Lec 4中间表示（OPP）

讲义完成更新于 2026-09-16

承接Lec 3 · 自顶向下分析（Top-Down Parsing）

后续Lec 5 · 语义分析（Semantic Analysis）

Lec 04 中间表示（OPP）

配套复习课：R3 解析器生成器（ANTLR4，见末节）；本讲为 Phase 2 项目（IR + 语义检查）的核心参考：Cooper et al., Ch.5 中间表示；§ 名字空间 / 命名环境

TL;DR

高层 IR 保留语言结构以便分析，低层 IR 逐步显式化内存、控制流和机器操作，两者承担不同的工程职责。
符号表将标识符映射到类型、作用域、偏移、签名和代码位置，是从 AST 进入语义分析与代码生成的桥梁。
对象布局、活动记录和方法表把面向对象抽象固化为运行时数据，从而支持继承与动态分派。

1. 程序表示的目标（Program Representation Goals）

中间表示 (intermediate representation, IR) 服务两大目标：

支持程序分析与变换：语义检查、正确性检查、优化。
结构化地组织"翻译到机器码"的过程：把一步到位的翻译拆成若干小步。

典型多级降级流水线：

语法树 (Parse Tree)
   │  语义分析 (Semantic Analysis)
   ▼
高层中间表示 (High-Level IR)
   ▼
低层中间表示 (Low-Level IR)
   ▼
机器码 (Machine Code)

定义（高层 IR vs . 低层 IR）

High-Level IR：保留对象结构、保留结构化控制流；首要目标是分析程序。
Low-Level IR：把数据模型搬到扁平地址空间，消除结构化控制流；适合低层任务——寄存器分配、指令选择。 :::

2. 对象的运行期表示

理解 IR 前，先看程序运行时对象在内存里长什么样。以向量类为例：

class vector {
    int v[];
    void add(int x) {
        int i;
        i = 0;
        while (i < v.length) { v[i] = v[i]+x; i = i+1; }
    }
}

数组表示：元素连续存储，第一个字 (first word) 存长度，随后是元素。
对象表示：第一个字指向类信息 (Class Info)——方法表、垃圾回收数据；后续字是对象字段（对 vector，下一个字是数组引用）。

2.1 方法调用的活动记录（Activation Record）

执行 vect.add(1) 时在栈上创建活动记录：

把 this 压栈；
把参数（1 给 x）压栈；
为局部变量（i）在栈上留空间。

随后逐句执行 i=0; while(...) v[i]=v[i]+x; i=i+1;，数组元素被就地更新（如 3 7 4 8 → 3 8 5 9）。

编译器要做什么才能让这一切成立？确定对象/数组格式、确定调用栈格式、生成读/写值的代码（this、参数、局部、数组元素、字段）、生成求表达式与控制构造的代码。

3. 符号表：编译的关键概念（Symbol Tables）

符号表把标识符（字符串）映射到描述符（关于标识符的信息）。基本操作是 Lookup：给定字符串找描述符，典型实现是哈希表。

3.1 符号表的层级（Hierarchy）

层级来自两个来源：嵌套作用域（局部作用域嵌在字段作用域里）和继承（子类嵌在父类里）。Lookup 沿层级向上查找，直到找到描述符。

vector.add 内部的查找层级：

局部 i  → Locals 符号表
参数 x  → Parameters 符号表（其父为 Fields 符号表）
字段 v  → Fields 符号表
this    → （特殊）this 描述符

查 v[i] = v[i]+x 中的 i：先查 Locals 找到；查 x：Locals 没有 → 上溯 Parameters 找到。

3.2 各类描述符（Descriptors）内容

描述符存代码生成与语义分析所需信息：

局部描述符：名字、类型、栈偏移（stack offset）
字段描述符：名字、类型、对象内偏移（object offset）
方法描述符：签名（返回值/接收者/参数类型）、对局部符号表的引用、对方法代码的引用

3.3 整体符号表结构

定义（符号表的总体组织）

程序符号表（类名 → 类描述符）
类描述符：含字段符号表（父表为超类字段符号表）+ 方法符号表（父表为超类方法符号表）+ 对父类描述符的引用
方法描述符：含局部变量符号表（其父为参数符号表，参数符号表父为接收者类的字段符号表）+ 方法代码引用
类型符号表：基类型描述符（int、boolean）、数组类型描述符（含元素类型引用）、类描述符 :::

4. 在高层 IR 中表示代码

基本思路：向汇编靠拢，但保留高层结构——对象格式、结构化控制流、参数/局部/字段的区分。用汇编的高层抽象：load / store 节点访问抽象的局部/参数/字段，而非直接内存地址。

4.1 表达式：表达式树（Expression Trees）

内部节点是运算（+、-…），叶子是 load 节点表示变量访问：

::: definition 定义（load 节点种类）

ldf：字段访问（field descriptor，隐式访问 this）
ldl：局部变量访问（local descriptor）
ldp：参数访问（parameter descriptor）
lda：数组访问（含"数组表达式树" + "下标表达式树"）
len：数组长度运算（如 v.length） :::

例题（表达式 v[i]+x 的 IR 树）

+
       / \
     lda  ldp x        // ldp x：参数 x
    /   \
ldf v   ldl i          // ldf v：字段 v；ldl i：局部 i

即"取数组 v 的第 i 个元素，再加参数 x"。

4.2 赋值：store 节点

stf：存字段（字段描述符 + 值表达式树）
stl：存局部（局部描述符 + 值表达式树）
sta：存数组元素（数组表达式树 + 下标表达式树 + 值表达式树）

4.3 过程调用

call 语句引用被调方法的方法描述符，并带参数列表（this 是第一个参数）。例 vect.add(1)：call 节点下挂 ldl vect（接收者）与常量 1，引用 vector 类方法符号表中 add 的方法描述符。

4.4 控制流：语句节点

sequence 节点：第一条语句 + 下一条语句
if 节点：条件表达式树 + then 语句节点 + else 语句节点
while 节点：条件表达式树 + 循环体语句节点
return 节点：返回值表达式树

例

例题（while (i < v.length) v[i]=v[i]+x; 的 IR，简记法）

while
 ├─ 条件:  <
 │         ├─ ldl i
 │         └─ len ─ ldf v
 └─ 体:    sta
            ├─ ldf v          // 目标数组
            ├─ ldl i          // 下标
            └─ +
                ├─ lda
                │   ├─ ldf v
                │   └─ ldl i
                └─ ldp x

5. 从 AST 构建符号表与 IR

AST → 符号表：递归遍历树，访问节点时逐步建立符号表（类→字段/方法→参数→局部）。
AST → IR：递归遍历，自底向上构建——在符号表里查标识符 → 建 load 节点 → 用 load 与运算节点组装表达式 → 为赋值建 store 节点 → 把 store 与控制流节点组合。

构建 IR 的三种工程路线：(a) 解析得具体树→转 AST→转 IR；(b) 解析直接得 AST→转 IR；(c) 把 IR 构建直接揉进解析过程。

6. 继承与动态分派（Inheritance & Dynamic Dispatch）

class point { int c; int getColor(){return c;} int distance(){return 0;} }
class cartesianPoint extends point { int x,y; int distance(){return x*x+y*y;} }
class polarPoint extends point { int r,t; int distance(){return r*r;} int angle(){return t;} }

6.1 字段布局

每个对象是一段连续内存，继承层级的字段按顺序排布：polarPoint 对象 = [Class Info][c][r][t]，cartesianPoint = [Class Info][c][x][y]。子类字段紧接父类字段之后——保证了"子类对象可当父类用"时父类字段偏移不变。

6.2 动态分派问题

Point p;
if (...) p = new point();
else if (...) p = new cartesianPoint(x,y);
else p = new polarPoint(r,t);
y = p.distance();    // 调哪个 distance？

定义（动态分派与方法表）

被调用的方法取决于接收者的运行期类型 (type of receiver)。实现机制是方法表 (method table)：编译器在每个继承层级内给方法编号（getColor=0, distance=1, angle=2），调用点访问方法表中对应编号的条目。该机制仅适用于单继承，不支持多继承、多分派或接口。

6.3 静态查找 vs. 动态查找

定理（静态查找与动态查找可能不同）

静态查找：编译期做，用于类型检查与代码生成；以方法名为索引，从接收者声明类型的方法符号表起，沿层级上溯，可能跨多张表。
动态查找：运行期做，用于分派调用；以方法编号为索引，只访问一张表的一个元素。

例：point p = new cartesianPoint(); p.distance(); ——静态查找在 point 表里定位 distance（用于类型检查），动态分派实际调用 cartesianPoint 的 distance。

7. 补充（R3）：解析器生成器（Parser Generator）

L2–L3 讲的是手写递归下降（自顶向下）；与之对偶的工程路线是用解析器生成器（自底向上的 LR/LL 工具）。

定义（解析器生成器的取舍）

不用的理由：通常比手写递归下降慢；复杂语言难以正确指定。
用的理由：生成"正确"的代码；适合原型；词法/语法错误处理"白送"；无需处理被改造（hacked）的具体语法树，可直接产 AST。 :::
ANTLR4（ANother Tool for Language Recognition）：业界标准，LL(*)——从左到右、最左推导、（近似）无限前看、自适应处理左递归；一份文法可生成多语言目标（Java/Scala、TypeScript、Go、C++、C#、Python、Swift…）。
Rust 项目推荐用 Tree-sitter。

IR 和符号表一起决定编译器后半程能问什么问题。若过早丢掉类型、作用域或对象布局信息，后续 pass 只能用更昂贵且更不精确的分析重建它们。

8. IR、符号表与运行时表示小结

IR 的两大目标：支持分析/变换、结构化降级；高层 IR 留结构（分析友好），低层 IR 扁平化（后端友好）。
运行期对象 = [类信息][字段…]，数组首字存长度；调用建活动记录（this、参数、局部）。
符号表把标识符映射到描述符，按作用域/继承分层，Lookup 上溯；描述符记录类型、偏移、签名、代码引用。
高层 IR 用表达式树（load/运算）+ store 节点 + 结构化控制流节点；从 AST 自底向上构建。
继承下字段顺序布局；动态分派靠方法表（按编号一次索引），静态查找按名上溯——两者结果可不同。