解析RISC-V程序集

最近，我需要为一个研究项目分析一些RISC-V汇编代码，然后计算一些基本指标，但我找不到合适的工具。好的，我将从一个较小的开放源码汇编器中获取一个解析器。这并不成功，因为我看到的那些使用粗糙的、基于正则表达式的解析器，这些解析器不维护有关结构的信息。

没问题，我会实现我自己的！让我查一下RISC-V汇编的语法...。哦，不，没有正式的吗？！等。除了指令集之外，语言本身甚至没有标准化，而且每个主要汇编语言都支持不同的符号和功能？

接受挑战！我的目标是编写一个支持GNU汇编程序(GAS)语法的解析器。

如果您正在寻找用于RISC-V程序集的手写词法分析器和解析器，可以构建解析树，并且没有任何第三方依赖项(例如，ANTLR或Yacc)，那么这是为您准备的。在为RISC-V制作自己的短绒、美容剂或汇编器时，它可能会很方便。或者，如果您需要更深入的解析教程，请参阅我的教程系列的第一部分：让我们做一个Teeny Tiny编译器。

解析器的源代码可以在GitHub上找到。如果你想了解更多关于RISC-V组件的知识，请看我同事的课堂讲稿。

大多数汇编语言的核心都非常简单。源文件由零个或多个标签、指令、指令和注释组成。我们可以用EBNF表示它，如下所示：

这样的语言将非常容易解析。在每行的开头，确定它是标签、指令、指令还是注释。让我们继续这样做，并扩展这些术语：

程序：：={Label|Instructive|Directive|Comment}标签：：=Symbol'；：'；指令：：=Symbol[Symbol{'；，'；Symbol}]指令：：='；.'；Symbol[Symbol{'；，'；Symbol}]

标签很简单。指令是一个符号，后跟以逗号分隔的零个或多个操作数。在这里，我使用符号作为一个包罗万象的词。它可以是数字、寄存器、指令或标签。指令本质上与指令相同，但它以句点开头。

我们准备好实现解析器了吗？不完全是。虽然这对于RISC-V组装来说几乎足够了，但它仍然缺少相当多的功能。仅举几例：标签可以与指令位于同一行，值可以具有前导正号或负号，并且可以为操作数指定偏移量。

程序：：={[Label][指令|指令][注释]newline}标签：：=Symbol'；：'；指令：：='；.'；|'；+'；|'；-'；]Symbol{'；，'；['；+'；|'；-'；]Symbol}]指令：：=Symbol[Operand{'；，'；Operand}]操作数：：=['；+'；|'；-'；](Symbol'；('；Symbol'；)'；|Symbol)#正则表示法的词法分析器规则。newline：：=[\n\r]+COMMENT：：=#[^\n\r]+Symbol：：=([a-Za-Z0-9]('；.'；？[A-Za-Z0-9])*)|(\"；(\\[^\n]|[^"；\n])*\"；)#空格、逗号、冒号和圆括号是标记分隔符。#空格和制表符可以互换和连续使用。

但是等等！我们如何知道指令或寄存器是否正确使用？我决定尽量减少语法，并在以后验证这些内容。这意味着该语法将接受一些不允许的代码，但是在下一步我们可以删除。例如，"；xor xor，xor&34；可以很好地解析，尽管它不是合法的RISC-V程序集。我们可以解决这个问题。

如果您对将解析器用于您自己的项目感兴趣，那么您可能需要添加一些东西。即，类似于编译器中的语义分析步骤的验证步骤，其检查以下内容中的一些：

文字值的形式和大小正确(例如，十六进制或可以用16位表示)。

您可以通过修改语法函数Label()、Directive()、Instruction()和Operand()在解析器中检查这些标记，以检查标记的内容。

Void Parser：：Instruction(){NextToken()；//是否至少有一个操作数？IF(！CheckToken(TokenType：：newline)&；&；！CheckToken(TokenType：：Comment)){Operand()；//零个或多个操作数。While(CheckToken(TokenType：：Comma)){NextToken()；Operand()；}

Void Parser：：Instruction(){int numOperands=verifier->；LookupInstruction(token->；literal)；if(numOperands==-1){ReportError("；Invalid Instruction."；)；}NextToken()；//是否至少有一个操作数？Int actNumOperands=0；if(！CheckToken(TokenType：：Newline)&；&；！CheckToken(TokenType：：Comment)){Operand()；actNumOperands++；//零个或多个操作数。While(CheckToken(TokenType：：Comma)){NextToken()；Operand()；actNumOperands++；}//验证操作数是否正确。If(numOperands！=actNumOperands){ReportError("；操作数不正确。"；)；}。

瞧啊！现在验证了指令和操作数的数量。要真正做到这一点，我建议实现一个Verizer类，该类具有查找指令/指令是否存在以及每个指令的操作数的数量和格式的函数，以及用于验证文字、寄存器和标签的函数。

同样，如果您正在构建汇编器，则可以添加发射器步骤。在此方案中，您将查找每条指令和操作数的相应二进制表示形式，并在解析时将其发送到文件。您可以在我的let‘s make a Teeny Tiny编译器教程的发出部分看到编译器是如何做到这一点的。

这个解析器不能解析的一个值得注意的特性是数学表达式。幸运的是，这是一个相当容易添加的东西！我以前写过一篇关于解析的教程，涵盖了数学表达式。请参阅“让我们做一个小小的编译器”的第1部分。GNU汇编器支持两个前缀运算符-和~用于否定和互补，并且这些二元运算符从最高优先级到最低优先级依次为：*、/、%、<；、<；、>；、>；>；、|、&；、^、！、+、-。

表达式：：=按位{("；-"；|"；+"；)按位}按位：=Term{('；|'；|'；&；'；|'；^'；)Term}Term：：=一元{("；/"；|"；*"；)一元}符号：：=["；+"；|"；-"；]符号。

预处理器特性(即#include和#define)和多行注释留给读者作为练习……。🙂。

汇编器的核心确实非常简单。它们只做字符串替换，所以解析应该很简单。汇编语言甚至不是递归的！您只需将指令助记符和操作数替换为它们各自的二进制表示形式。然而，主流汇编器允许构造使解析稍微复杂一些，而且汇编语言没有标准化。尽管如此，本文应该证明，如果你循序渐进，这些问题是可以解决的。

希望这个解析器可以帮助您处理RISC-V项目。如果你使用它，给我发一封电子邮件，让我知道你的项目！您可以在GitHub上找到源代码。