一种优化GCC抽象语法树方法.docVIP

一种优化GCC抽象语法树方法 　　由于GCC抽象语法树包含许多有助于编译的细节信息，提出一种优化抽象语法树结构关系的方法，消除冗余结点。通过实验证明了算法的正确性和适用性 【关键词】抽象语法树 结点优化 结点冗余 1 引言 GCC（GNU Compiler Collection）编译器是美国自由软件基金会（Free Software Foundation，FSF）开发的编译器，它能够支持 C， C++， Objective-C， Fortran， Java 和 Ada 等程序设计语言，同时能够运行在 x86， x86-64， IA-64， PowerPC， SPARC 和 Alpha 等几乎目前所有的硬件平台上。由于GCC 开放源代码的特点， 对最新的C++标准（ ISO/IEC 1998） 的良好支持， 以及 GCC 编译代码的高效性，使其受到广大程序员的认可， 成为Linux、Unix和Windows操作系统平台上C/C++标准的编译器 抽象语法树（Abstract syntax tree）是程序编译阶段的一种中间表示形式。作为一种良好的中间表示，AST比较直观地表示出源程序的语法结构，含有源程序结构显示所需的全部静态信息，并具有较高的存储效率。AST的结构不依赖于源语言的文法，也就是语法分析阶段所采用的上下文无关文法，因此，AST被许多编译器选作程序的中间表示形式，用于编译的语义分析阶段。在AST 的基础上，还可以进行程序优化，生成机器代码，也可以生成控制流?p数据流图，而且在程序分析等其它领域也具有广泛的应用 2 AST结构 GCC 编译器以源程序的过程为单位生成AST，而且包含整个编译单元的完整表示。AST是GCC编译器前端的中心数据结构，比较直观地表示出源程序的语法结构，并含有源程序结构显示所需的全部静态信息。从GCC编译器3.0版本开始，用编译参数-fdump-translation-unit可以得到*.tu的以文本形式输出的AST文件，其中*为源程序名，一个结点的AST结构如图1所示，一个AST文本由若干个这样的结点组。AST的结点类型包括以下7种： （1）标识符结点（identifiers）； （2）类型结点（types）； （3）声明结点（declarations）； （4）函数结点（functions）； （5）范围结点（scope）； （6）语句结点（statements）； （7）表达式结点（expressions） GCC的AST文件存储方式是首先对此AST上的每一个结点编号，然后每一个结点对应一条记录项，每个记录项以“@”开始，@后是该结点的索引。该结点包含的信息主要有变量的名字（name）、变量的类型（type）、该变量在属于哪一个函数（scpe）、源代码的文件名及在程序中的位置（srcp）等，其中@3584 称作结点编号，它是抽象语法树上区分该结点的唯一标志，也是访问该结点的索引。其后是结点标识符和结点标记的序列。结点标识符是该节点的名称，代表了该结点的含义， @3584 结点的结点标识符为var_decl。其余部分为结点标记的列表，每个结点标记形如：name ： @3590。结点标记的列表记录了该结点连接到其他结点的所有分支，每个结点标记对应一个分支。结点标记由标记标签和标记值组成，标记值可以为空。标记标签是该分支的名称，标记值是该分支连接的目标。@3584结点的第一个结点标记是name ： @3590 ，name 为标记标签， @3590为标记值，代表该结点第一个分支是name 分支，其指向目标为@3590 结点 GCC 产生的抽象语法树文本规模庞大，不适合直接进行代码分析，所以需要先优化抽象语法树文本中的冗余信息，过滤跟源程序无关的结点。编译器的目的是将高级语言转化为汇编代码，故而， GCC 产生的抽象语法树文本中包含许多有助于编译的细节信息，例如由#include 命令产生的未被源程序用到的函数及结构，以及编译过程中产生的一些内部函数、类型声明、出错信息、常量等，这些信息属于无用信息，不利于代码分析。在数量上，一个七行代码的加法运算程序，能产生三千五百多条的抽象语法树文本，如果直接解析抽象语法树文本，最终产生的AST会占据整个内存，产生内存“泄漏” 3 抽象语法树优化方法 3.1 优化目标 为了提高从GCC抽象语法树中提取静态信息的效率，优化的目标是消除抽象语法树中所有不能表达程序含义的信息，既消除抽象语法树文本中与程序无关的抽象语法树结点 3.2 优化思想 确定AST中的结点是否为有用结点，主要经过以下两个步骤： Step1 对AST文本遍历，选择含有源程序含义的有用结点：