抽象語法樹簡介

(一)簡介

抽象語法樹（abstract syntax code，AST）是原始碼的抽象語法結構的樹狀表示，樹上的每個節點都表示原始碼中的一種結構，這所以說是抽象的，是因為抽象語法樹並不會表示出真實語法出現的每一個細節，比如說，巢狀括號被隱含在樹的結構中，並沒有以節點的形式呈現。抽象語法樹並不依賴於源語言的語法，也就是說語法分析階段所採用的上下文無文文法，因為在寫文法時，經常會對文法進行等價的轉換（消除左遞迴，回溯，二義性等），這樣會給文法分析引入一些多餘的成分，對後續階段造成不利影響，甚至會使合個階段變得混亂。因些，很多編譯器經常要獨立地構造語法分析樹，為前端，後端建立一個清晰的介面。

抽象語法樹在很多領域有廣泛的應用，比如瀏覽器，智慧編輯器，編譯器。

(二)抽象語法樹例項

(1)四則運算表示式

表示式: 1+3*(4-1)+2

抽象語法樹為：

(2)xml

程式碼2.1：

1. <letter>
   
2.   <address>
   
3.     <city>ShiChuang</city>
   
4.   </address>
   
5.   <people>
   
6.     <id>12478</id>
   
7.     <name>Nosic</name>
   
8.   </people>
   
9. <
   /letter>

抽象語法樹

(3)程式1

程式碼2.2

1. while b != 0
   
2. {
   
3.     if a > b
   
4.         a = a-b
   
5.     else
   
6.         b = b-a
   
7. }
   
8. return a

抽象語法樹

(4)程式2

程式碼2.3

1. sum=0
   
2. for i in range(0,100)
   
3.     sum=sum+i
   
4. end

抽象語法樹

(三)為什麼需要抽象語法樹

當在源程式語法分析工作時，是在相應程式設計語言的語法規則指導下進行的。語法規則描述了該語言的各種語法成分的組成結構，通常可以用所謂的前後文無關文法或與之等價的

例如，四則運算表示式的文法為：

文法1.1

1. E->T|EAT
2. T->F|TMF
3. F->(E)|i
4. A->+|-
5. M->*|/

改為LL(1)後為：

文法1.2

1. E->TE'
2. E'->ATE'|e_symbol
3. T->FT'
4. T'->MFT'|e_symbol
5. F->(E)|i
6. A->+|-
7. M->*|/

例如，當在開發語言時，可能在開始的時候，選擇LL(1)文法來描述語言的語法規則，編譯器前端生成LL(1)語法樹，編譯器後端對LL(1)語法樹進行處理，生成位元組碼或者是彙編程式碼。但是隨著工程的開發，在語言中加入了更多的特性，用LL(1)文法描述時，感覺限制很大，並且編寫文法時很吃力，所以這個時候決定採用LR(1)文法來描述語言的語法規則，把編譯器前端改生成LR(1)語法樹，但在這個時候，你會發現很糟糕，因為以前編譯器後端是對LL(1)語樹進行處理，不得不同時也修改後端的程式碼。

抽象語法樹的第一個特點為:不依賴於具體的文法。無論是LL(1)文法，還是LR(1)，或者還是其它的方法，都要求在語法分析時候，構造出相同的語法樹，這樣可以給編譯器後端提供了清晰，統一的介面。即使是前端採用了不同的文法，都只需要改變前端程式碼，而不用連累到後端。即減少了工作量，也提高的編譯器的可維護性。

抽象語法樹的第二個特點為:不依賴於語言的細節。在編譯器家族中，大名鼎鼎的gcc算得上是一個老大哥了，它可以編譯多種語言，例如c，c＋＋，java，ADA，Object C， FORTRAN， PASCAL， COBOL等等。在前端gcc對不同的語言進行詞法，語法分析和語義分析後，產生抽象語法樹形成中間程式碼作為輸出，供後端處理。要做到這一點，就必須在構造語法樹時，不依賴於語言的細節，例如在不同的語言中，類似於if－condition－then這樣的語句有不同的表示方法

在c中為：

1. if(condition)
   
2. {
   
3.     do_something();
   
4. }

     在fortran中為：

1. If condition then
   
2.     do_somthing()
   
3. end if

在構造if－condition－then語句的抽象語法樹時，只需要用兩個分支節點來表於，一個為condition，一個為if_body。如下圖：

在源程式中出現的括號，或者是關鍵字，都會被丟掉。