想用用flex和bison寫個C的編譯器，應該如何處理C的宏？

01-13

對編譯原理不太熟悉，只看過一點《自製編程語言》，裡面的例子大部分也都能看明白，但是想寫個簡單的C的編譯器卻卡在了處理宏這裡，C的宏和正常代碼混雜在一起，我搞不清楚該如何寫詞法分析將他們分開。另外我怎麼加不上編譯原理這個話題啊...

處理宏的時候，你不要用正常的詞法分析器。按照規則，你得先替換，然後對替換後的字元串整個重新做一遍詞法分析，然後繼續替換。所以你很難用flex和bison來做。這部分你要獨立做出來，等你與處理結束了之後，才能進入正常的工作中。

宏可牛逼了，是圖靈完備的，不僅可以在替換的時候產生新的token，還能借用奇技淫巧做加減乘除。我覺得你現在想要搞肯定不可能做對，你先去看boost的preprocessor庫，看懂了之後再來做。

如果參考一個很簡單但完整的C編譯器，lcc：drh/lcc · GitHub

它是單獨寫了一個預處理器（C Pre-Processor，簡稱cpp）：lcc/cpp at master · drh/lcc · GitHub

源碼交給cpp做好預處理之後，再交給後面的編譯器主體去完成編譯。

對比cpp里的lexer與編譯器主體的lexer，可以看到兩者的詞法規則不完全一樣，所以才要分開寫。有興趣的話可以試試參考lcc的cpp里的lexer詞法規則來寫個flex版的——如果懶得讀規範的話。

（不過讀規範顯然更加正解 &>_&<）

這麼蛋疼的事顯然已經有人做過了：code golf - Create a C preprocessor

其它就跟前面幾個答案所說一樣。

C語言的token有PPToken 和Token之分。PPToken就是Preprocessor Token。它與C語言剩下部分的Token是不一樣的(不過仍然很相近)。所以正確的步驟是先以PPToken的詞法規則進行詞法分析，然後進行預處理。

預處理器的關鍵部分是宏展開和替換(而不是詞法分析)。其次也包括 #(stringize)， ##(glue)這樣的麻煩的東西。學習和掌握C預處理器的最有效辦法不是看一個現成的實現，也不是去看C11的規範，而是看這裡的偽代碼描述（wgtcc/cpp.algo.pdf at master · wgtdkp/wgtcc · GitHub）。原始出處還不太好找，這裡是我自己的副本。當初ISO標準委員會對預處理器的規範也是攪不清楚。最後是先寫出了這份函數式偽代碼，再根據它去制定宏展開和替換的規則。C11 標準文件裡面關於預處理器的部分很含糊，很多沒有講明白。看懂這份偽代碼，寫出一個work的預處理器是沒問題的了（偽代碼的翻譯相當直接）。

如果看完還不會寫，可以看看我的實現(https://github.com/wgtdkp/wgtcc/blob/master/src/cpp.cc)，才800行的預處理器。

宏是個特殊的詞法分析/替換的Pass。在這一遍不是考慮C的語法結構，而是有個特殊的詞法/語法分析過程，將directive和一般的token分開處理。

如果你不想去做這一部分，可以用C編譯器的Preprocessing功能或者是Boost.Wave幫助你處理宏。

寫個m4？

C的編譯過程中，首先有一步是預編譯，然後再是編譯，你要做的是編譯期的詞法與語法分析等，你直接交給預編譯器處理好預編譯過程，然後再來進行詞法分析，語法分析等編譯期的過程。

曾經玩過，說說我的實現思路：

1.把所有宏解析成函數,寫入指令集.

2.分析所有宏調用,按函數邏輯取值.

3.用計算好的值替換宏,消除已替換宏指令.

4.重複,直到所有宏被替換.

先單獨做一個預處理器或用現成的預處理器。

還是別想著寫完整的了，把一些核心feature先寫出來再說吧

想要練手只需要實現核心語法一般就夠了