字段。类型枚举按表设计TokenType举例用途KEYWORDif / while / return关键字IDENTa / main变量或函数名NUMBER123 / 0整型常量OP / / !运算符DELIM( { } ; ,分隔符EOF文件尾结束标志readNumber()里有一个容易被忽视的边界读完数字后如果下一个字符是字母比如123abc应该报“非法数字”而不是返回 NUMBER 之后让语法层崩溃。我一般会加一个判断在123abc处直接抛CompileException(invalid number)这一个细节能让错误定位线从语法层往回退到词法层排错快很多。报告里值得写的一页是状态转换图至少把标识符、数字、运算符、注释这四类状态画清楚。手画拍照或者 draw.io 都行评分表里的“原理完整”很大程度就看这一页。3. 语法分析选型递归下降怎么落地预测表还写不写3.1 递归下降还是 LL(1)按南航评分点做选择语法分析是课程设计最花时间的一站也是区分 70 分和 90 分的一站。南航的评分不会要求实现 LR(1)但答辩时可能被问“为什么不用 LR 分析”。先把选型讲清楚。比较项递归下降LL(1) 表驱动编码量每个非终结符一个函数一个通用驱动循环FIRST/FOLLOW只在报告里体现必须全部算对错误定位栈帧就是现场要盯栈和符号表调试难度低堆栈直接指到非终结符高错在表数据还是驱动逻辑难分扩展性加一个语法分支很简单改文法要重算预测表我的选择是代码用递归下降报告里保留 FIRST/FOLLOW 和 LL(1) 预测表构造过程。理由很实际递归下降出错时Java 的调用栈直接指出正在解析哪个非终结符这是真 debug 时的救命稻草。如果老师明确要求 LL(1)就把文法改成标准 BNF、手工算出 FIRST/FOLLOW 并画出预测表代码仍可留递归下降答辩时说清“我正在解析哪个非终结符”也能自洽。3.2 用 EBNF 写文法左递归问题其实可以绕过去教科书反复强调消除左递归但递归下降配 EBNF 的闭包运算符可以直接绕开。看 2.1 里的文法AddExp :: MulExp { ( | -) MulExp }这个写法本身没有左递归因为{ ... }是零次或多次的循环实现成一个 while 循环不需要转成AddExp - AddExp AddOp MulExp再手算消除。同理MulExp一层也只是一个 while 循环。递归下降的每个方法里把循环体写成while (lookahead is or -)即可。但如果交 LL(1) 预测表则必须手动把 EBNF 转成标准 BNF并写出消除左递归后的产生式集合。我建议报告里两样都写正文用 EBNF 讲结构附录给标准 BNF 和预测表构造过程。老师看到你对“同一个文法两种写法都能驾驭”这一项就稳了。3.3 parseStatement 核心代码调度、匹配和支持 returnprivate void parseStatement() { switch (lookahead.type) { case IF: match(TokenType.IF); match(TokenType.LPAREN); parseExpr(); match(TokenType.RPAREN); parseStatement(); // 内层语句 if (lookahead.type TokenType.ELSE) { match(TokenType.ELSE); parseStatement(); // else 分支 } break; case WHILE: match(TokenType.WHILE); match(TokenType.LPAREN); parseExpr(); match(TokenType.RPAREN); parseStatement(); break; case LBRACE: parseBlock(); break; case RETURN: match(TokenType.RETURN); if (lookahead.type ! TokenType.SEMI) parseExpr(); match(TokenType.SEMI); break; default: parseAssignStmt(); } }这段代码里值得琢磨的是 RETURN 分支。return;和return 表达式;都得接受所以我用if (lookahead.type ! SEMI)判断后面是否还有表达式。这一行决定了词法、语法之后语义检查里“void 函数不能返回表达式”的规则能否顺利实现。很多人的代码漏掉这个分支void f() { return; }直接语法崩溃测试用例里只要混一个 void 函数就全线失败。match()的作用是断言当前 token 类型并消费。lookahead是语法分析器的全局游标每次 match 或 parse 某类成分后它都要指向下一个 token。这个全局游标如果不维护好错误定位会飘到十万八千里。3.4 错误恢复同步记号集合适配一个报多个错评测用例里一定会有语法错误的程序。如果一个错误就停止测试脚本会停在第一个用例后面全都不跑pass 数难看。做法是 catch 到异常后丢弃 token 直到遇到同步记号集合中的一员ELSE、RPAREN、RBRACE、SEMI。从同步点再继续往下解析一次编译能报出多个错误评测脚本也能走完整个用例集。同步记号的选择不是随便定的。SEMI是语句结束的标志RBRACE是块结束跳到它们之后解析器大概率能恢复到正常状态。如果语法错误发生在表达式中间跳到SEMI通常能救活下一句。如果一个错误后连续抛出十几个嵌套异常说明同步集没选好回退到“单错误即停”反而更稳。4. 语义分析与四元式符号表作用域、类型检查与回填4.1 符号表结构父链做作用域重复声明靠返回值暴露南航题的规模下我习惯不建显式 AST边语法分析边生成四元式、边维护符号表。如果你建了 AST语义阶段就变成对树的遍历差别只在数据流规则不变。class SymTable { private final MapString, Symbol locals new HashMap(); final SymTable parent; SymTable(SymTable p) { parent p; } boolean add(Symbol s) { if (locals.containsKey(s.name)) return false; locals.put(s.name, s); return true; } Symbol find(String name) { for (SymTable t this; t ! null; t t.parent) if (t.locals.containsKey(name)) return t.locals.get(name); return null; } }add返回 false 表示当前作用域重复声明find沿 parent 链逐级上溯。函数参数在进入函数体时先加入函数作用域表块{ }每次新建子表并把 parent 指向当前表。课程设计里不要求实现“遮蔽”的复杂规则父链查找已经够用。一个常见误区是只维护一个哈希表进入块时替换成新表离开块再换回来。这样函数内嵌套块里访问函数参数时会因为当前表里没有参数而报“未声明变量”。父链结构就是为这个问题设计的代码只有几行收益却很大。4.2 类型检查要点int 和 void 的规则别等到答辩才发现语言子集只有 int 和 void类型规则反而要拎清楚因为老师一定会问未声明变量在使用处调用find得到 null 就报错。重复声明add返回 false 时报“重复声明”。表达式中混入 void 类型的量直接把 void 变量的声明在语义阶段禁掉。return 检查函数返回值类型是 void 时return;可以return 表达式;要报错是 int 时必须保证所有路径都有返回。如果老师额外加了一个 float就需要把“算术运算操作数都必须是 int 或 float”写成一条通用规则而不是到处散落 if。类型检查的代码不复杂但必须集中在一个 semantic 包里别在语法分析里散着写。散写的结果是测试用例一换报错位置飘忽不定报告里也没法给出一张完整的“检查规则表”。我一贯的做法是语义检查规则做一张二维表横轴是检查点纵轴是返回类型答辩时直接把这页翻出来讲。4.3 四元式生成与回填从 if 语句看临时变量和标号四元式格式是 (op, arg1, arg2, result)result 一般是临时变量或标号。拿 if 语句来说朴素版本是先发射条件跳转再发射分支体private void genIf() { String endLabel newLabel(); String elseLabel newLabel(); genCond(); // 生成条件比较的四元式 emit(JMPZ, condTemp, , elseLabel); genStmt(ifBody); // then 分支 emit(JMP, , , endLabel); emitLabel(elseLabel); if (elseBody ! null) genStmt(elseBody); emitLabel(endLabel); }这里genCond()会生成比较指令并把比较结果放进一个临时变量condTemp。emit(JMPZ, condTemp, , elseLabel)表示条件为假时跳到 else 标号。真实实现里还有更进阶的回填版本先给 true 和 false 各开一个待回填列表遇到跳转指令先记下四元式序号等标号确定后再把序号填进指令。报告里写“使用回填技术处理布尔表达式跳转”比这个朴素版本的解释多一层属于性价比很高的加分表述。临时变量用计数器统一编号t0, t1, t2...每生成一条需要暂存结果的指令就递增。四元式输出阶段不需要关心寄存器分配把临时变量名原样打出来即可。这个阶段最容易“假”只打印不解释。答辩老师问“这条 ADD 指令做了什么事”你得能当场把t2 t1 1这个动作模拟出来。4.4 函数调用约定参数顺序、返回类型与“假四元式”问题函数调用涉及四元式序列的标准套路先逐条PARAM参数再CALL 函数名最后把返回值赋给临时变量。参数顺序很重要从左到右逐条发射PARAM被调函数里按同样顺序取参。如果先从右往左压栈语义检查时再按倒序取两个方向一致也行但报告必须写清楚否则评委实测一个f(a, b)就能看出矛盾。“假四元式”是我见过的最高频翻车点。程序确实打印出了四元式列表但生成过程是黑匣子同学自己解释不清每一条指令的含义。解决办法是给每一条四元式加一个注释字段或者报告里附一段“对 a 1 2 * 3 生成的四元式逐条模拟执行”。能在这个例子上讲清临时变量、乘法先于加法、最终结果落在 a 上才算真正吃透了中间代码生成。5. 课程设计避坑五个让“能跑”变“低分”的细节5.1 EOF 处理缺失导致空指针现象测试集第一个用例能过第二个稍长的程序直接抛 NullPointerException报错行号还是 0。原因词法分析器到文件尾返回了 null而不是 EOF Token。语法分析器在match()里对 null 调type字段瞬间空指针。解决词法在pos src.length()时固定返回TokenType.EOF的 Tokenmatch()开头加判断token 为 null 或类型为 EOF 时统一抛CompileException(unexpected end of file)。这一行代码能避免至少三小时的半夜调试。5.2 关键字误判ifx 被当成 if现象程序里声明变量ifx或returnVal语法分析忽然全乱报错位置在变量名附近。原因词法写成了“遇到 i 就查关键字表”而不是“先收完整标识符再查表”。等于把ifx拆成了if和x两个 token。解决按第 2.3 节的顺序readIdent()先把字母、数字、下划线全部收完再判断字符串是否在 KEYWORDS 集合里。这个顺序一旦反了后面每加一个关键字都多一个坑。还有一个连带问题123abc这种输入要在词法层拦截不要等着语法层去报“意外的 NUMBER”。5.3 悬空 else 匹配错位现象if-else if-else嵌套时分支结果错乱逻辑明明对但执行时进了错误的分支。原因递归下降里 else 的归属写错了。C 语言规则是 else 就近匹配最近的 if但很多实现把 else 的判断放在了外层 parseStatement 里导致外层 if 抢先消费了 else。解决else 分支必须在 parseStatement 的 if 分支内部用lookahead.type ELSE判断。内层 if 能匹配的直接内层吃掉外层不提前消费 ELSE token。写完后用一个if (a) if (b) x else y的用例自测y 应当归属内层 if。5.4 符号表只查当前层嵌套作用域漏查现象函数内嵌套块里对函数参数赋值报“未声明变量”。第一层还能用往下一层就崩。原因符号表是单个哈希表进入块时替换成新表没有再往父链上溯参数在函数表里而当前块表查不到它。解决用第 4.1 节的父链结构find()从当前表一层层往上找。加块时new SymTable(currentTable)整个实现不到十行。答辩时如果被问“怎么处理嵌套作用域”把这段代码贴出来比说“我用了一个全局表”好得多。5.5 报告功能与代码不符演示用例没覆盖真实路径现象报告写支持四则运算优先级和注释演示用例却只有一个a 1 2;。老师现场换a 1 2 * 3;输出结果是 9正确值 7。原因代码没有对优先级做乘法先行的处理但报告描述了该功能答辩时现场暴露。解决先跑完测试回归脚本再写报告。报告每写一个特性必须配一个实际跑通过的测试用例。写完后把“特性-用例-代码位置”三列清单放在报告附录老师照着清单逐条验比临时解释有说服力得多。这个自查表可以直接复用自查点怎么测常见命中问题行注释// 注释后紧跟代码skipLineComment 后换行处理块注释/* ... */跨行遇到*/才结束双字符运算符ab和ab同用例运算符读取逻辑空块if(1){}Block 的循环处理多错误输入同一文件放三个错误同步恢复能力6. 回归验证提交前把测试脚本完整跑一遍6.1 用退出码做回归Windows 和 Linux 两版脚本前面的框架搭完最后一道工序是验证。我用编译器主程序的退出码做回归编译成功退出 0任何词法、语法、语义错误退出 1。在 Java 入口里用System.exit(1)捕获所有 CompileException。Linux 或 WSL 下跑这个#!/bin/bash pass0 fail0 for tc in tests/*.c; do name$(basename $tc) java -cp . Compiler $tc out/$name.log 21 code$? if [ $code -eq 0 ]; then pass$((pass1)); echo PASS $name; else fail$((fail1)); echo FAIL $name; fi done echo pass$pass fail$failWindows 的课程设计机器一般没有 bash我用批处理版本echo off set pass0 set fail0 for %%f in (tests\*.c) do ( java -cp . Compiler %%f out\%%~nf.log 21 if errorlevel 1 ( echo FAIL %%~nf set /a fail1 ) else ( echo PASS %%~nf set /a pass1 ) ) echo pass%pass% fail%fail%两个脚本逻辑一致遍历 tests 目录下所有 .c 文件把编译输出重定向到 out 目录按退出码判定 PASS/FAIL。$?在 bash 里取上一条命令的退出码errorlevel 1在 bat 里表示退出码大于等于 1。脚本本身不复杂但能保证提交前“完整跑一遍”不是空话。6.2 测试用例设计合法、语义错、语法错、边界都要有测试用例不能全是能编译过的程序那样只能证明“没崩”证明不了“检查真的生效”。我按四类分层设计类别数量建议典型例子目的合法程序20阶乘、最大公约数、函数调用验证全链路语法错误10少分号、少右括号、表达式缺操作数验证错误恢复语义错误10未声明变量、重复声明、void 返回表达式验证符号表和类型检查边界用例5空文件、只有注释、100 层嵌套、超长标识符验证词法与栈稳定性边界用例最容易暴露问题空文件如果词法直接返回 EOF语法入口应该正常接受100 层嵌套块如果递归下降没设深度限制可能真的会栈溢出此时可以人为限个 500 层并报“嵌套过深”。我那时候做南航这道题就是被“能跑但低分”卡住的。程序能打印四元式但直到写报告时才发现 return 分支从来没被测过。从那以后我给自己定了个规矩提交前一定把 6.1 的脚本原封不动跑一遍pass/fail 数字截图放进报告陈述的每个功能都有对应测试用例。这份南航课程设计的完整工程包我已经按这个顺序整理好源码、测试用例、报告骨架的目录与脚本一一对应提交前照着跑一遍就行。踩过的坑都在上一章列着对照自查表过一遍比临时加功能更划算。希望帮到你。本文还有配套的精品资源点击获取