怎麼用中文設計編程語言？

12-29

因為計算機科學起源於西方，現今各種編程語言都是用英文，如果用中文設計一種語言可行嗎？有大神是否想過怎麼設計呢？

開了下腦洞，覺得 @NightyNight 的文言編程有意思，關於語法規則的劃分可以考慮更加充分的利用文言虛詞，不一定要拘泥於句式。文言中的虛詞本身起到了語法的界定作用，用文言虛詞來進行語法界定可以避免那些亂七八糟的符號。

比如過程定義的文法可以寫成

definition := parameters "之" def_name "者" expression "也" expression := (arguments "之" function) | (lhs function rhs)

也就是寫成

某之均者某之數除某之累和也

這一句就相當於

(define (均某) (/ (sum 某) (count 某)))

不過有一點難處理的是，這樣的機制默認寫出來的 identifier 都是單個漢字，連續的單個漢字會被認為是並列的多個參數（如「甲乙之積」中認為「積」是兩個參數的函數，甲乙是兩個並列的參數），畢竟文言名詞也以單字詞居多。這種時候可能就不得不引入諸如引號（「」或「」）、逗號（，）、頓號（、）分號（；）等現代漢語的標點來進行輔助的界定，比如放在引號中的多個單字被認為是一個整體（「隔壁老王」藏於「衣櫃」）。

別的一些語義也可以用類似形式表達，比如 let...in... 寫成「以……為……」

如

以十三為廣，十四為縱，廣縱之積

相當於

(let ((廣 13) (縱 14)) (* 廣縱))

部分參考《九章算術》

當然可行，可以參考 vczh/tinymoe 。雖然這個是英文的，不過沒關係，只要把tokenizer改掉，每一個字元一個token（而不是按照非字母字元去切連續的字母作為token），立刻就搞定了。不過這種做法出來的不可能是自然語言，你寫出來的中文也是需要嚴格滿足一定的語法結構的。

原理其實很簡單，首先識別出來哪些行是函數聲明，每一個函數聲明其實就是聲明了一個短語，which給語言增加了新的語法結構。然後你把這些聲明收集起來，當作EBNF，跑一邊經典的LALR演算法，出來一個parser，然後再用parse一遍自己的函數體，你就成功的做完語法分析了。

我可以想像一下給出最終中文編程的例子（逃

語句：輸出(垃圾) 重定向到printf


短語：從(甲)加到(乙)的結果

    令結果為0

    令丙為甲

    只要丙小於或等於乙就

        令結果為結果加丙

語句：入口輸出從1加到100的結果

不需要添加多餘的空格，爽！

分析一下，我們可以強行規定「短語/語句：」開頭的就是函數頭，然後用python一樣的那種縮進的辦法。於是我們就有了下面的EBNF：

（省略語言本身就預定義好的語句，譬如說「令 fuck 為 shit」和「只要 expr 就」 stat := "輸" "出" expr expr := "從" expr "加" "到" expr "的" "結" "果" // 你需要處理優先順序問題

剩下來就很容易了，龍書裡面都說過了。

而且跟現在的那些所謂的漢語編程不一樣，人家總是不斷地給單詞中間加入符號，看起來成了一堆屎。憑啥要在中文裡面加入空格？你說話的時候會加空格嗎？

（逃

好，放劍制。

來，我們來寫文言文。

首先下一個Parser(Python 3.6)框架。放心我不是調包黨，我是造輪子的。

這個框架真的很有趣的(吃我安利！)，你要是有興趣可以問我實現原理，可以看我文章。

pip install -U EBNFParser

（剛剛花時間支持了中文parser名...不然我早就來回答了。吐槽一下，shutil包真的很玄幻。

然後，這裡有一個文件。

很騷氣的文言編程文法(對不齊是因為unicode字元的鍋。。)

複製它，找個地方，放著。

然後在這裡打開命令行。

parserGenerator ./grammar ./myparser.py # EBNFParser已經更新，現在的命令是 # ruiko ./grammar ./myparser.py

然後就可以開始玩了。

python testLang.py 語句 "[吾身]乃劍所[天成]。" -o 吾身乃劍所天成 python testLang.py 語句 "血作為[鐵潮];心作為[琉璃]。" -o 血潮為鐵，心為琉璃 ....

詳見travis測試文件

結果放點圖，現在是ast。

(這個圖比較舊，如果你認真看會發現分號被當成了變數(概念)，因為token沒對。吃飯後更正

文件名叫無限劍制.sh。

其實這本質上是一個函數單參數，然後有兩種倒裝運算的Lisp。

下午有課，解釋器等下。

語法是這樣的。

lambda定義是用由開頭，後面跟一個字，或者一個方括弧括起來的詞，表示參數，再後面跟一個具象，你把它理解為表達式即可。

調用函數的形式是以以字開頭，後面跟參數，參數是一個具象(剛剛發現上面寫錯了。上面的圖其實用的是概念這個Ast，是錯的，但是生成Ast階段是不報錯的，在Ast解析時，這個位置的類型不是具象的話，會拋出異常)。再跟一個表達式，這個表達式得到的結果將調用前面這個參數。所有的函數都是單參數的，很洋氣:)

然後倒裝句有於、所、作為三種，其中於和所的優先順序是一樣的，作為比他們靠後。

[吾身](乃( 劍(所(天成)) ) ) # 劍所天成是會結合成一個表達式，然後用被乃調用 (人)作為((天)所(寵幸)) # 這裡就是優先順序的體現了。

Emmmmm

想了一晚上還是加一句... 可以的話，github上給這項目加個星吧。

thautwarm/EBNFParser

畢竟也確實能方便到有些工作。個人也覺得挺好玩的。

以下原文

這個問題突然提起了我對所謂中文編程的興趣。之前見過的都是些符號替換，實在沒有半點興趣。
然後我今天早上看到大v輪的答案，他說把token搞成單一字元拆分(這個其實很有趣)，然後給了自己的語言的例子。然後我來了一點靈感。
我想理想中大概是這樣的

&>&> 以我為0，以你為1，問以我加你是為你？ =&> 是 &>&> 有年為天，干，地，支 #容器 &>&> 以吾之事為由某年言若某年是為天則1而若某年是為地則2否則3 # let一個lambda # 以吾之事為由某年言若某年是為天則1 而若某年是為地則2 否則3 # 這個語法在我後來的實現里改了，詳見更新寫的 &>&> 以年之天行吾之事 =&> 1

上面這些都很好做(吃完飯放解釋器)，問題在於這些例子:
以1加2
以人余聖
解析時，怎麼判斷1加2不是符號，以及人余妖不是符號。怎麼把他們解析成
以(1)(加)(2)
以(人)(余)(聖)

我解決思路應該非常清真，全部單子化
以具象行具象，等於
具象(具象)
那麼上面的以1加2就是
以1行以2行加

加 :: Int -&> Int -&> Int

好的，答題前其實還沒想清楚，答題後已經搞定。

可以用數學教材當中常用的中文描述，比如

定義 f（名字，次數）：

取i從範圍（次數）：

輸出「你好世界」，名字

f（「用戶」，2）

主要的優點：

可以省略空格（但是分詞演算法可能會很複雜）

主要的缺點：

輸入真TM累，如果有輔助的輸入法的話可能能好一點

附關鍵字：

若否則若否則

取（變數）從（範圍）

當（條件）

繼續

跳出

嘗試拋出捕捉（為）否則最終

定義

交出（yield）

類

……

把 APL 漢化了就行了（逃

為什麼不願意搜一下尼？

蕭涵：為什麼程序都要用英文寫，中文不行嗎？

我就問一句，用英文直接敲代碼就好，用中文開著輸入法你不嫌打字慢嘛？

火了這麼多年的易語言你們都沒聽說過？？？

洛谷P1001 A+B Problem的一篇討論

你自己看看這群……hhhhhhhhhh

你可以用拼音的。

編程語言就是一門語言，有自己的語法，並不是英文，只是利用了ascii碼

更新一下 Python 怎麼加中文token

1.90%語法，可以按下面方法加同義的中文token
以while為例
第1步. 編譯pgen
cd到python的源代碼目錄下，
./configure
make Parser/pgen

第2步. 修改 ./Grammar/Grammar，添加同義詞並生成語法代碼。
原文：
while_stmt: "while" test ":" suite ["else" ":" suite]
改為：
while_stmt: ("while"|當) test ":" suite [("else"|另) ":" suite]
執行
./Parser/pgen ./Grammar/Grammar ./Include/graminit.h ./Python/graminit.c

之後 make 編譯python即可。

中文的py文件也需要保存為UTF-8格式。

2.還有一較複雜語法在/Python/ast.c 里有輔助解析

例如

comp_op: ... |"in"|"not" "in"|"is"|"is" "not"

改為 comp_op: ... |("in"|在)|("not" "in"|不在)|("is"|為)|("is" "not"|不為)

在ast.c里的 ast_for_comp_op 中

if (NCH(n) == 1)

switch (TYPE(n))

case NAME

/******添加如下代碼*******/

if (strcmp(STR(n), "在") == 0)

return In;

if (strcmp(STR(n), "不在") == 0)

return NotIn;

if (strcmp(STR(n), "為") == 0)

return Is;

if (strcmp(STR(n), "不為") == 0)

return IsNot;

其實從源代碼我們可以看出來，comp_op原來的判斷是token有兩個單詞的話，第二個單詞為in返回NotIn，第一個單詞為is返回IsNot。

3.內置函數中文化

在/Python/bltinmodule.c中的builtin_methods[]中添加

以print為例，將含"print"的一行複製粘貼，替換第二行的"print"為"列印"即可

其他的還有一些宏，展開看一下，就明白了。

/*********************************/

我用clang做了一個與C++、C兼容的純中文的編譯器

swizl/cnlang

其實就是加token

在/include/clang/Basic/TokenKinds.def 中用ALIAS添加中文關鍵字

在 /lib/Basic/IdentifierTable.cpp 中加個頭文件 #include "llvm/ADT/StringSwitch.h"

例如

KEYWORD(char, KEYALL)

ALIAS("字", char, KEYALL)

在 tok::PPKeywordKind IdentifierInfo::getPPKeywordID() const 里用llvm::StringSwitch添加中文宏

例如

//default: return tok::pp_not_keyword;

default: return llvm::StringSwitch&(Name)

.Case("如", tok::pp_if)

.Case("定義", tok::pp_define)

.Default(tok::pp_not_keyword);

至於llvm/clang的編譯方法，網上一堆。

還用tinycc做了個中文自舉編譯器，也是加token。

再把源代碼里的關鍵字都替換掉。

swizl/tinycc_cn 添加了中文token的tinycc

swizl/tinycc_zh 關鍵字全換了的tinycc，用tinycc_cn編了之後，可以自舉

#include&


#define shiyong using

#define minmingkongjian namespace

#define changliang const

#define zhengxing int

#define changzheng long long

#define wufuhao unsigned

#define buer bool

#define ruguo  if

#define xunhuan for

#define mo %

#define jiashang   +

#define jianqu   -

#define chengyi   *

#define chuyi    /

#define zuiyi    haiyaoshuchu

#define youyi    dayu  dayu

#define haiyou   ,

#define canshukaishi (

#define canshujieshu )

#define jieshubencixunhuan continue

#define tiaochuxunhuan break

#define zhuhanshu main

#define fanhui return

#define fuzhi  =

#define dengyu  =

#define wancheng  ;

#define kaishi  {

#define jieshu  }

#define biaozhunku std

#define jiegouti struct

#define lei class

#define duilie queue

#define shuangduanduilie deque

#define zhan stack

#define youxianduilie priority_queue

#define zhuhanshu main

#define zifuchuan string

#define shuru cin

#define shuchu cout

#define yaoshurude  &>&>

#define yaoshuchude  &<&<
#define haiyaoshuchude  &<&<
#define haiyaoshurude &>&>

#define xiaoyu &<
#define dayu  &>

#define de   .

#define bufanhui void

#define kongde bufanhui

#define neilian inline

#define youhua __attribute__((__optimize__("-O4")))

#define zijia   ++

#define zairuguo else  ruguo

#define bumanzu else

#define quandengyu   ==

#define jiaguoqu   +=

#define jianguoqu  -=

#define chengguoqu   *=

#define chuguoqu  /=

#define moguoqu   %=

#define xiaoyudengyu  &<=
#define dayudengyu   &>=

#define huozhe  ||

#define bingqie

#define budengyu  !=

#define hangjieshule endl

#define manzutiaojianjiuxunhuan while

#define qudizhi

#define paixu sort

#define fanhui return

#define zhuhanshu main

shiyong minmingkongjian biaozhunku ; zhengxing a , b; zhengxing zhuhanshu canshukaishi canshujieshu kaishi shuru yaoshurude a; shuru yaoshurude b; shuchu yaoshuchude canshukaishi a jiashang b canshujieshu ; fanhui 0; jieshu

一份putong的a + b

（別打我哈哈哈哈哈哈哈哈哈）

當然是用lisp的宏呀

給我一個Chinese.h就行

在程序員眼中，int,if,true等這些並不是英語，而是計算機語。

你們煩不煩啊，這種提問都是月經題了吧。先去了解易語言再談別的好不好？

中文編程語言之Z語言初嘗試: ZLOGO 4

已經商用的日語編程語言, 語法還是有點接近自然語言的: 日語編程語言"撫子" - 第三版特色初探

還遠未實現的中文彙編編譯器原型. 基於現有開源彙編器漢化關鍵詞開始應該會省力的多. 當時是想從頭做一個編譯器, 順便在Java中實踐中文命名. 對x64體系和intel指令的認識有限, 生成二進位碼時遇到瓶頸. 項目已擱置.

設想的效果圖(中英對比):

為什麼ruby一個日本人發明的卻用英文，為什麼python是荷蘭人發明卻用英文，為什麼易語言沒有走向世界。
對不起偏題了但是就想表達一下。

用中文變成意義不大，弊大於利。設計一門中文變成語言不難，以前就有e語言啊，但是一門編程語言用什麼文字書寫區別不大因為就那麼幾個關鍵字。重要的事學習資料是中文還是英文，社區是中文還是英文

中文編程已經有了很久了，丙正正這門語言就是中文版的C++,只是因為沒人使用，所以沒發展起來