从零构建编译器：编译原理实战指南与考试重点解析

1. 编译原理：从“天书”到“翻译官”的蜕变

很多同学一听到“编译原理”这四个字，头就大了，感觉像是计算机科学里最神秘、最艰深的一门课。教科书上满是形式语言、自动机、文法推导，看得人云里雾里。我当年学的时候也这么觉得，直到后来自己动手，从零开始写了一个小小的编译器，才恍然大悟：原来编译原理不是玄学，它就是一个超级翻译官的工作手册。你写的 printf("Hello, world"); 这段“天书”，是怎么一步步变成 CPU 能听懂的 0101 机器指令的？这个过程，就是编译。

简单来说，编译就是把用高级语言（比如 C、Java、Python）写的源代码，转换成低级语言（比如汇编语言或机器码）的过程。这个“翻译官”（编译器）可不是简单的一对一替换，它得理解源代码的语法结构、检查语义有没有错误、进行各种优化，最后生成高效的目标代码。整个过程就像一条精密的流水线，分为前端和后端两大阶段。前端负责“理解”源代码，包括词法分析、语法分析、语义分析，生成一种中间表示；后端则负责“翻译”成目标机器代码，包括代码优化和代码生成。前端是语言相关的，后端是机器相关的。理解了这个宏观流程，再去看那些具体的概念和技术，就不会觉得它们是无根之木了。

2. 词法分析：给源代码“分词”

想象一下，你拿到一篇没有空格和标点的英文文章，比如 "thisisatest"。你要理解它，第一步就是把它切分成有意义的单词："this", "is", "a", "test"。编译器的第一步——词法分析，干的就是这个活儿。它读入源代码的字符流，识别出一个个最小的、有意义的单元，我们称之为词法单元。

每个词法单元通常是一个二元组：<token-name, attribute-value>。token-name 是类别，比如是关键字、标识符、数字常量还是运算符；attribute-value 是具体的值。例如，对于源代码 int count = 100;，词法分析器会输出类似这样的序列：<KEYWORD, int>, <ID, "count">, <ASSIGN_OP, =>, <NUM, 100>, <SEMICOLON, ;>。

那么，编译器怎么知道哪里是一个词的边界呢？这就要靠正则表达式和有限自动机了。正则表达式用来描述单词的模式，比如标识符的模式可能是“字母开头，后跟字母或数字”。有限自动机（FA）则是识别这些模式的“机器”。这里有两个核心概念：NFA（非确定有限自动机）和