Stamon 文档站

回到首页
 回到上一级

AST-IR编码文件文档

注意：AST-IR规范相对于STVC-TAC规范是一种“更古老”的编码规范，我们建议编译器和虚拟机采用更先进的STVC-TAC规范。但AST-IR仍然是一种稳定，方便的格式。

前言

AST-IR（以下简称AstIr）是一种将抽象语法树（以下简称Ast）转为迭代表示方式的编码结构。

基于AstIr的编译器的基本运作原理是：在编译生成Ast后，将Ast转为AstIr的二进制编码文件，最后交给虚拟机运行，虚拟机将AstIr复原成Running-Ast数据结构（这种数据结构与编译器生成的Ast略有差别），然后递归执行。

有关Running-Ast的解释，我引用编译器开发文档的解释：

Ast和Running-Ast的区别就在于：Running-Ast的叶子节点皆为AstLeaf，而Ast非然。

不难见得，Running-Ast是为了适应AstIr而诞生的结构。

有关AstIr的结构示例，我已经在编译器开发文档中提及，因此我将其解释放到了文末的“AST-IR格式附注”中。

格式

一个AstIr文件结构由以下几种规则构成：

每个词法单元文件的开头必须要有两字节的二进制码：0xABDB，此魔数用于区分于其他文件
在0xABDB后面，必须要跟着三字节的版本号，对于版本号X.Y.Z，则必须依次跟着X，Y，Z的数值，各为一字节
在三字节的版本号后面，需要跟着常量表（有关常量表的叙述在“STVC-TAC二进制编码规范”中有提及，因此我将其解释放到了文末的“常量表附注”中）
常量表后面，需要跟着若干个AstIr的单元，如果有指定，还需在单元中穿插文件调试信息
无论是逻辑单元，数据单元还是结束单元，每个单元的二进制长度都是八字节，前四字节是单元的类型（以Ast.hpp的_AstType为准，特别的，结束单元的类型是-1）；后四字节是单元的数据，如果该单元是逻辑单元或结束单元，则后四字节默认为0，如果该单元是数据单元，则后四字节为数据的二进制存储（采用大端存储，以Python的大端存储为标准），数据单元的种类以文末的“数据单元附表”为准。
如果指定需要写入调试信息，则还需要遵循以下规则
- 在写入第一个单元之前，先写入该单元所在的文件和行号
- 若一个单元所在的文件与上一个单元不一样，则需要写入当前单元所在文件
- 若一个单元所在的行号与上一个单元不一样，则需要写入当前单元所在行号
- 写入当前单元所在行号，需要先写入四字节的数值-2，然后输出四字节的行号
- 写入当前单元所在文件，需要先写入四字节的数值-3，接着写入四字节的长度（文件名字节长度），最后逐字节地写入文件名

数据单元附表

单元类型	对应的数据
ast::AstAnonClass	isHaveFather
ast::AstExpression	ass_type
ast::AstBinary	getOperatorType()
ast::AstUnary	getOperatorType()
ast::AstPostfix	getPostfixType()

AST-IR格式附注

AstIr的格式和HTML的格式类似：由逻辑单元、数据单元和结束单元组成。一棵Ast可以通过深度优先遍历转为AstIr。

这样的描述也许会较为拗口，我们来看一个示例：

考虑以下Ast:
Add
|-a
|-Sub
|--b
|--1
该Ast可以转为以下AstIr：
<Add>         //此为逻辑单元，以此类推
<data val=a>  //此为数据单元，以此类推
<Sub>
<data val=b>
<data val=1>
<end>         //此为结束单元，以此类推
<end>
这段AstIr和上面的Ast本质上是等价的。这样只需将Ast转为AstIr，就能获得一系列单元，方便存入文件。

逻辑单元本质上就是Ast节点的非叶子节点，数据单元本质上就是Ast节点的叶子节点。

摘自编译器开发文档，2025年4月26日

常量表附注

一个常量表由常量表长度（占4字节）和若干个常量组成，其中常量又由常量类型（占1字节）和常量值组成：

其中每种类型的编码格式如下：

整数类型：占4字节，即数值
单精度浮点类型：占4字节，即数值
双精度浮点类型：占8字节，即数值
字符串类型：占4+len字节，其中前4字节记录字符串长度（即l，长度按字节计），后len字节为字符串值
标识符类型：占4+len字节，其中前4字节记录标识符长度（即len，长度按字节计），后len字节为标识符名

一个常量表下标默认为4字节。

摘自STVC-TAC二进制编码规范，2025年4月26日

查看该文件的提交记录