编译器如何编译自己？

Question

我正在http://coffeescript.org/ 网站上研究 CoffeeScript，它有文字

CoffeeScript 编译器本身是用 CoffeeScript 编写的

编译器如何编译自己，或者这个语句是什么意思？

Answer 1

编译器的第一版不能由特定于它的编程语言机器生成；你的困惑是可以理解的。第一个编译器可以构建具有更多语言功能的更高版本的编译器（用新语言的第一个版本重写源代码）。然后该版本可以编译下一个编译器，依此类推。这是一个例子：

1. 第一个 CoffeeScript 编译器是用 Ruby 编写的，产生了 CoffeeScript 版本 1
2. CoffeeScript 1 重写了 CS 编译器的源代码
3. 原始 CS 编译器将新代码（用 CS 1 编写）编译成编译器的版本 2
4. 对编译器源代码进行了更改以添加新的语言功能
5. 第二个 CS 编译器（第一个用 CS 编写的）将修改后的新源代码编译成版本 3 的编译器
6. 每次迭代重复第 4 步和第 5 步

注意：我不确定 CoffeeScript 版本的编号方式，这只是一个示例。

这个过程通常被称为bootstrapping。引导编译器的另一个示例是rustc，它是Rust language 的编译器。

Answer 2

在论文Reflections on Trusting Trust 中，Unix 的创始人之一 Ken Thompson 写了一篇引人入胜（且易于阅读）的关于 C 编译器如何编译自身的概述。类似的概念可以应用于 CoffeeScript 或任何其他语言。

编译自己的代码的编译器的想法有点类似于quine：源代码在执行时会生成原始源代码作为输出。 Here is one example CoffeeScript quine。 Thompson 举了一个 C quine 的例子：

char s[] = {
    '\t',
    '0',
    '\n',
    '}',
    ';',
    '\n',
    '\n',
    '/',
    '*',
    '\n',
    … 213 lines omitted …
    0
};

/*
 * The string s is a representation of the body
 * of this program from '0'
 * to the end.
 */

main()
{
    int i;

    printf("char\ts[] = {\n");
    for(i = 0; s[i]; i++)
        printf("\t%d,\n", s[i]);
    printf("%s", s);
}

接下来，您可能想知道编译器是如何被告知像'\n' 这样的转义序列表示 ASCII 代码 10。答案是在 C 编译器的某个地方，有一个解释字符文字的例程，其中包含一些类似这样的条件识别反斜杠序列：

…
c = next();
if (c != '\\') return c;        /* A normal character */
c = next();
if (c == '\\') return '\\';     /* Two backslashes in the code means one backslash */
if (c == 'r')  return '\r';     /* '\r' is a carriage return */
…

所以，我们可以在上面的代码中添加一个条件……

if (c == 'n')  return 10;       /* '\n' is a newline */

... 生成一个知道 '\n' 代表 ASCII 10 的编译器。有趣的是，该编译器，以及由它编译的所有后续编译器，“知道”该映射，因此在下一代源代码，你可以把最后一行改成

if (c == 'n')  return '\n';

……它会做正确的事！ 10 来自编译器，不再需要在编译器的源代码中显式定义。¹

这是在 C 代码中实现的 C 语言功能的一个示例。现在，对每一个语言特性重复这个过程，你就有了一个“自托管”编译器：一个用 C 编写的 C 编译器。

---

¹ 论文中描述的情节转折是，由于编译器可以像这样“教导”事实，它也可能被错误教导以一种难以生成的方式生成木马可执行文件检测，并且这种破坏行为可以持续存在于受污染的编译器生成的所有编译器中。

Answer 3

您已经得到了很好的答案，但是我想为您提供一个不同的视角，希望对您有所启发。让我们首先确定两个我们都可以同意的事实：

1. CoffeeScript 编译器是一个可以编译用 CoffeeScript 编写的程序的程序。
2. CoffeeScript 编译器是用 CoffeeScript 编写的程序。

我相信您会同意 #1 和 #2 都是正确的。现在，看看这两种说法。你现在看到CoffeeScript编译器能够编译CoffeeScript编译器是完全正常的吗？

编译器并不关心它编译的什么。只要是用 CoffeeScript 编写的程序，就可以编译。而 CoffeeScript 编译器本身恰好就是这样一个程序。 CoffeeScript 编译器并不关心它正在编译的是 CoffeeScript 编译器本身。它所看到的只是一些 CoffeeScript 代码。期间。

编译器如何编译自己，或者这个语句是什么意思？

是的，这正是那句话的意思，我希望你现在能明白那句话是如何正确的。

Answer 4

编译器如何编译自己，或者这个语句是什么意思？

就是这个意思。首先，有几点需要考虑。我们需要查看四个对象：

• 任意 CoffeScript 程序的源代码
• 任意 CoffeScript 程序的（生成的）程序集
• CoffeScript 编译器的源代码
• CoffeScript 编译器的（生成的）程序集

现在，很明显，您可以使用 CoffeScript 编译器生成的程序集（可执行文件）来编译任意 CoffeScript 程序，并为该程序生成程序集。

现在，CoffeScript 编译器本身只是一个任意的 CoffeScript 程序，因此，它可以被 CoffeScript 编译器编译。

您的困惑似乎源于这样一个事实：当您创建自己的新语言时，您没有编译器，但您可以使用它来编译您的编译器。这肯定看起来像一个鸡蛋问题，对吧？

介绍名为bootstrapping的进程。

1. 您使用已经存在的语言编写编译器（如果是 CoffeScript，原始编译器是用 Ruby 编写的），可以编译新语言的子集
2. 您编写的编译器可以用新语言本身编译新语言的子集。您只能使用上述步骤中的编译器可以编译的语言功能。
3. 您使用第 1 步中的编译器来编译第 2 步中的编译器。这会留下一个最初用新语言的子集编写的程序集，并且能够编译新语言的子集。

现在您需要添加新功能。假设你只实现了while-loops，还想要for-loops。这不是问题，因为您可以重写任何for-loop，使其成为while-loop。这意味着您只能在编译器的源代码中使用while-loops，因为您手头的程序集只能编译它们。但是你可以在你的编译器中创建函数，用它来编译for-loops。然后使用已有的程序集，编译新的编译器版本。现在你有了一个编译器的程序集，它也可以解析和编译for-loops！您现在可以返回编译器的源文件，并将您不想要的任何 while-loops 重写为 for-loops。

冲洗并重复，直到可以使用编译器编译所需的所有语言功能。

while 和 for 显然只是示例，但这适用于您想要的任何新语言功能。然后你就处于 CoffeScript 现在的情况：编译器自己编译。

那里有很多文学作品。 Reflections on Trusting Trust 是一本经典，每个对该主题感兴趣的人都应该至少阅读一次。

Answer 5

一个小而重要的说明

这里的术语编译器掩盖了涉及两个文件的事实。一个是可执行文件，它将用 CoffeScript 编写的输入文件作为输入文件，并生成另一个可执行文件、可链接目标文件或共享库作为其输出文件。另一个是 CoffeeScript 源文件，它恰好描述了编译 CoffeeScript 的过程。

您将第一个文件应用于第二个文件，生成第三个文件，该文件能够执行与第一个文件相同的编译操作（如果第二个文件定义了第一个文件未实现的功能，则可能更多），因此可以替换如果您愿意，请先。

Answer 6

1. CoffeeScript 编译器最初是用 Ruby 编写的。
2. CoffeeScript 编译器随后用 CoffeeScript 重新编写。

由于 CoffeeScript 编译器的 Ruby 版本已经存在，它被用来创建 CoffeeScript 编译器的 CoffeeScript 版本。

这称为self-hosting compiler。

这非常普遍，通常是由于作者希望使用自己的语言来维持该语言的发展。

Answer 7

这里不是编译器的问题，而是语言表达能力的问题，因为编译器只是用某种语言编写的程序。

当我们说“一种语言被编写/实现”时，我们实际上是指该语言的编译器或解释器已经实现。有一些编程语言，您可以在其中编写实现该语言的程序（相同语言的编译器/解释器）。这些语言称为universal languages。

为了能够理解这一点，想想金属车床。它是用来塑造金属的工具。仅使用该工具，就可以通过创建其零件来创建另一个相同的工具。因此，该工具是通用机器。当然，第一个是使用其他方式（其他工具）创建的，并且可能质量较低。但是第一个是用来构建精度更高的新的。

3D 打印机几乎是一台万能机器。您可以使用 3D 打印机打印整个 3D 打印机（您无法构建熔化塑料的尖端）。

Answer 8

归纳证明

归纳步骤

编译器的第 n+1 个版本是用 X 编写的。

因此它可以被第n个版本的编译器编译（也是用X写的）。

基本情况

但是用X写的第一个版本的编译器必须要编译 由使用非 X 语言编写的 X 编译器执行。此步骤称为引导编译器。

Answer 9

编译器采用高级规范并将其转换为低级实现，例如可以在硬件上执行。因此，除了目标语言的语义之外，规范的格式与实际执行之间没有任何关系。

交叉编译器从一个系统转移到另一个系统，跨语言编译器将一种语言规范编译成另一种语言规范。

编译基本上是一个公正的翻译，级别通常是高级语言到低级语言，但有很多变体。

Bootstrapping 编译器当然是最令人困惑的，因为它们会编译它们所使用的语言。不要忘记引导的初始步骤，它至少需要一个最小的现有可执行版本。许多自举编译器首先处理编程语言的最小特性，然后添加额外的复杂语言特性，只要新特性可以使用以前的特性来表达。如果不是这种情况，则需要事先用另一种语言开发“编译器”的那一部分。

Answer 10

虽然其他答案涵盖了所有要点，但我认为不包括可能是已知的最令人印象深刻的编译器示例，该编译器是从自己的源代码引导的。

几十年前，一个名叫 Doug McIlroy 的人想为一种名为 TMG 的新语言构建一个编译器。他用纸和笔写出了一个简单的 TMG 编译器的源代码……用 TMG 语言本身。

现在，只要他有一个 TMG 解释器，他就可以使用它在自己的源代码上运行他的 TMG 编译器，然后他就会有一个可运行的机器语言版本。但是……他确实已经有TMG interpreter了！这是一个缓慢的，但由于输入很小，它会足够快。

Doug 在他眼窝后面的 TMG 解释器上运行了该论文上的源代码，并为其提供了与其输入文件完全相同的源代码。随着编译器的工作，他可以​​看到从输入文件中读取的标记，调用堆栈在进入和退出子过程时增长和缩小，符号表在增长......以及当编译器开始向其“输出”发出汇编语言语句时文件”，Doug 拿起笔，在另一张纸上写了下来。

编译器完成执行并成功退出后，Doug 将生成的手写汇编列表带到计算机终端，键入它们，然后他的汇编器将它们转换为可工作的编译器二进制文件。

所以这是“使用编译器自行编译”的另一种实用 (???) 方法：在硬件中实现工作语言，即使“硬件”是湿软的并且由花生酱三明治驱动！