← 返回「今日头条」栏目

CN语言开发学习文档:006-M3语义检查:手把手实现教程

CN语言代码图(IDE高亮·自适应屏宽)

一、这一步要做什么:给语法树做全面体检

语法分析器产出了一棵树(AST)——但这棵树只是"形状对",内容是否合法还不知道:变量 甲 声明了吗?1 + "字符串" 能算吗?条件是不是布尔值?读了一个从未赋值的变量怎么办?语义检查器(sema)的工作:递归整棵树,给每个表达式推导类型、查每个名字、查每次初始化——全部合法才放行。

这是编译器第三步,也是三态判定最集中的层。

先看体检结果长什么样:

CN语言代码图(IDE高亮·自适应屏宽)

本提交(2026-11-06 16:40):8 个文件、1527 行——语义检查器 957 行 + 类型系统 131 行 + gate_former 门禁 186 行 + 测试 239 行。

本篇还有一个特殊看点:M0 立的"形态表义务"在这次提交里第一次全量落地——957 行里 12 个判定函数全部带形态表,并配了执法门禁。

二、先定类型系统:连 Unknown 都不许存在

src/sema/ty.rs 定义语义层的类型 enum——18 个变体(14 个标量+指针+数组)。

开头一句立法最值得细读(第 4 行):

CN语言代码图(IDE高亮·自适应屏宽)

"不设 Unknown 变体"——未知不是合法形态。

很多编译器教程会让你加一个 Ty::Unknown 表示"还不知道",推导不出来就返回 Unknown 继续。

CN 反着来:类型要么推导出来(18 选 1),要么推导失败立即报错(Reject)或中止(Undecidable)——没有第三种"先记着以后再说"。

为什么?因为 Unknown 会传染:一个 Unknown 参与运算,结果也是 Unknown,最终一个"类型没推出来"的缺陷静默流到代码生成层炸掉。

把它堵在类型 enum 的定义处,"未知"这个词在类型系统里失去容身之处——这就是"把状态数写进类型系统"的又一次应用。

三、两遍扫描:先记名册再体检

检查器入口(src/sema/mod.rs 第 59~91 行)——注意是两遍扫描:

CN语言代码图(IDE高亮·自适应屏宽)

为什么两遍?前向调用:主函数里可以调用文件后面才定义的函数——如果只扫一遍,检查到主函数时"后面的函数"还没登记,会误报"未声明"。

第一遍把全部函数签名存进符号表(funcs: HashMap<名字,签名>,重名报 E_NAME),第二遍才体检函数体——函数顺序无关性是 C 语言语义,两遍扫描是它的标准实现。

Checker 结构还有 scopes(作用域栈)、current_ret(当前函数返回类型)、loop_depth(循环嵌套深度,供 中断/继续 校验)——语义检查器的四大件。

四、类型名解析:形态表的第一次亮相

resolve_type(第 139~172 行)把 AST 的类型名("整32"/"整64*")翻译成 Ty。

注意函数头部的形态表注释——五形态逐行写明判定与处理:

CN语言代码图(IDE高亮·自适应屏宽)

看 Undecidable 的两个出口怎么用:数组长度非常量(如 整32[甲] 甲是变量)→ 中止"常量折叠未实现"——编译期算不出长度,硬算就是编造;用户自定义类型名 → 中止"自定义类型 M6 未实现"——结构体还没做,见到"甲"当类型名不装看不见。

形态表里这两行与代码一一对应——表里写了的代码必有,代码写了的表里必有,这就是"形态表义务"(spec/002 §五)的执行形态。

五、表达式类型推导:derive_type 总分派

derive_type(第 247~283 行)是"给任意表达式求类型"的总入口——八形态表 + 递归分派:

CN语言代码图(IDE高亮·自适应屏宽)

最值得学的是标识符分支的三态区分:查符号表——存在但未初始化 → E_DEFINIT("变量 `丁` 未初始化就被读取");存在且已初始化 → 返回类型;不存在 → E_NAME("未声明的标识符 `丙`")。

E_NAME 和 E_DEFINIT 是两个错误码:前者"查无此人"(名字打错了/作用域不对),后者"人在但没准备好"(声明了没赋值就读)。

合成一个错误会怎样?用户看到"未定义变量 丁",可 丁 明明声明了——排查方向全错。

错误码的分与合,直接决定用户排错体验。

def-init(定义即初始化跟踪)的另一半在赋值处:check_assign 会把变量标为 initialized——声明时带初值直接置位,之后才能读。

六、二元运算:规则表+字面量随侧

check_binary(第 396 行起)是"什么类型能做什么运算"的完整裁定——形态表九行,代码逐分支对应:

CN语言代码图(IDE高亮·自适应屏宽)

两个教学点:①字面量随侧(第 406~412 行):1 + 甲 里字面量 1 没有固定类型,按另一侧 甲 的类型定级——这就是 003 篇讲过的 spec/008 五分法第①条的第一次代码落地;若两侧都无类型信息(1+2),各自定级整32。

②混合符号拒绝:整32 + 正32 = 编译错误"混合符号须显式转换"——C 语言在这里静默转换(有符号/无符号混算的历史坑),CN 拒绝并要求写明白。

Ty::common_numeric 返回 Option:可合并则 Some(取宽者),不可合并 None——None 直接映射为 E_TYPE 报错,Option 的无值不静默吞,立即转成诊断。

七、形态表执法:gate_former 门禁

12 个形态表靠自觉维持?不——第三道门禁 gate_former(186 行)扫 src/sema 全部函数,判定函数没有形态表就红。

判定面识别规则(文件头第 4~7 行):

CN语言代码图(IDE高亮·自适应屏宽)

识别条件:返回 Result/Decision 且参数里有 Expr/Stmt/TypeExpr("看起来在处理语法树")——或 doc 里写了"# 形态表"。

豁免通道:doc 写"非判定面"(纯辅助函数自查申报)。

对比 004 篇 gate_decision 的纯命名识别,gate_former 的识别进了步:从"看名字"进化到"看签名+看文档"——漏报方向收窄了,但仍是启发式(这层的债项目自己知道,后续提交继续演化)。

至此 M0 立的五门禁已落三件(gate_decision/gate_match/gate_former),生效三条件在这一层全面运转。

CN语言代码图(IDE高亮·自适应屏宽)

八、三🈲检查(本提交的成色)

做对的:①Ty 不设 Unknown 变体——"未知"无处藏身;②E_NAME/E_DEFINIT/E_TYPE 错误码按"病因"细分;③12 个判定函数形态表全量+执法门禁;④common_numeric 的 Option 无值立即转诊断不吞;⑤五分法第①条(字面量随侧)落地。

不足(给你留的作业):①五分法只落了第①条——带后缀严格定级、窄域适配、128→64 特例、值域门槛四条仍未生效(spec/008 五分法缺口 4/5),M3 的 integer_type 只做了"无后缀=整32,超域拒绝"——003 篇预言的"形态矩阵蓝图"仍欠着,改法:按五分法逐条配矩阵测试再逐条实现;②gate_former 识别有宽松方向:"或 doc 含 # 形态表"意味着签名不像判定面、但文档写了形态表的函数也当判定面——放宽识别会让真正的判定函数漏网(只要它不写文档),改法:识别条件改"且"(签名+文档都要),或对返回 Result 的所有函数要求形态表;③gate_former 文件读取失败 continue 静默(第 30 行)——与 gate_decision/gate_match 同款,三道门禁三处同病,改法早该收成一个公共的"扫描工具库"(读文件失败即红),这就是"同类散落的实现要收敛成单点"。

九、动手作业:给你的迷你语言装体检器

接着 005 篇的 Pratt 解析器:①定义你的 Ty enum(整数/布尔/字符串三个就够)——记住铁律:不设 Unknown;②符号表 HashMap<String, (类型, 已初始化)>,扫描 VarDecl 登记、读 Ident 查表——未声明报 E_NAME、未初始化报 E_DEFINIT;③二元运算推导:+ 两边必须整数、比较返回布尔——先写形态表注释再写代码;④测试:写 5 个通过+5 个报错的样例程序,逐个断言错误码。

做完你会发现:语义检查器是编译器里思维密度最高、代码最规整的部分——因为所有判定都走同一个 Decision 纪律。

下一篇(007):M4 栈机 IR + x64 代码生成——树怎么拉平成指令、净栈契约怎么校验、汇编怎么从 0 写出 hello world,编译器"能跑"的那一刻。

CN语言官网:www.cn-language.com
CN语言开发日志:https://www.cn-language.com/toutiao/
源码仓库:gitcode.com/ChenChao_GitCode/CN_Language
(头条正文不支持外部链接点击,保存下图扫码直达👇)
CN语言官网与开发日志二维码(扫码直达)