编译基础回顾：编译器工作流程
说到编译器，很多做重构的同学会觉得这是底层系统工程师才需要关心的事。但我个人的经验是——不懂编译流程，你连代码是怎么被“吃掉”的都不知道，重构时很容易踩坑。
今天我们就来聊聊编译器的工作流程。说白了，它就是把人类能读懂的代码，一步步翻译成机器能跑的东西。整个过程分为六个阶段：词法分析、语法分析、语义分析、中间代码生成、优化、目标代码生成。
1. 词法分析：把代码拆成“单词”
编译器做的第一件事，就是把你的源代码拆成一个个最小的语法单元——Token。Token 包括关键字（if、while）、标识符（变量名、函数名）、运算符（+、-）、字面量（数字、字符串）等等。
举个例子，对于代码 int a = 10 + b;，词法分析器会把它拆成：
Token: "int" (关键字)
Token: "a" (标识符)
Token: "=" (赋值运算符)
Token: "10" (整数字面量)
Token: "+" (加法运算符)
Token: "b" (标识符)
Token: ";" (分号)嗯，这里要注意——词法分析只关心“拆”，不关心“对不对”。比如你写了个 int 123abc = 0;，词法分析器照样会拆出 int、123abc、=、0、;。至于 123abc 是不是合法的标识符？那是后面语法分析的事。
2. 语法分析：检查句子结构
词法分析拆出了 Token 流，语法分析就要检查这些 Token 的组合是否符合语言的语法规则。它会把 Token 流组织成一棵抽象语法树（AST）。
你想想看，自然语言里“我吃饭”是合法句子，“饭吃我”就不对。编程语言也一样。int a = 10; 是合法的声明语句，int = a 10; 就不行。
语法分析器通常用上下文无关文法来描述语言结构。比如一个简单的赋值语句可以定义为：
assignment_stmt ::= type identifier '=' expression ';'
expression ::= term ( '+' term )*
term ::= identifier | number对于 int a = 10 + b;，语法分析会生成类似这样的 AST：
assignment_stmt
/ | | \
type id '=' expression
| | / | \
int a term '+' term
| |
10 bint a = "hello"; 在语法层面是合法的（赋值语句结构完整），但类型不匹配——那是语义分析要管的事。
3. 语义分析：检查代码有没有“意义”
语法分析通过了，不代表代码就是对的。语义分析要检查代码的静态语义——类型是否匹配、变量是否声明、作用域是否正确等等。
我举个例子：
int a = "hello"; // 语法正确，但语义错误（类型不匹配）
b = 10; // 语法正确，但语义错误（b 未声明）语义分析阶段会维护一个符号表，记录每个标识符的类型、作用域等信息。然后遍历 AST，检查每个节点的语义约束。
常见的语义检查包括：
- 类型检查：赋值、函数参数的类型是否匹配
- 作用域检查：变量是否在当前作用域内声明
- 唯一性检查：同一作用域内是否有重复声明
- 控制流检查：break/continue 是否在循环内
4. 中间代码生成：架起一座“桥梁”
语义分析之后，编译器会生成一种中间表示（IR）。它既不像源代码那么高层，也不像机器码那么底层。常见的 IR 形式有三地址码、SSA（静态单赋值形式）等。
为什么要多此一举？说白了，是为了解耦。前端（词法、语法、语义分析）只跟语言相关，后端（目标代码生成）只跟硬件平台相关。中间代码就是它们之间的桥梁。
比如 int a = 10 + b; 可能被翻译成这样的三地址码：
t1 = 10 // 加载常量
t2 = t1 + b // 加法运算
a = t2 // 赋值你可能会问：为什么不直接生成机器码？嗯，原因很简单——如果编译器要为每种语言和每种硬件都写一套完整的编译流程，那工作量就太大了。有了 IR，前端只需要生成 IR，后端只需要处理 IR，两者可以独立开发和优化。
5. 优化：让代码跑得更快
优化阶段是编译器最“聪明”的地方。它会在不改变程序语义的前提下，对中间代码进行各种变换，让最终生成的代码更高效。
常见的优化技术包括：
- 常量折叠：
a = 2 + 3→a = 5 - 死代码消除：删除永远不会执行的代码
- 循环优化：循环展开、循环不变式外提等
- 内联展开：将函数调用替换为函数体本身
举个例子，常量折叠：
// 优化前
int x = 10;
int y = x + 20;
int z = y * 2;
// 优化后（常量折叠 + 常量传播）
int x = 10;
int y = 30;
int z = 60;6. 目标代码生成：变成机器能懂的语言
最后一步，编译器把优化后的中间代码转换成目标机器的汇编代码或机器码。这一步涉及指令选择、寄存器分配、指令调度等复杂问题。
比如，对于 a = b + c 这个三地址码，在 x86 架构上可能生成：
mov eax, [b] ; 将 b 的值加载到 eax 寄存器
add eax, [c] ; 将 c 的值加到 eax
mov [a], eax ; 将结果存回 a而在 ARM 架构上，可能是：
ldr r0, [b] ; 加载 b 到 r0
ldr r1, [c] ; 加载 c 到 r1
add r0, r0, r1 ; r0 = r0 + r1
str r0, [a] ; 存储结果到 a你看，同样的逻辑，不同硬件平台的指令完全不同。这就是为什么中间代码这么重要——前端不用关心你是 x86 还是 ARM，后端也不用关心你写的是 C 还是 Java。
小结：这跟项目重构有什么关系？
你可能会想：我重构代码，了解编译器流程有什么用？
我个人的体会是——理解编译器的“思维方式”，能帮你写出更“友好”的代码。比如：
- 知道词法分析怎么拆 Token，你就不会写出让编译器“困惑”的代码（比如全角符号）
- 知道语法分析怎么建 AST，你就明白为什么某些语法结构会导致解析歧义
- 知道语义分析怎么查类型，你就懂得类型安全的重要性
- 知道优化阶段会做什么，你就不会写出“看似高效实则无用”的微优化
说白了，编译器是你代码的第一个“读者”。了解它的阅读习惯，你写出来的代码自然更干净、更可靠。