先有鸡，还是先有蛋？先有编译器，还是先有源码？自举（Bootstrapping）藏着一个和生命起源一样古老的悖论——而工程师们，早已悄悄解开了它。
这是一个用 C 语言写成的 C 语言子集编译器，灵感来源于 c4。它足够小，可以编译自身；足够完整，足以让你理解一个编译器从字符到执行的全过程。
特性
- 支持
int、char、指针类型 - 支持函数定义与调用、递归
- 支持
if/else、while、return、enum - 支持完整的一元与二元运算符（含位运算、逻辑运算、比较运算）
- 支持数组访问与类型转换
- 内置简易虚拟机，直接解释执行字节码
- 可以编译自身（自举）
架构总览
源代码（.c 文件）
│
▼
┌──────────────────┐
│ 词法分析器 │ next()
│ │ 将字符流切割为 token 序列
│ 支持的 token： │
│ 标识符 / 数字 │
│ 字符串 / 关键字 │
│ 运算符 / 标点 │
└────────┬─────────┘
│
▼
┌──────────────────────────────┐
│ 语法分析器 │ 递归下降解析
│ │
│ program() │ 入口，循环解析全局声明
│ ├─ global_declaration() │ 全局变量 / 函数 / enum
│ │ ├─ enum_declaration() │ 枚举常量
│ │ └─ function_declaration()
│ │ ├─ function_parameter() 形参列表
│ │ └─ function_body() 函数体
│ │ └─ statement() 语句
│ │ └─ expression() 表达式（按优先级递归）
│ └─ ...
│ │
│ 同步生成字节码，写入 text 段 │
└────────┬─────────────────────┘
│
▼
┌──────────────────┐
│ 虚拟机 │ eval()
│ │ 解释执行 text 段中的字节码
│ 寄存器： │
│ pc / bp / sp / ax
│ │
│ 内存段： │
│ text / data / stack
└──────────────────┘
虚拟机指令集
1. 存取指令
| 指令 | 说明 |
|---|---|
IMM | 将立即数加载到 ax |
LEA | 将局部变量地址加载到 ax |
LC | 从地址（ax）读取 char |
LI | 从地址（ax）读取 int |
SC | 将 ax 写入栈顶地址（char） |
SI | 将 ax 写入栈顶地址（int） |
PUSH | 将 ax 压入栈 |
2. 运算指令
| 指令 | 说明 |
|---|---|
ADD / SUB / MUL / DIV / MOD | 算术运算 |
OR / XOR / AND | 位运算 |
SHL / SHR | 移位运算 |
EQ / NE / LT / LE / GT / GE | 比较运算 |
3. 控制流指令
| 指令 | 说明 |
|---|---|
JMP | 无条件跳转 |
JZ | ax == 0 时跳转 |
JNZ | ax != 0 时跳转 |
CALL | 调用函数（保存返回地址） |
ENT | 创建栈帧（函数入口） |
ADJ | 清理参数（调整 sp） |
LEV | 恢复栈帧并返回 |
4. 系统调用
| 指令 | 对应函数 |
|---|---|
OPEN | open() |
CLOS | close() |
READ | read() |
PRTF | printf() |
MALC | malloc() |
FREE | free() |
MSET | memset() |
MCMP | memcmp() |
EXIT | exit() |
符号表结构
词法分析阶段，所有标识符被统一存入符号表（一个平铺的整数数组）：
每个标识符占 IdSize 个槽位：
[ Token | Hash | Name | Type | Class | Value | BType | BClass | BValue ]
其中 BType / BClass / BValue 用于在函数内部临时保存被遮蔽的全局变量信息，函数返回后恢复。
编译与运行
⚠️ 编译器运行在 32 位模式下，需要使用
-m32标志。macOS 用户注意：Xcode 12 起已移除 32 位支持，建议在 Linux 或 Docker 环境下运行。
# 编译本编译器（注意 -m32）
gcc -m32 cc.c -o cc
# 或者直接用 Makefile
make compile
# 用它编译一个 C 源文件
./cc hello.c
# 开启 debug 模式（打印每条字节码指令）
./cc -d hello.c
运行测试
# 运行内置测试套件
make test
# 等价于：./cc test.c
自举：它如何编译自己
这个编译器最有趣的地方在于——它可以编译自身：
# 一步完成：编译自身并运行测试
make bootstrap
# 等价于：./cc cc.c test.c
# 或者手动分步：
# 第一步：用系统 gcc 编译得到第一个二进制
gcc -m32 cc.c -o cc
# 第二步：用 cc 编译自身源码
./cc cc.c
已知问题
test.c 中标注了三个已知失败的测试用例，均与逻辑运算符对负数的处理有关：
test(1, c || c); // failed — c 为负数时 || 结果不正确
test(TRUE, b && c); // failed — && 对负数操作数处理有误
test(TRUE, c && c); // failed
根本原因：VM 的 JNZ（不等于零则跳转）指令在处理负数时行为不符合 C 标准——C 标准规定任何非零值均为真，但当前实现可能仅检查符号位。
这正是「先有鸡还是先有蛋」的工程答案：第一个编译器总是由别的工具引导而来，此后它便可以自我延续。
参考资料
项目
文章
书籍
- Niklaus Wirth — Compiler Construction
- 计算机系统要素：从零开始构建现代计算机（nand2tetris）